Maschinelles Lernen von formaler Kommunikation

Das Ziel Dieses in Bereich and Verteilten Künstlichen Intelligence enz(VKI)是一种强化学习(Entwickular von Effizienten Verfahren für i)，它是一种新的语言交流方式，它是一种强化学习(Entwickelle Verstärkungs-Lernen)。在随机的情况下，公共交流将是理性的，但也不会有什么不同。智能计算机系统和计算机系统之间的通信，以及计算机接口(z.b.Interaktive Software-Assistenten and Benutzerschnittstellen)，自动处理和论证，解决问题的方法和方案。从适应性、灵活性和语义性的角度来看，这是一个适应性的项目，灵活的、语义的、灵活的和语义的信息交流我们计划将多智能体强化学习与多智能体强化学习有机地结合在一起，这是一种形式-逻辑关系。软件代理和软件代理在真实的实验中得到了经验和理论的评价。

Das Ziel dieses Projektes im Bereich der Verteilten Künstlichen Intelligenz (VKI) ist die Entwicklung von effizienten Verfahren für i) die maschinelle Vorhersage von semantisch reichhaltiger Kommunikation, erlernt aus der Beobachtung vorangegangener formalsprachlicher Kommunikationen und ii) das maschinelle Verstärkungs-Lernen (Reinforcement Learning) aktiver Kommunikationsfähigkeiten. Kommunikation wird dabei zur rationalen Nutzenmaximierung in offenen stochastischen Umgebungen mit eigennützigen Kommunikationsteilnehmern eingesetzt. Intelligente Computersysteme mit derartigen echten Kommunikationsfähigkeiten wären äußerst nützlich für eine Reihe wichtiger Anwendungen, wie Mensch- Computer-Interaktion (z.B. interaktive Software-Assistenten und Benutzerschnittstellen), automatische Verhandlung und Argumentation, sowie verteilte Koordinations- und Planungsverfahren. Das Projekt zielt ausdrücklich auf einen hohen Grad an Adaptivität, Flexibilität und semantischer Repräsentationsfähigkeit und hebt damit bisherige Kommunikations- Frameworks im Bereich der KI, die lediglich mit einer statisch begrenzten Menge von festen Interaktionsregeln (z.B. Mechanism Design) oder Mustererkennungsverfahren arbeiten (z.B. traditionelle Software- Benutzerassistenten), auf eine neue Ebene. Wir planen Verfahren aus dem Bereich des Probabilistischen Relationalen Maschinellen Lernens und des Multiagent Reinforcement Learning zu kombinieren und sie um eine semantisch reichhaltige formal-logische Repräsentation zu erweitern. Die neu entwickelten Verfahren wollen wir an einem bereits von uns entwickelten Framework für freie Verhandlungen zwischen Softwareagenten und zwischen Softwareagenten und Menschen empirisch und theoretisch evaluieren und deren Relevanz in realen Experimenten nachweisen.