A szoftver-intenzív rendszerek verifiklása nagy méretű kritikus rendszerek esetén különösen nehéz a rendszerek komplexitása miatt. Mesterséges intelligencia és deep learning algoritmusok képesek nagy méretű rendszerek viselkedésének megértésére és következtetések automatikus levonására.

Machine learning algoritmusokat  és deep learning módszereket használnak már qulitatív hibaanalízisre. A deep learning egyik új iránya mély probabilisztikus programozási paradigma, melynek segítségével quantitatív módon ki lehet értékelni egyes események valószínűségét, ezáltal lehetőség nyílik hibavalószínűségek meghatározására.

 

 

A hallgató feladata, hogy megvizsgálja a deep learning és tanuló módszerek alkalmazhatóságát megvizsgálja olyan nagy méretű szoftver-intenzív rendszerek esetén, ahol a szoftverek komplexitása miatt a hagyományos verifikációs technikák nem alkalmazhatóak.