V oblasti rozhodování za nejistoty (v umělé inteligenci), zejména v oblasti pravděpodobnostního rozhodování, má pojem podmíněné nezávislosti (PN) klíčovou roli. Záměrem projektu je řešit matematické problémy, které vyvstávají v souvislosti se způsoby representace struktur PN v počítači a učením těchto struktur na základě dat. V této oblasti se využívají postupy a znalosti z několika oblastí matematiky: metody teorie informace se kombinují s algebraickými metodami, metodami diskrétní matematiky (grafy) a metodami matematické statistiky. Projekt má 3 hlavní cíle. Za prvé, v návaznosti na obecnou metodu popisu struktur PN pomocí celočíselných vektorů vyvinutou v rámci předchozího projektu navrhnout negrafickou aritmetickou metodu učení grafickýchmodelů na základě dat. Za druhé, zjistit zda je možné aplikovat na studium struktur PN metody nově vznikajícího oboru algebraické statistiky. Za třetí, studovat vlastnosti PN v rámci kalkulů nejistoty v umělé inteligenci, zvláště v kalkulu horních a