[논문 리뷰] Monte Carlo Connection Prover.

Michael Färber, Cezary Kaliszyk외 1명|arXiv (Cornell University)|2016. 11. 18.

Artificial Intelligence in Games참고 문헌 15인용 수 3

한 줄 요약

이 논문은 연결 계산법( connection calculus)을 위한 leanCoP 프로버에 몬테카를로 트리 탐색(MCTS)을 처음으로 적용한 사례를 제시한다. 증명 상태 평가 히ュ리스틱과 자동으로 향상되는 MCTS 전략을 제안하며, Mizar 기반 문제 세트에서 새로운 증명을 성공적으로 발견했다.

ABSTRACT

Monte Carlo Tree Search (MCTS) is a technique to guide search in a large decision space by taking random samples and evaluating their outcome. In this work, we study MCTS methods in the context of the connection calculus and implement them on top of the leanCoP prover. This includes proposing useful proof-state evaluation heuristics that are learned from previous proofs, and proposing and automatically improving suitable MCTS strategies in this context. The system is trained and evaluated on a large suite of related problems coming from the Mizar proof assistant, showing that it is capable to find new and different proofs. To our knowledge, this is the first time MCTS has been applied to theorem proving.

연구 동기 및 목표

• 몬테카를로 트리 탐색(MCTS)이 자동 정리 증명에 어떻게 적용될 수 있는지 탐색한다.
• 연결 계산법에서 이전 증명들로부터 유도된 증명 상태 평가 히ュ리스틱을 개발한다.
• 정리 증명에 특화된 MCTS 전략을 설계하고 자동으로 향상시킨다.
• Mizar 증명 보조도구에서 유래한 광범위하고 다양한 문제 세트에서 시스템을 평가한다.
• MCTS를 이용한 탐색을 통해 새로운 증명과 다른 증명을 발견함을 보여준다.

제안 방법

• 큰 결정 공간에서 탐색을 이끄는 데 몬테카를로 트리 탐색(MCTS)을 연결 계산법을 위한 leanCoP 프로버에 통합한다.
• 이전 증명들로부터 유도된 학습된 히ュ리스틱을 사용하여 MCTS 탐색 중 증명 상태를 평가한다.
• 무작위 샘플링과 결과 평가를 통해 MCTS의 트리 확장 및 선택을 이끈다.
• 증명 문제에서 반복적인 학습을 통해 MCTS 전략을 자동으로 향상시킨다.
• Mizar 증명 보조도구에서 추출한 광범위한 문제 세트에 이 프레임워크를 적용한다.
• 효율적인 추론과 증명 탐색을 위해 연결 계산법을 활용한다.

실험 결과

연구 질문

• RQ1 몬테카를로 트리 탐색(MCTS)은 연결 계산법 프레임워크 내에서 자동 정리 증명에 효과적으로 적용될 수 있는가?
• RQ2 이전 증명들로부터 증명 상태 평가 히ュ리스틱을 어떻게 학습시켜 MCTS 탐색을 이끌 수 있는가?
• RQ3 MCTS 전략은 자동으로 향상시킬 수 있으며, 이는 증명 발견 성능 향상에 기여하는가?
• RQ4 기본 방법과 비교했을 때 MCTS는 새로운 증명과 다른 증명을 발견하는 데 어떤 영향을 미치는가?
• RQ5 Mizar의 실제 문제 세트에서 MCTS 접근법은 얼마나 확장 가능하고 효과적인가?

주요 결과

• 시스템은 Mizar 기반 문제 세트에서 새로운 증명과 다른 증명을 성공적으로 발견했다.
• 학습된 증명 상태 평가 히ュ리스틱은 MCTS를 이용한 탐색의 효율성과 효과성을 향상시켰다.
• 자동으로 향상된 MCTS 전략은 기본 설정보다 더 나은 증명 발견 성능을 보였다.
• leanCoP에 MCTS를 통합한 결과, 자동 정리 증명에서 MCTS의 실현 가능성과 잠재력을 입증했다.
• 이 연구는 연결 계산법에서 정리 증명에 MCTS를 성공적으로 적용한 최초의 사례이다.
• 가이드된, 학습을 통한 강화된 탐색을 통해 복잡한 증명 문제로의 확장 가능성이 이 접근법에서 확인되었다.