[논문 리뷰] Adams Conditioning and Likelihood Ratio Transfer Mediated Inference

J.A. Bergstra|arXiv (Cornell University)|2016. 11. 26.

AI-based Problem Solving and Planning참고 문헌 37인용 수 4

한 줄 요약

이 논문은 메도우 기반 확률 프레임워크 내에서 아담스 조건부 적용을 사용하여 법적 베이지안 추론에서 가능도 비율 전달을 체계화한다. 이는 범죄 증거 전문가가 단일 메시지만을 통해 보고할 경우 주관적 확률 원칙을 위반하며, 과거의 확률적 업데이트를 추적함으로써 신념 상태의 과도한 증가를 방지하는 프로토콜을 제안한다.

ABSTRACT

Bayesian inference as applied in a legal setting is about belief transfer and involves a plurality of agents and communication protocols. A forensic expert (FE) may communicate to a trier of fact (TOF) first its value of a certain likelihood ratio with respect to FE's belief state as represented by a probability function on FE's proposition space. Subsequently FE communicates its recently acquired confirmation that a certain evidence proposition is true. Then TOF performs likelihood ratio transfer mediated reasoning thereby revising their own belief state. The logical principles involved in likelihood transfer mediated reasoning are discussed in a setting where probabilistic arithmetic is done within a meadow, and with Adams conditioning placed in a central role.

연구 동기 및 목표

• 법정에서의 심리적 판단자에게 범죄 증거 전문가로부터 가능도 비율 전달을 위한 통신 프로토콜을 체계화하는 것.
• 정확한 확률 기반 주관적 확률 이론과의 불일치를 해결하기 위해, 범죄 증거 전문가가 단일 메시지만을 통해 보고하는 방식의 문제점을 다루는 것.
• 아담스 조건부와 메도우 기반 확률 산술을 사용하여, 신념 상태 변환을 위한 통일된 체계적 형식을 개발하는 것.
• 제안된 프레임워크 내에서 조건부의 전환 오류와 검사의 오류와 같은 오류를 분석하는 것.
• 심리적 판단자의 신념 상태 과잉 증가를 방지하기 위해, 신념 업데이트의 역사를 추적할 것을 주장하는 것.

제안 방법

• 메도우 프레임워크 내에서 명제 공간 위의 확률 함수를 사용하여 신념 상태를 모델링함으로써 대수적 일관성을 확보하고, 0으로 나누는 것을 처리한다.
• 가능도 비율과 증거 확인 정보가 전달될 때, 신념 업데이트의 핵심 메커니즘으로 아담스 조건부를 적용한다.
• 신념의 시간적 진화를 표현하기 위해 신뢰도 상태의 레이블된 전이 시스템을 도입한다.
• 조건부 방정식과 명제 공간의 변환을 사용하여, 다양한 보고 상황에서의 신념 역학을 체계화한다.
• 가능도 비율 $ r $ 과 증거 확인 정보 수신 시, $ P'_{\text{TOF}}(H) = \frac{r \cdot P_{\text{TOF}}(H)}{1 + (r-1) \cdot P_{\text{TOF}}(H)} $ 라는 방정식을 사용하여 신념 업데이트를 수행한다.
• 신념 상태의 다양한 형식적 표현 간의 일관성을 평가하기 위해 표현 독립성(전역적 및 국소적)의 개념을 도입한다.

실험 결과

연구 질문

• RQ1 왜 단일 메시지만으로 가능도 비율을 보고하는 방식은 정확한 신념 기반 주관적 확률 이론과 불일치하는가?
• RQ2 반복적으로 동일한 가능도 비율 업데이트가 이루어질 경우, 무제한적인 신념 증가를 방지하기 위해 신념 상태 업데이트를 어떻게 체계적으로 모델링할 수 있는가?
• RQ3 아담스 조건부는 범죄 증거 전문가와 심리적 판단자 간의 신념 전달을 모델링하는 데 어떤 역할을 하는가?
• RQ4 가능도 비율 전달 과정에서 조건부의 전환 오류와 같은 오류는 어떻게 발생하며, 이를 어떻게 체계적으로 특성화할 수 있는가?
• RQ5 불완전하거나 모호한 신념 상태는 형량적 추론에서 유용하게 모델링될 수 있는가? 그리고 이는 신념 일관성에 어떤 영향을 미치는가?

주요 결과

• 증거 확인 정보 없이 단일 메시지만으로 가능도 비율을 보고하는 것은 반복적인 업데이트 상황에서 일관성을 유지하지 못하므로, 주관적 확률 원칙을 위반한다.
• 동일한 가능도 비율을 반복적으로 적용할 경우, 확률 값은 엄밀히 증가하는 수열을 이루며 1에 수렴하게 되며, 이를 방지하기 위해 과거의 업데이트 이력을 추적해야 한다.
• 신념 업데이트 방정식 $ P'_{\text{TOF}}(H) = \frac{r \cdot P_{\text{TOF}}(H)}{1 + (r-1) \cdot P_{\text{TOF}}(H)} $ 는 $ r > 1 $ 인 경우 항상 $ P'_{\text{TOF}}(H) > P_{\text{TOF}}(H) $ 를 보장하므로, 반복 시에 신념 과잉 증가를 유도한다.
• 특정 명제 공간(예: 6원소 공간)에서는 전역 표현 독립성이 성립하지 않으며, 이는 신념 상태 변환 과정이 형식적 표현 방식에 민감함을 시사한다.
• 아담스 조건부는 조건부 전환 오류의 문제점을 피하고, 신념 수정의 논리를 명확히 하므로, 가능도 비율 전달에 대한 체계적 기반을 제공한다.
• 부분 함수로 표현되는 불완전한 신념 상태—즉, 확률 함수가 정의되지 않은 경우—는 비단일성 표현자(non-singleton representors)를 사용하여 모델링할 수 있지만, 타당한 확률 함수가 존재하지 않을 경우 일관성 문제가 발생할 수 있다.