[논문 리뷰] Logic-Based Analogical Reasoning and Learning

Christian Antić|arXiv (Cornell University)|2018. 09. 26.

Logic, programming, and type systems인용 수 1

한 줄 요약

이 논문은 모듈성과 프로그램 조합을 통해 유사성을 모델링하는 방식으로 논리 프로그래밍에서 논리 기반의 유사적 추론과 학습을 위한 대수적 프레임워크를 제안한다. 이는 알려진 소스 도메인에서 미지의 타겟 도메인으로 유사한 프로그램을 유도할 수 있게 하여 인공지능의 추론과 학습을 위한 문법적 유사성 기반을 구축한다.

ABSTRACT

Analogy-making is at the core of human intelligence and creativity with applications to such diverse tasks as commonsense reasoning, learning, language acquisition, and story telling. This paper contributes to the foundations of artificial general intelligence by developing an abstract algebraic framework for logic-based analogical reasoning and learning in the setting of logic programming. The main idea is to define analogy in terms of modularity and to derive abstract forms of concrete programs from a `known' source domain which can then be instantiated in an `unknown' target domain to obtain analogous programs. To this end, we introduce algebraic operations for syntactic program composition and concatenation and illustrate, by giving numerous examples, that programs have nice decompositions. Moreover, we show how composition gives rise to a qualitative notion of syntactic program similarity. We then argue that reasoning and learning by analogy is the task of solving analogical proportions between logic programs. Interestingly, our work suggests a close relationship between modularity, generalization, and analogy which we believe should be explored further in the future. In a broader sense, this paper is a first step towards an algebraic and mainly syntactic theory of logic-based analogical reasoning and learning in knowledge representation and reasoning systems, with potential applications to fundamental AI-problems like commonsense reasoning and computational learning and creativity.

연구 동기 및 목표

• 논리 프로그래밍에서의 유사적 추론을 위한 형식적 대수적 기반을 구축하기 위해.
• 유사성을 소스 도메인과 타겟 도메인 간의 프로그램 조합과 인스턴스화로 모델링하기 위해.
• 모듈성, 일반화, 그리고 유사성 간의 관계를 인공지능 시스템에서 탐구하기 위해.
• 유사적 프로그램 변환을 통해 논리 기반의 학습과 추론을 가능하게 하기 위해.
• 지식 표현 및 추론 시스템에서 문법적 유사적 추론을 위한 기초를 마련하기 위해.

제안 방법

• 대수적 연산을 사용하여 모듈성과 문법적 프로그램 조합을 통해 유사성을 정의한다.
• 논리 프로그램을 구축하고 분해하기 위한 핵심 연산으로 프로그램 연결 및 조합을 도입한다.
• 조합에서 유도된 문법적 유사성을 통해 프로그램 유사성을 정량화한다.
• 유사 비례를 사용하여 논리 프로그램 간의 추론 및 학습 과제를 해결한다.
• 알려진 소스 도메인으로부터 추상 형태를 인스턴스화하여 타겟 도메인 프로그램을 유도한다.
• 질적이고 문법 중심의 접근 방식을 통해 논리 프로그래밍에서의 유사적 추론을 수립한다.

실험 결과

연구 질문

• RQ1 논리 프로그래밍에서의 유사성은 대수적 및 문법 원칙을 사용하여 어떻게 형식적으로 정의할 수 있는가?
• RQ2 모듈성이 유사적 추론과 프로그램 일반화를 가능하게 하는 데 어떤 역할을 하는가?
• RQ3 소스 도메인에서 유도된 추상 프로그램 형태는 타겟 도메인에서 어떻게 인스턴스화되어 유사한 프로그램을 생성할 수 있는가?
• RQ4 프로그램 조합, 문법적 유사성, 그리고 유사적 추론 간의 관계는 무엇인가?
• RQ5 이 프레임워크는 인공지능 시스템에서 추론과 학습을 지원할 수 있으며, 특히 일반 지식 추론과 창의성에 어떻게 기여할 수 있는가?

주요 결과

• 논리 프로그래밍에서의 유사성은 프로그램 조합과 연결에 대한 대수적 연산을 통해 형식화된다.
• 프로그램은 모듈화되고 재사용 가능한 유사적 추론을 지원하는 자연스러운 분해를 보인다.
• 조합에서 유도된 질적 문법적 유사성이 유사한 비교를 위한 기반을 제공한다.
• 이 프레임워크는 논리 기반 AI에서 모듈성, 일반화, 그리고 유사성 간의 깊은 연결을 드러낸다.
• 유사적 추론과 학습은 논리 프로그램 간의 유사 비례를 해결하는 것으로 재정의된다.
• 이 접근은 일반 지식 추론과 계산적 창의성에 잠재적 응용이 있는 문법적, 대수적 이론을 제공한다.