[論文レビュー] Of Starships and Klingons: Bayesian Logic for the 23rd Century

Kathryn Blackmond Laskey, Paulo Costa|arXiv (Cornell University)|Jul 1, 2005

Bayesian Modeling and Causal Inference参考文献 15被引用数 30

ひとこと要約

本稿では、一階論理（FOL）とベイズ確率論を統合する形式的体系であるマルチエンティティベイズネットワーク（MEBN）を紹介する。これにより、関係的で動的かつオープンワールドの領域における不確実性下での一貫性がありスケーラブルな推論が可能になる。MEBNは、無限に多くの関連するエンティティおよび関係の表現を可能とし、任意の整合的で有限公理化可能なFOL理論のモデルに対する一貫した結合確率分布の存在を証明する。これにより、再帰的かつ拡張可能で論理的に根拠のある確率的推論が実現される。

ABSTRACT

Intelligent systems in an open world must reason about many interacting entities related to each other in diverse ways and having uncertain features and relationships. Traditional probabilistic languages lack the expressive power to handle relational domains, whereas classical first-order logic is sufficiently expressive but lacks a coherent plausible reasoning capability. Recent years have seen the emergence of a variety of approaches to integrating first-order logic, probability, and machine learning. This paper presents Multi-entity Bayesian networks (MEBN), a formal system that integrates First Order Logic (FOL) with Bayesian probability theory. MEBN extends ordinary Bayesian networks to allow representation of graphical models with repeated sub-structures. We present the logic using an example inspired by the Paramount Series Star Trek. MEBN semantics integrates random variables as formalized in mathematical statistics with model theoretic semantics for first-order logic.

研究の動機と目的

• 従来のベイズネットワークが関係的で動的かつオープンワールドの領域における不確実で相互作用するエンティティをモデル化する点で抱える限界を解消すること。
• 第一階論理の表現力とベイズネットワークの不確実性処理能力を統合する形式的体系を構築すること。
• 任意の整合的で有限公理化可能な第一階論理理論のモデルに対する論理的整合性と、明確に定義された結合確率分布の存在を保証すること。
• ベイズ的条件付き確率を用いた新しい公理の追加により理論を更新できるメカニズムを通じて、再帰的かつ拡張可能な推論を可能にすること。
• セマンティックウェブなどの不確実でオープンな環境における確率的オントロジーと知識表現の基盤を提供すること。

提案手法

• MEBNは、確率変数の条件付き確率分布を表現するためのMFrags（MEBN断片）を用いる。各断片は、関連するエンティティおよび関係の集合に対して局所的な分布を定義する。
• エンティティ識別子のプレースホルダを備えたパラメータ化された確率変数（RV）を採用し、ドメイン内の任意の数のエンティティに対してインスタンス化を可能にする。
• MEBN理論は、一貫性制約を満たすMFragsから構築され、これによりすべてのインスタンス化された確率変数に対する一意な結合確率分布が保証される。
• 時間パラメータ化された確率変数を用いることで、再帰的・時間的依存関係をサポートし、繰り返し構造を含む動的モデリングを可能にする。
• ベイズ的条件付き確率を用いた推論と理論の精錬が可能であり、観測に基づいて新しい公理を追加し、モデルを更新できる。
• 形式的体系は、無限または有界でないドメインでも一貫性と論理的整合性を保証する厳密な意味論に基づいている。

実験結果

リサーチクエスチョン

• RQ1 第一階論理とベイズ確率論を統合する形式的体系は、関係的で不確実かつオープンワールドの領域における一貫した推論を可能にするか？
• RQ2 不確実で再帰的・動的関係を持つ無限のエンティティを、整合性や計算可能性を損なわずに確率的モデルで表現できるか？
• RQ3 任意の整合的で有限公理化可能な第一階論理理論のモデルに対して、一意かつ適切に定義された結合確率分布を定義できるか、無限ドメインでも成立するか？
• RQ4 論理的および確率的整合性を保ちながら、新しい公理を段階的に理論に追加できるか？
• RQ5 得られる形式的体系は、センサデータにおける時間的依存関係のような再帰的パターンを自然かつスケーラブルに扱えるか？

主な発見

• MEBNは、任意の整合的で有限公理化可能な第一階論理理論のモデルに対して、無限ドメインでさえも一貫性があり、グローバルに整合性のある結合確率分布の存在を確立する。
• このフレームワークは、標準のベイズネットワークや動的ベイズネットワークが抱える主な制限を克服し、自然に再帰的かつ動的関係をサポートする。
• 再利用可能なパラメータ化された断片を用いることで、無限に多くのエンティティと関係を表現できるため、スケーラブルで拡張可能な推論が可能になる。
• 有限ステップで不整合を検出でき、正しい確率的クエリに収束する証明理論を提供する。
• ベイズ的条件付き確率を用いた段階的理論精錬が可能であり、観測や新しい公理に基づいてモデルを更新できる。
• 形式的体系は一般性に富んでおり、Star Trekシナリオへの応用およびセマンティックウェブ向けのPR-OWLへの拡張を通じて、確率的オントロジーの基盤としての有効性が示された。