Explore les systèmes de raisonnement automatisés pratiques comme TPTP, TSTP et CASC, en soulignant l'importance de la cohérence et des développements futurs.
Explore le lien entre les théories physiques et les données empiriques, contrastant la mécanique quantique standard avec l'ontologie explicite des particules dans l'espace de Newtonian Mechanics.
Explore les représentations neuro-symboliques pour comprendre les connaissances et le raisonnement communs, en mettant l'accent sur les défis et les limites de l'apprentissage profond dans le traitement du langage naturel.
Explore l'extraction de texte en neuroinformatique pour extraire les données de connectivité cérébrale et annoter les paramètres du modèle de la littérature scientifique.
Examine l'inférence causale, en soulignant l'importance de s'engager dans une ontologie pour tirer des inférences causales et choisir des estimands appropriés.
Souligne la reproductibilité et la réutilisabilité des données dans les neurosciences silico, en mettant l'accent sur les outils et les méthodes de neuroinformatique.
