Målet er at introducere den studerende til fundamentale begreber og teknikker indenfor symbolsk kunstig intelligens (symbolsk AI) samt anvende disse indenfor søgning, planlægning, spil, multiagent-systemer, social intelligens, humanoide robotter og menneske-robot interaktion. I symbolsk kunstig intelligens arbejder man med eksplicitte – ofte logiske – modeller af omverden. Dette giver visse fordele med hensyn til at bygge systemer som kan lægge planer og ræsonnere logisk, samt giver fordele omkring forklarlighed og sikkerhed. Desuden vil den studerende blive introduceret til neurosymbolsk AI: kombinationen af symbolsk AI med neurale netværk og andre teknikker indenfor maskinlæring. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Forklare forskellen på symbolske og subsymbolske teknikker indenfor kunstig intelligens, samt forklare neurosymbolsk AI
• Forklare de respektive anvendelsesområder, fordele og ulemper ved symbolsk og subsymbolsk kunstig intelligens
• Udvælge passende formelle modeller til at repræsentere tilstande og transitioner i et givet domæne
• Analysere hvilke algoritmer og teknikker indenfor symbolsk kunstig intelligens der er relevante i forhold til en given anvendelse
• Implementere simple symbolske AI-metoder til søgning, vidensrepræsentation, planlægning, spil, multiagent-systemer, social intelligens, humanoide robotter og menneske-robot interaktion
• Anvende eksisterende symbolske AI-værktøjer til søgning, vidensrepræsentation, planlægning, spil, multiagent-systemer, social intelligens, humanoide robotter og menneske-robot interaktion
• Analysere hvilke teknikker – symbolske, subsymbolske eller en kombination – der er nødvendige for at automatisere en given opgave
• Integrere symbolske og subsymbolske teknikker i en humanoid robot samt designe og udføre eksperimenter med menneske-robot interaktion

1. Symbolske modeller af omverden: propositionelle tilstande, PDDL, belief states, epistemiske modeller.

2. Multiagent-systemer og social AI: spilteori, spilteoretiske ligevægte, modeller for koordination, Theory of Mind, multiagent-planlægning og plan/goal recognition.

3. Algoritmer på symbolske modeller: informerede søgealgoritmer, STRIPS-planlægning, søgning under partial observerbarhed og ikke-determinisme, spilteoretisk søgning, algoritmer til plan/goal recognition.

4. Symbolsk vs subsymbolsk AI: Styrker og svagheder i symbolsk vs subsymbolsk AI. Introduktion til kombinationen af symbolske og subsymbolske teknikker.

5. Anvendelser: Integration af samtlige kursets emner til anvendelser indenfor socialt intelligente humanoide robotter samt menneske-robot interaktion. 04. maj, 2026