[논문 리뷰] ASPeRiX, a First Order Forward Chaining Approach for Answer Set Computing

Claire Lefèvre, Christopher Béatrix외 2명|arXiv (Cornell University)|2015. 03. 26.

Logic, Reasoning, and Knowledge인용 수 10

한 줄 요약

ASPeRiX는 사전 기반 단계를 제거하고 실시간으로 지식 기반을 구축하는 일阶 후행 추론 방식을 도입하여, 정제된 프로그램과 계층적 프로그램에 대해 효율적인 답변 집합 계산을 가능하게 한다. 이 방법은 대규모 또는 무한한 지식 기반을 가진 경우 기존 시스템보다 뛰어난 성능을 보이며, 복잡한 조합 문제에서는 탐색 공간이 크고 전파 기회가 제한된 경우 경쟁력이 떨어지지만, 특정 유형의 프로그램에 대해 뛰어난 성능을 발휘한다.

ABSTRACT

The natural way to use Answer Set Programming (ASP) to represent knowledge in Artificial Intelligence or to solve a combinatorial problem is to elaborate a first order logic program with default negation. In a preliminary step this program with variables is translated in an equivalent propositional one by a first tool: the grounder. Then, the propositional program is given to a second tool: the solver. This last one computes (if they exist) one or many answer sets (stable models) of the program, each answer set encoding one solution of the initial problem. Until today, almost all ASP systems apply this two steps computation. In this article, the project ASPeRiX is presented as a first order forward chaining approach for Answer Set Computing. This project was amongst the first to introduce an approach of answer set computing that escapes the preliminary phase of rule instantiation by integrating it in the search process. The methodology applies a forward chaining of first order rules that are grounded on the fly by means of previously produced atoms. Theoretical foundations of the approach are presented, the main algorithms of the ASP solver ASPeRiX are detailed and some experiments and comparisons with existing systems are provided.

연구 동기 및 목표

• 대규모 또는 무한한 지식 기반을 가진 프로그램에서 기존 Answer Set Programming(ASP) 시스템의 사전 지식 기반 단계로 인한 성능 저하 문제를 해결하기 위해.
• 지식 기반을 탐색 과정에 통합하여 특정 유형의 ASP 프로그램에 대해 더 효율적인 계산을 가능하게 하는 솔버를 개발하기 위해.
• 이론적 프로그래밍을 지원하기 위해 동적 지식 기반을 통해 기호적 함수와 산술 연산을 허용함으로써 추론 과정 중에 지식 기반을 실시간으로 수행하기 위해.
• 답변 집합 계산 과정을 투명하고 규칙 기반으로 만들음으로써 프로그램 디버깅과 질의 기반 추론을 촉진하기 위해.
• 연쇄 규칙 처리와 선택적 지식 기반을 지원함으로써, 지식 표현 능력을 기존 기술에 비해 확장하여 웹 기반 의미론적 웹 및 서술 논리적 맥락에 적합하게 만들기 위해.

제안 방법

• 계산 과정에서 이미 유도된 원소를 기반으로, 일阶 규칙에 대해 실시간으로 지식 기반을 수행하는 후행 추론을 적용한다.
• 현재 유도된 사실에 의해 조건이 충족되는 규칙을 우선순위로 선택하는 규칙 선택 메커니즘을 사용한다.
• 표준 ASP 의미론에 기반한 정확하고 완전한 계산법을 사용하여 실시간 지식 기반에 기반한 답변 집합 생성을 보장한다.
• 유도된 원소의 작업 메모리와 부분적 답변 집합을 점진적으로 확장하기 위해 규칙을 적용한다.
• 현재 계산 상태에 따라 규칙 적용을 유도하는 제어 전략을 도입하여 탐색 공간의 효율적 탐색을 가능하게 한다.
• 기본 부정을 통해 비단조화적 추론을 지원하여, 후행 추론 과정 중 기본 가정과 제약 조건 검사를 가능하게 한다.

실험 결과

연구 질문

• RQ1 대규모 또는 무한한 지식 기반을 가진 프로그램에서 실시간 지식 기반을 갖춘 일阶 후행 추론 방식이 기존의 이단계 ASP 시스템보다 메모리 및 시간 효율성 면에서 뛰어나게 되는가?
• RQ2 ASPeRiX는 계층적 및 확정적 논리 프로그램을 해결할 때 최신 기술의 ASP 솔버와 비교해 어떤 성능을 보이는가?
• RQ3 실시간 지식 기반은 산술 연산과 기호적 함수와 같은 복잡한 기능을 얼마나 잘 지원할 수 있는가?
• RQ4 동적 지식 기반을 갖춘 후행 추론 메커니즘은 서술 논리와 웹 기반 데이터를 포함한 지식 표현 작업에 효과적으로 적용될 수 있는가?
• RQ5 탐색 공간이 크고 전파 기회가 제한된 조합 문제에서 이 접근 방식의 한계는 무엇인가?

주요 결과

• 3-색칠 문제에서 N=1001 정점일 경우, 하나의 답변 집합만 필요로 할 때 ASPeRiX는 전통적인 ASP 시스템인 potassco와 clasp보다 시간과 메모리 사용 면에서 뛰어난 성능을 보였다.
• N=501 정점의 3-색칠 문제에서 하나의 답변 집합을 계산할 경우, ASPeRiX는 1.6초의 런타임을 기록했고, potassco와 clasp는 시간 초과(OoT)를 기록하여 이 경우에서의 뛰어난 효율성을 입증했다.
• N=501 정점의 3-색칠 문제에서 여섯 개의 답변 집합을 모두 계산할 경우, ASPeRiX는 0.3초 내로 완료되었고, potassco와 clasp는 시간 제한을 초과하여, 많은 해를 가진 문제에서의 확장성과 성능을 입증했다.
• N=1001 정점의 3-색칠 문제에서 하나의 답변 집합을 계산할 경우, ASPeRiX는 13.3초와 15.9MB의 메모리 사용량을 기록했고, potassco와 clasp는 시간 초과를 기록하여 대규모이고 구조화된 문제에서 강력한 성능을 보였다.
• 복잡한 제약 조건 추론이 필요한 경우와 같은 탐색 공간이 크고 전방 전파 기회가 제한된 조합 문제에서는, 일阶 환경에서 고급 최적화 기법(예: 절대 학습, 히وري스틱)이 부족하여 ASPeRiX의 성능이 저하됨을 확인했다.
• 질의에 따라 관련 규칙만 실시간으로 지식 기반을 수행함으로써, 질문 기반 추론을 효율적으로 수행할 수 있어, 웹 기반 의미론적 웹 및 서술 논리 응용 분야에서 특히 유용하다.