[논문 리뷰] Diagnostic reasoning with A-Prolog

Marcello Balduccini, Michael Gelfond|ArXiv.org|2003. 12. 18.

Logic, Reasoning, and Knowledge참고 문헌 20인용 수 5

한 줄 요약

이 논문은 물리 시스템을 관리하는 지능형 에이전트에서 진단 추론을 위한 A-Prolog 기반 아키텍처를 제안하며, 안정 모델 의미론을 통해 증상, 후보 진단, 진단을 모델링한다. 이는 고장 탐지, 테스팅, 수리와 같은 진단 작업을 논리 프로그램의 답변 집합을 계산하는 것으로 환원하여, 지정된 가정 하에 정확성과 완전성을 공식적으로 보장하는 논리적으로 타당한 자동 진단을 가능하게 한다.

ABSTRACT

In this paper we suggest an architecture for a software agent which operates a physical device and is capable of making observations and of testing and repairing the device's components. We present simplified definitions of the notions of symptom, candidate diagnosis, and diagnosis which are based on the theory of action language ${\cal AL}$. The definitions allow one to give a simple account of the agent's behavior in which many of the agent's tasks are reduced to computing stable models of logic programs.

연구 동기 및 목표

• 동적 환경에서 물리 장치를 모니터링, 테스트, 수리하는 소프트웨어 에이전트를 위한 공식적이고 논리 기반의 아키텍처를 개발하는 것.
• 행동 언어 AL과 답변 집합 프로그래밍(ASP)을 사용하여 증상, 후보 진단, 실제 진단을 포함한 진단 추론을 모델링하는 것.
• 고장 식별 및 수리 계획과 같은 진단 작업을 논리 프로그램의 안정 모델(답변 집합) 계산으로 환원하는 것.
• 완전한 지식과 결정론적 행동을 가정할 때 진단 결과의 정확성과 완전성을 보장하는 공식적 프레임워크를 제공하는 것.
• 최소화되고 해석 가능한 논리 인코딩을 사용하여 기대되는 행동과 관측된 행동 간의 괴리에 대해 추론할 수 있도록 하는 것.

제안 방법

• 에이전트의 지식 기반은 세 부분으로 구성된다: 시스템 기술서(행동 언어 AL), 관측 기록 및 행동 기록의 이력, 목표 집합.
• 증상은 기대되는 행동과 관측된 행동 간의 일관성 없는 상태로 정의되며, 지식 기반 내 논리 공식으로 모델링된다.
• 후보 진단은 시스템 행동, 관측 결과, 제약 조건을 코딩한 논리 프로그램의 안정 모델로 계산된다.
• 관측된 데이터와 시스템 역학과의 일관성을 보장하는 제약 조건을 사용하여 후보 진단을 필터링함으로써 진단이 도출된다.
• 진단 과정은 다음과 같은 루프로 형식화된다: 관측 → 괴리 해석 → 답변 집합 계산 → 진단 선택 → 수리 계획 수립.
• 복잡한 진단 추론을 처리 가능한 논리적 추론 과제로 분해하기 위해 분할 집합 정리와 답변 집합 의미론을 활용한다.

실험 결과

연구 질문

• RQ1 논리 프로그래밍과 안정 모델 의미론을 사용하여 지능형 에이전트의 진단 추론을 어떻게 공식적으로 모델링할 수 있는가?
• RQ2 관측된 시스템 고장에서 유효한 진단을 식별하는 데 답변 집합 계산이 수행하는 역할은 무엇인가?
• RQ3 증상, 후보 진단, 실제 진단을 어떻게 정의할 수 있는가? 이는 자동 추론과 검증을 지원할 수 있어야 한다.
• RQ4 제안된 프레임워크 하에서 진단 결과의 정확성과 완전성에 대해 어떤 보장을 제공할 수 있는가?
• RQ5 논리 기반 계획을 사용하여 테스팅 및 수리 동작을 어떻게 진단 루프에 통합할 수 있는가?

주요 결과

• 제안된 방법은 A-Prolog 프로그램의 안정 모델 계산으로 진단 추론 작업을 환원하여 자동화되고 논리적으로 타당한 진단을 가능하게 한다.
• 프레임워크는 생성된 모든 진단이 관측 결과와 일관되며, 시스템 기술서에 따라 논리적으로 타당하다는 것을 보장한다.
• 진단을 찾는 알고리즘 Find_Diag는 종료가 보장되며, 진단이 존재할 경우 정확하게 이를 식별함을 증명하였다.
• 진단이 유효하려면 진단 집합에 포함된 모든 구성 요소가 고장 났고, 관측된 데이터 및 시스템 역학과 일관성이 있어야 한다.
• 답변 집합 계산을 통해 시스템 모델링, 관측 처리, 진단 추론 간 명확한 분리를 지원한다.
• 프레임워크는 공식적으로 타당하다: 진단이 반환되면, 관측된 증상을 올바르게 설명하는 것이 보장된다.