Momenteel zijn we voor de Onderzoeksbursalen van de Faculteit Wetenschappen en Bio-ingenieurswetenschappen, vakgroep Computerwetenschappen, op zoek naar een doctoraatsbursaal.
Meer concreet zal je takenpakket, ter voorbereiding van een doctoraat, er als volgt uitzien:
Artificiële Neurale Netwerken en Large Language Models (LLM's) bieden state-of-the-art prestaties op tal van AI-taken, maar zijn niet explainable en daardoor ook moeilijk om volledig te vertrouwen, aangezien ze werken als black boxes. Symbolische methodes zijn inherent meer betrouwbaar en verklaarbaar, omdat ze gebaseerd zijn op logisch redeneren. Dit motiveert de ontwikkeling van neurosymbolische systemen, die het beste van beide werelden proberen te combineren. Toch blijkt dat zelfs de verklaringen die door symbolische systemen worden gegenereerd, niet altijd eenvoudig te begrijpen zijn voor mensen. Dit geldt vooral wanneer de ruimte aan mogelijkheden sterk toeneemt, zoals vaak het geval is bij neurosymbolische systemen.
Huidige methoden om de conclusies van symbolische redeneersystemen te verklaren, zijn gebaseerd op concepten zoals unsatisfiable cores: minimale verzamelingen van aannames die tot een bepaalde conclusie leiden. Een bekend nadeel is dat deze cores vaak erg groot zijn, waardoor ze moeilijk te interpreteren zijn voor menselijke experts. Daarom is er behoefte aan methoden waarmee grote verklaringen kunnen worden opgesplitst in kleinere, beter begrijpelijke onderdelen. Binnen het domein van causaal redeneren is het concept van Actual Causation uitgebreid bestudeerd. Dit concept komt uit de filosofische literatuur en probeert de meest relevante oorzaken van een bepaald effect te selecteren uit alle factoren die eraan hebben bijgedragen. Baanbrekend werk van Joseph Halpern en Judea Pearl heeft dit concept bestudeerd in de context van AI-systemen.
Het doel van dit doctoraat is te onderzoeken hoe concepten uit de causaliteitsliteratuur de verklaarbaarheid van logische redeneersystemen kunnen verbeteren, als mogelijke bouwsteen voor meer betrouwbare neurosymbolische AI. Dit onderzoeksproject omvat zowel een theoretische als een praktische component: het uiteindelijke doel is om efficiënte algoritmen te ontwikkelen die redeneersystemen kunnen gebruiken om verklaringen te berekenen die aansluiten bij de filosofische inzichten over causaliteit. Dit zal een gezamenlijk doctoraat zijn met de nabijgelegen KU Leuven universiteit, waardoor je de kans krijgt om samen te werken met experts van twee hoog gerangschikte universiteiten in het hart van de EU.
Wij bieden
- Een stimulerende en dynamische wetenschappelijke omgeving.
- De mogelijkheid om onderzoek uit te voeren op het hoogste internationale niveau, met als doel wetenschappelijke excellentie en maatschappelijke impact.
- De kans om te werken binnen internationaal gerenommeerde onderzoeksgroepen aan de VUB en KU Leuven.
Voor deze functie zal onze Brussels Humanities, Sciences & Engineering Campus (Elsene) je thuisbasis worden.
