MaskinIntelligens (MI)
Forskningsenheden for Maskinintelligens beskæftiger sig primært med ræsonnering og beslutningsstøtte under usikkerhed, samt statistiske metoder til maskinindlæring og datamining.
Størstedelen af forskningsenhedens aktiviteter tager udgangspunkt i grafiske sandsynlighedsmodeller, herunder bayesianske net og influensdiagrammer. Karakteristisk for disse modeller er, at de både tilbyder et kompakt grafisk repræsentationssprog og understøtter effektive algoritmer til løsning af probabilistiske og beslutningsteoretiske problemer. Modeller af denne type har fundet anvendelse indenfor flere grene af kunstig intelligens, samt indenfor en bred vifte af andre datalogiske og ikke-datalogiske områder. Eksempler på konkrete anvendelsesområder omfatter medicinsk og teknisk modelbaseret diagnostik, modellering af genetiske relationer indenfor bioinformatik, og modellering af ukendte omgivelser indenfor robotnavigation.
Med udgangspunkt i forskningsenhedens ekspertise indenfor grafiske modeller er de tre primære forskningsområder:
- Grafiske modeller: Dette område udgør enhedens traditionelle kerneområde. De nuværende forskningsaktiviteter er koncentreret om udviklingen af effektive design- og ræsonneringsmetoder til grafiske modeller.
- Maskinindlæring og datamining: Indenfor dette område fokuserer enheden på statistiske metoder til indlæring af specielt grafiske modeller, samt metoder til løsning af traditionelle dataminingproblemer som f.eks. gruppering og klassifikation.
- Autonome agenter: Denne aktivitet fokuserer på anvendelsen af grafiske modeller til programmering af intelligent adfærd i autonome agenter. Et anvendelsesområde af speciel interesse er autonome agenter i computerspil.