[논문 리뷰] Morphologic for knowledge dynamics: revision, fusion, abduction

Isabelle Bloch, Jérôme Lang외 2명|arXiv (Cornell University)|2018. 02. 14.

Logic, Reasoning, and Knowledge참고 문헌 35인용 수 6

한 줄 요약

이 논문은 문맥 논리에서 지식 동역학을 위한 새로운 프레임워크를 제안하며, 수학적 형태학을 사용하여 팽창과 침식 연산을 적용해 믿음 수정, 융합, 추론을 모델링한다. 의미론적으로 탄탄하고 계산 가능하며 강력한 합리성 성질을 갖춘 연산자들을 제공하며, 이들 작업을 동일한 형태학적 형식론 아래 통합함으로써 직관적이고 잘 조율된 추론 결과를 보장한다.

ABSTRACT

Several tasks in artificial intelligence require to be able to find models about knowledge dynamics. They include belief revision, fusion and belief merging, and abduction. In this paper we exploit the algebraic framework of mathematical morphology in the context of propositional logic, and define operations such as dilation or erosion of a set of formulas. We derive concrete operators, based on a semantic approach, that have an intuitive interpretation and that are formally well behaved, to perform revision, fusion and abduction. Computation and tractability are addressed, and simple examples illustrate the typical results that can be obtained.

연구 동기 및 목표

• 문맥 논리에서 수학적 형태학을 활용하여 믿음 수정, 융합, 추론과 같은 지식 동역학 작업을 통합적인 의미론적 프레임워크로 개발한다.
• 형태학적 연산에 기반한 믿음 수정, 융합, 추론을 위한 계산 가능하고 직관적으로 해석 가능한 연산자들을 제공한다.
• 제안된 연산자들이 기존의 믿음 동역학 이론에서 인정받는 공리들(예: AGM, 무결성 제약 조건, 합리성 공리)과 일치하는 바람직한 합리성 및 일관성 성질을 만족시킴을 보장한다.
• 기존의 연산자들이 형태학적 프레임워크 내에서 복원되거나 확장될 수 있음을 보여주며, 지식 표현을 위한 일반적인 도구상자를 제공한다.

제안 방법

• 문장의 모델 집합에 팽창과 침식 연산을 적용하며, 할밍 거리(Hamming distance)를 할당된 할당 간의 밀도 측정 척도로 사용한다.
• 믿음 수정을 새로운 관찰과 일치하는 모델로 원래 믿음 집합을 팽창함으로써 정의하며, 가장 가까운 일관된 모델까지의 거리를 최소화한다.
• 융합를 다수의 지식 소스를 동시에 팽창시킴으로써 일관된 타협점을 찾는 방식으로 모델링하며, 모든 소스까지의 거리의 합을 최소화한다.
• 반복적인 침식을 통해 지식 기반의 가장 중심적이거나 안정적인 부분을 추출함으로써 추론을 가능하게 하며, 최소 설명을 식별한다.
• 모델 위에서 격자 이론 기반의 형태학적 프레임워크를 사용하며, 구조 요소가 팽창과 침식을 위한 이웃 관계를 정의한다.
• 형태학적 연산에서 유도된 순서 관계를 모델에 도입하여 믿음 수정과 추론을 동일한 의미론적 기초 아래 통합한다.

실험 결과

연구 질문

• RQ1 수학적 형태학은 어떻게 문맥 논리에서 믿음 수정을 의미론적 연산자로 모델링할 수 있는가?
• RQ2 팽창과 침식과 같은 형태학적 연산이 융합 및 융합 작업에 대해 직관적이고 합리적인 해결책을 제공할 수 있는가?
• RQ3 침식을 사용하여 가장 중심적이거나 최소한의 설명을 추출하는 방식으로 추론을 얼마나 잘 형식화할 수 있는가?
• RQ4 형태학적 연산자는 기존의 믿음 동역학 공리들(예: AGM, 무결성 제약 조건, 합리성 공리)과 어떻게 관련이 있는가?
• RQ5 형태학적 연산자의 계산적 성질은 무엇이며, 어떤 조건에서 계산 가능하게 작동하는가?

주요 결과

• 형태학적 프레임워크는 팽창과 침식을 사용하여 믿음 수정, 융합, 추론을 통합적인 의미론적 기반으로 제공하며, 합리적이고 잘 조율된 결과를 보장한다.
• 팽창 기반의 제안된 수정 연산자는 새로운 관찰과의 일관성을 확보하기 위해 원래 믿음 집합을 새로운 정보의 가장 가까운 모델 쪽으로 확장함으로써 작동한다.
• 융합는 다수의 소스를 동시에 팽창시키는 방식으로 모델링되며, 모든 소스까지의 거리 합을 최소화함으로써 일관된 타협점을 도출한다.
• 추론는 반복적인 침식을 통해 포괄되며, 공식의 모델에 대한 마지막 비어 있지 않은 침식이 가장 중심적이거나 최소한의 설명을 제공한다.
• 이 프레임워크는 E-반사성과 고정점 수렴성과 같은 핵심 성질을 보장하며, 공식의 마지막 침식은 반복 적용에 대해 고정점이 된다.
• 특히 할밍 거리와 유한한 모델 공간을 사용할 경우, 이 방법은 계산 가능하게 작동할 수 있다.