[논문 리뷰] Abstraction for Zooming-In to Unsolvability Reasons of Grid-Cell Problems

Thomas Eiter, Zeynep G. Saribatur외 1명|arXiv (Cornell University)|2019. 09. 11.

Distributed and Parallel Computing Systems참고 문헌 6인용 수 6

한 줄 요약

이 논문은 Answer Set Programming (ASP)에서 계층적 추상화 방법을 도입하여 기계가 격자 기반 문제(예: 수수박, 도달 가능성)에서 해결 불가능성을 유발하는 최소한의 격자 영역을 자동으로 식별하고 집중할 수 있도록 한다. 이는 4분할 트리 기반 추상화와 정밀 조정을 통해 이루어지며, 인간의 직관적 추론과 유사한 설명을 생성한다. 사용자 연구를 통해 기계가 생성한 설명과 인간이 제공한 설명 간의 높은 일치도를 입증하였다.

ABSTRACT

Humans are capable of abstracting away irrelevant details when studying problems. This is especially noticeable for problems over grid-cells, as humans are able to disregard certain parts of the grid and focus on the key elements important for the problem. Recently, the notion of abstraction has been introduced for Answer Set Programming (ASP), a knowledge representation and reasoning paradigm widely used in problem solving, with the potential to understand the key elements of a program that play a role in finding a solution. The present paper takes this further and empowers abstraction to deal with structural aspects, and in particular with hierarchical abstraction over the domain. We focus on obtaining the reasons for unsolvability of problems on grids, and show the possibility to automatically achieve human-like abstractions that distinguish only the relevant part of the grid. A user study on abstract explanations confirms the similarity of the focus points in machine vs. human explanations and reaffirms the challenge of employing abstraction to obtain machine explanations.

연구 동기 및 목표

• 격자 기반 문제에서 해결 불가능성을 설명하기 위해 인간의 추상화 방식을 모방하는 기계 추론 방법을 개발한다.
• 기존 ASP의 추상화 기법을 다차원적이고 구조적인 도메인에 적용하여 계층적 해상도를 갖춘 기법으로 확장한다.
• 해결 불가능성의 핵심 원인을 고립하는 직관적인 '확대' 추상화를 자동으로 생성한다.
• 사용자 연구를 통해 기계가 생성한 추상화와 인간이 제공한 설명 간의 일치도를 평가한다.
• 인간의 암묵적 추상화를 재현하는 데서 발생하는 과제와 배경 지식이 설명 생성에 미치는 역할을 조사한다.

제안 방법

• 이 방법은 4분할 트리 추상화를 활용해 격자 도메인을 다양한 해상도의 영역으로 계층적으로 분할함으로써 관련 영역에 대한 다수 수준의 집중을 가능하게 한다.
• 기존 연구에서 제안된 추상화 및 정밀 조정 프레임워크를 확장하여 관계에 대한 존재 추상화를 도입함으로써 추상화 단계를 동적으로 조정할 수 있도록 한다.
• 추상화된 정답 집합 검증을 통해 유도된 정밀 조정 전략을 사용하여, 추상화된 프로그램에서 불일관성(unsatisfiability)이 감지될 때까지 반복적으로 추상화를 정밀 조정한다.
• 도메인 특화 ASP 솔버(mDASPAR)를 사용하여 추상화된 정답 집합을 계산하고, 최소한의 해결 불가능 원인 영역으로 향해 정밀 조정을 이끌어낸다.
• 추상화 매핑을 생성하여 격자 셀과 관계를 군집화함으로써 원래 문제의 과잉 근사화를 가능하게 하되, 구조적 제약 조건을 유지한다.
• 기본 격자 문제 벤치마크(예: 수수박, 도달 가능성, Visitall)를 대상으로 평가하며, 사용자 연구를 통해 기계가 생성한 추상화와 인간 설명을 비교한다.

실험 결과

연구 질문

• RQ1 ASP에서의 계층적 추상화는 격자 기반 문제에서 해결 불가능성을 유발하는 최소한의 격자 영역을 자동으로 식별할 수 있는가?
• RQ2 기계가 생성한 추상화는 격자 문제에서 인간이 제공한 해결 불가능성 설명과 얼마나 잘 일치하는가?
• RQ3 추상화 기법은 인간이 배경 지식을 활용해 암묵적으로 사용하는 추론 방식(예: 장애물 제거 등 문제 수정 고려)을 어느 정도 재현할 수 있는가?
• RQ4 다양한 정밀 조정 전략은 결과 추상화의 품질과 직관성에 어떤 영향을 미치는가?
• RQ5 격자 문제의 구조적 특성이 추상화의 효과를 통해 해결 불가능성 원인을 효과적으로 고립하는 데 어떤 영향을 미치는가?

주요 결과

• 제안된 추상화 방법은 격자 문제에서 해결 불가능성 원인을 차지하는 최소 영역을 성공적으로 식별하였으며, 사용자 연구에서 인간의 직관과 매우 유사한 설명을 생성하였다.
• 사용자 연구 결과 기계가 생성한 추상화와 인간의 설명 간 높은 일치도를 보였으며, 특히 관련 없는 셀이 아닌 장애물 집합이나 핵심 하위 영역에 집중하는 데서 두드러졌다.
• 4분할 트리 기반 계층적 추상화가 복잡한 문제(예: 수수박, 도달 가능성)에서도 해결 불가능성 원인으로의 효과적인 '확대'를 가능하게 함을 입증하였다.
• 일부 사례(예: Visitall 문제)에서는 사전에 정의된 장애물이나 단일 셀 통로의 제약 조건을 포괄하기 위해 더 깊은 수준의 정밀 조정이 필요했으며, 이는 초기 단계 추상화의 한계를 시사하였다.
• 연구에서 인간은 종종 암묵적으로 배경 지식을 활용하며, 문제 수정(예: 장애물 제거)을 고려하는 방식으로 설명을 구성하는 경향이 있어 순수 진단적 추론과 다소 다름을 확인하였다.
• 도전 과제가 있었음에도 불구하고, 이 방법은 추상화가 구조적으로 타당하고 인지적으로 타당한 설명을 생성할 수 있음을 보여주며, ASP 분야에서 설명 가능한 인공지능의 발전에 기여한다.