Usikkerhed er et centralt problem i mange systemer: Medicinsk diagnostik, modellering af genetiske relationer, modellering af ukendte omgivelser, når robotter bevæger sig rundt, fejlfinding i computerudstyr, og beslutningsstøtte ved medicinsk behandling er blot nogle få eksempler.

Forskningsenheden Maskinintelligens udvikler teorier og metoder til computer-baseret understøttelse af beslutninger under usikkerhed, det vil sige programmer og systemer, der hjælper en person til at træffe de rigtige beslutninger under forhold, hvor personen har utilstrækkelige eller usikre informationer. Gruppen arbejder således med kunstig intelligens, der gør maskiner eller andre agenter i stand til at vurdere indsamlede data og evt. handle på basis heraf - og til at give den person, der betjener maskinen, forudsætningerne for at træffe de  bedste beslutninger i situationen.

Størstedelen af enhedens forskning tager udgangspunkt i grafiske sandsynlighedsmodeller, og de tre primære forskningsområder er:

Grafiske modeller - med fokus på udviklingen af effektive design- og ræsonneringsmetoder  i form af grafiske modeller, der bidrager til at drage konklusioner på basis af data.

Maskinindlæring og datamining - med fokus på statistiske metoder til indlæring af grafiske modeller samt metoder til løsning af traditionelle datamining-problemer, f.eks. gruppering og sortering af de data, maskinen eller systemet modtager.

Autonome agenter - med fokus på anvendelsen af grafiske modeller til programmering af intelligent adfærd i autonome agenter - med andre ord, modeller, der gør apparater (så som robotter) eller f.eks. figurer i computerspil i stand til at handle selvstændigt ud fra den situation, de er i.