[논문 리뷰] Probabilistic Interpretations for MYCIN's Certainty Factors

David Heckerman|arXiv (Cornell University)|2013. 03. 27.

Bayesian Modeling and Causal Inference인용 수 70

한 줄 요약

이 논문은 MYCIN의 확신 계수를 확률 원칙에 맞추어 재정의하여, 그것이 p(E|H)/p(E|¬H)의 단조적 변환과 대응됨을 보여준다. 재정의된 프레임워크는 다수의 확률적 해석을 수용하며, 타당한 불확실성 전파를 위해서는 가설에 조건부로 독립인 증거와 트리 구조 네트워크가 필요하며, 이러한 가정을 완화할 수 있는 방법이 제안된다.

ABSTRACT

This paper examines the quantities used by MYCIN to reason with uncertainty, called certainty factors. It is shown that the original definition of certainty factors is inconsistent with the functions used in MYCIN to combine the quantities. This inconsistency is used to argue for a redefinition of certainty factors in terms of the intuitively appealing desiderata associated with the combining functions. It is shown that this redefinition accommodates an unlimited number of probabilistic interpretations. These interpretations are shown to be monotonic transformations of the likelihood ratio p(EIH)/p(El H). The construction of these interpretations provides insight into the assumptions implicit in the certainty factor model. In particular, it is shown that if uncertainty is to be propagated through an inference network in accordance with the desiderata, evidence must be conditionally independent given the hypothesis and its negation and the inference network must have a tree structure. It is emphasized that assumptions implicit in the model are rarely true in practical applications. Methods for relaxing the assumptions are suggested.

연구 동기 및 목표

• MYCIN의 원래 확신 계수 정의와 그 조합 함수 사이의 모순을 해결하기 위해.
• 불확실성 조합에 대한 직관적 욕구를 충족시키는 확률적 기반을 마련하기 위해.
• 타당한 확신 계수 전파의 배경이 되는 암묵적 가정들 — 특히 조건부 독립성과 트리 구조 네트워크 — 를 규명하기 위해.
• 실제 응용에서 거의 성립하지 않는 이러한 가정들을 실용적으로 완화할 수 있는 방법을 제안하기 위해.

제안 방법

• 확신 계수를 p(E|H)/p(E|¬H)의 단조적 변환으로 재정의하여 조합 함수와의 일관성을 확보하기 위해.
• 불확실성 조합에 대한 욕구를 지침 원칙으로 삼아 확신 계수 모델을 재정의하기 위해.
• 타당한 추론을 위해 필요한 구조적 제약 조건을 분석하여, 조건부로 독립인 증거와 트리 구조 네트워크만이 일관성을 유지함을 보여주기 위해.
• 재정의된 모델 하에서 다수의 확률적 해석이 가능하며, 이 모든 것이 단조적 변환 하에서 동치임을 보여주기 위해.
• 실제 환경에서의 엄격한 조건부 독립성과 트리 구조 가정을 완화하기 위한 기법을 제안하기 위해.
• 유도된 제약 조건 하에서 추론 네트워크의 형식적 분석을 통해 프레임워크를 검증하기 위해.

실험 결과

연구 질문

• RQ1 MYCIN의 확신 계수를 조합 함수와 일관되게 재해석할 수 있는 방법은 무엇인가?
• RQ2 우도비의 관점에서 볼 때 확신 계수 모델의 배경이 되는 확률적 해석은 무엇인가?
• RQ3 확신 계수 네트워크에서 불확실성 전파가 타당해지는 구조적 및 확률적 조건은 무엇인가?
• RQ4 왜 원래의 확신 계수 정의는 그 조합 메커니즘과 일치하지 않는가?
• RQ5 확신 계수 모델이 확률적으로 타당하기 위해 암묵적으로 요구되는 가정은 무엇이며, 이를 어떻게 완화할 수 있는가?

주요 결과

• 원래의 확신 계수 정의는 그 조합 함수와 일관성이 없어 재정의가 필요하다.
• 확신 계수는 p(E|H)/p(E|¬H)의 단조적 변환으로 해석될 수 있으며, 이는 견고한 확률적 기반을 제공한다.
• 타당한 불확실성 전파를 위해서는 가설에 대해 증거가 조건부로 독립이어야 한다.
• 재정의된 모델 하에서 추론 네트워크는 트리 구조여야만 일관성을 유지한다.
• 재정의된 프레임워크 하에서 다수의 확률적 해석이 가능하며, 이 모든 것은 단조적 변환 하에서 동치이다.
• 엄격한 조건부 독립성과 트리 구조 가정은 실생활에서는 거의 성립하지 않지만, 적용 범위를 넓히기 위해 완화 기법이 제안된다.