FRESCO: Een Framework voor Uitlegbaar Zoeken en Optimalisatie onder Beperkingen

Projectdetails

!!Description

Door gebruik van steeds complexere redeneermethodes en
berekeningen, wordt het steeds moeilijker om te begrijpen waarom
bepaalde beslissingen in artificiële intelligentie (AI) systemen
genomen worden.
Onderzoek naar uitlegbare artificiële intelligentie heeft als doel
betrouwbare AI systemen te maken die hun redeneringen kunnen
uitleggen op een manier die door mensen begrepen kan worden. In
dit project willen wij bijdragen aan uitlegbare AI, specifiek voor het
subdomein van constraint solving en optimisatie.
Gebaseerd op een preliminare studie van de twee PIs, is het
hoogniveau doel van dit project om een geintegreerd framework voor
uitlegbare constraint solving en optimisatie te ontwikkelen. Hier
komen heel wat fundmentele vragen bij kijken gerelateerd aan
schaalbaarheid (de mogelijkheid om grote instaties uit te leggen),
algemeenheid (the mogelijkheid om verschillende soorten vragen te
kunnen beantwoorden) en interactiviteit (de mogelijkheid om op een
vlotte manier met de gebruiker te interageren).
AcroniemFWOAL1002
StatusActief
Effectieve start/einddatum1/01/2131/12/24

Keywords

  • beperking programmeren
  • uitlegbaarheid

Flemish discipline codes in use since 2023

  • Operations research and mathematical programming
  • Artificial intelligence not elsewhere classified
  • Knowledge representation and reasoning

Vingerafdruk

Verken de onderzoeksgebieden die bij dit project aan de orde zijn gekomen. Deze labels worden gegenereerd op basis van de onderliggende prijzen/beurzen. Samen vormen ze een unieke vingerafdruk.