Modele graficzne pozwalają na zapis złożonych rozkładów prawdopodobieństwa w
formie grafu interakcji między zmiennymi: prawdopodobieństw warunkowych (grafy
skierowane) oraz funkcji potencjału (grafy nieskierowane). Taki zapis
umożliwia nam wprowadzenie do modelu naszej wiedzy o zależnościach między
zmiennymi, prowadzenie rozważań jak nasza wiedza o zmiennych wpływa na
niezależności warunkowe albo nawet na rozważanie relacji przyczynowo-
skutkowych. Możemy też prowadzić wnioskowanie: wyznaczyć rozkład na pewnym
zbiorze zmiennych uwarunkowany na innych zmiennych. Choć dokładne wnioskowanie
jest często niewykonalne, istnieje szereg metod przybliżających dokładne
wyniki (filtry cząsteczkowe, aproksymacje wariacyjne). Modele graficzne są
bardzo ogólne i umożliwiają spójne traktowanie łańcuchów Markowa stosowanych w
rozpoznawaniu mowy, filtrów Kalmana stosowanych w robotyce, czy warunkowych
pól prawdopodobieństw stosowanych w przetwarzaniu języka naturalnego.
Modele graficzne łączą się również z sieciami neuronowymi: niektóre sieci
neuronowe dają się zapisać w postaci modeli graficznych (np. sieci typu RBM),
inne zaś stanowią hybrydy w których część prawdopodobieństw definiujących
model graficzny reprezentowane jest przez sieć neuronową (np. autoenkoder
wariacyjny). Jest prawdopodobne, że wymogi dotyczące m.in. przejrzystości
modeli sztucznej inteligencji spowodują powstanie większej ilości podobnych
hybryd w których chociaż sieć wyznacza część rozkładów prawdopodobieństwa to
końcowa odpowiedź wymaga również wnioskowania w modelu graficznym dla którego
możemy udowodnić że przykładowo pewne zmienne wrażliwe (np. płeć, pochodzenie
etniczne) nie wpływają bezpośrednio na wyniki.
**Program:**
Na seminarium chciałbym w formacie "odwróconych zajęć" wspólnie ze słuchaczami
przerobić książkę "Probabilistic Graphical Models" w zakresie odpowiadającym
kursowi pod tą samą nazwą na Stanfordzie i na Courserze. Na cotygodniowych
spotkaniach spróbujemy wspólnie omówić wykłady i rozdziały z książki oraz
pogłowimy sie nad listami zadań.
**Warunki zaliczenia:**
Aktywne uczestnicotwo w zajęciach (dopuszczalne 2 nieobecności) -
przygotowanie do zajęć i udział w dyskusji dotyczącej omawianych materiałów,
przygotowanie kilku mini-wykładów dotyczących omawianych treści.
