Er zijn binnen de AI eigenlijk twee stromingen.  Je zou soms bijna zeggen twee geloven,   over hoe je computers intelligent kan maken. De  eerste is machine learning, dus data gedreven.   Je voert heel veel data in een computer, de  computer leert patronen en neemt vervolgens   intelligente acties op basis van die patronen.  Data gedreven AI. De andere stroming, en dat is   precies de stroming waar wij op de VU goed in zijn,  is de kennisgedreven AI. Daarbij proberen we niet   data in een computer te stoppen en de computer  zelf te laten ontdekken hoe het zit, maar we   schrijven kennis op in een vorm zodat de computer  daarmee kan redeneren. Dat gaat eigenlijk terug   naar de expertsystemen zoals die in de jaren 70  en 80 populair waren. Toen werden expertsystemen   gebouwd om bijvoorbeeld de artsen te helpen bij  het stellen van diagnoses. Dat deden we niet door   een miljoen patiëntgegevens in de computer te  voeren maar dat deden we door kennis regels op   te schrijven. Dus door te modelleren hoe een arts  zou redeneren. En we deden dan de redenering van;   die arts doen we na in een computer. Vroeger  was je een hele jongen als je een kennissysteem   bouwde en dat had duizend kennis regels.  Nou, dat is natuurlijk niet genoeg om de   kennis van een huisarts te vatten. Dus ook dat  heeft een enorme schaalvergroting doorgemaakt   en we schrijven nu kennisbanken met honderden  miljoenen of zelfs miljarden feiten en regels   en de computer redeneert automatisch met  die kennisfeiten, die kennis en die regels.   Het voordeel daarvan is dat je kunt begrijpen  hoe de computer aan een conclusie gekomen is,   want het zijn kennisregels zoals wij die  ook begrijpen. Zoals: "Infecties veroorzaken   koorts" en "Een wond kan bloedvergiftiging  veroorzaken." Met die regels kunnen we redeneren,   dat doet een arts, maar dat doet de computer  ook. Dus de arts die kan als het ware volgen wat   de stappen van de computer geweest zijn. Dat is  een groot voordeel van die manier van redeneren..