Kurs 01845: Methoden der Wissensrepräsentation und -verarbeitung

Christoph Beierle, Gabriele Kern-Isberner

Für die Realisierung maschineller Intelligenz ist die Frage der Wissensrepräsentation und -verarbeitung von zentraler Bedeutung. Jedes wissensbasierte System kombiniert das in seiner Wissensbasis gespeicherte Wissen mit aktuellen Informationen und kommt so zu "Erkenntnissen", die es beispielsweise dem Benutzer in Form von Diagnosen präsentiert, oder die es selbst – als autonom agierendes System – als Grundlage seiner Handlungen nutzt.

Häufig ist dabei das zu verarbeitende Wissen unsicherer oder unvollständiger Natur, so dass Methoden zum Einsatz kommen müssen, die auch unter diesen Umsätnden vernünftige Resultate liefern. Dies macht die Behandlung von Inkonsistenzen erforderlich und fährt auf die Problematik des nichtmonotonen oder revidierbaren Schließens. Einen anderen Ansatz zur Modellierung von Unsicherheit bieten die quantitativen Methoden. Ferner gehen wir auf den Bereich Aktionen und Planen ein, in dem sich die Veränderung von Wissen durch aktive Eingriffe (Handlungen) als eine Kernproblematik erweist.

Der Kurs behandelt schwerpunktmäßig die folgenden Themen: Nichtmonotones Schließen, Truth Maintenance-Systeme, Default-Logiken, Aktionen und Planen, Situationskalkül, Wahrscheinlichkeit und Information, probabilistische Netzwerke, insbesondere Markov- und Bayes-Netze, Fuzzy- und Dempster-Shafer-Theorie, zahlreiche Anwendungsbeispiele, u.a. aus Technik, Medizin und Genetik.

Kursangebot der Fakultät für Mathematik und Informatik