[논문 리뷰] Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence (1989)

Max Henrion, Laveen N. Kanal외 2명|arXiv (Cornell University)|2013. 04. 13.

AI-based Problem Solving and Planning인용 수 7

한 줄 요약

이 1989년 회의 논문집은 인공지능 내의 불확실성 모델링 분야의 기초 연구를 제시하며, 확률적 추론, 신뢰망, 불확실성 하에서의 의사결정을 중심으로 다룬다. 이 연구는 베이지안 네트워크와 확률적 방법을 발전시켜 현대 인공지능 시스템의 핵심이 되는 이론적 및 실용적 프레임워크를 수립한다.

ABSTRACT

This is the Proceedings of the Fifth Conference on Uncertainty in Artificial Intelligence, which was held in Windsor, ON, August 18-20, 1989

연구 동기 및 목표

• 인공지능 시스템에서 불확실성 하에서 표현하고 추론하는 데 위한 공식적 방법을 발전시키기.
• 확률적 그래픽 모델의 이론적 및 실용적 기초를 탐구하기.
• 정보가 불완전하거나 불확실할 때 의사결정의 과제를 해결하기.
• 추론, 학습 및 의사결정 시스템에서의 불확실성에 관한 다학제적 교류 촉진하기.

제안 방법

• 변수 간의 확률적 종속성을 모델링하기 위해 베이지안 네트워크의 적용.
• 국소 조건부 분포를 표현하기 위해 조건부 확률 표의 사용.
• 증거가 주어졌을 때 신념을 갱신하기 위한 추론 알고리즘 개발.
• 최적의 행동 선택을 위해 의사결정 이론을 확률적 모델과 통합.
• 불확실성 전파를 위해 스토하스틱 시뮬레이션 및 전파 기법의 활용.
• 계산 복잡도를 감소시키기 위해 독립성 가정의 체계화.

실험 결과

연구 질문

• RQ1 확률적 모델은 인공지능 시스템에서 불확실성을 효과적으로 표현하고 전파할 수 있는가?
• RQ2 신뢰망에 적합한 가장 효율적이고 정확한 추론 알고리즘은 무엇인가?
• RQ3 확률 이론을 사용하여 불확실성 하에서의 의사결정을 어떻게 체계화할 수 있는가?
• RQ4 구조적 및 조건부 독립성 가정은 확장성과 정확도를 어떻게 향상시키는가?
• RQ5 복잡한 시스템의 학습 및 추론 과정에 불확실성을 어떻게 통합할 수 있는가?

주요 결과

• 베이지안 네트워크는 명확한 의미론과 효율적인 추론을 제공하는 견고한 프레임워크를 제공하였다.
• 조건부 독립성 가정은 확률적 추론에서 계산 복잡도를 크게 감소시켰다.
• 스토하스틱 시뮬레이션 방법은 큰 복잡한 네트워크에서의 근사 추론을 가능케 하였다.
• 의사결정 이론과 신뢰망의 통합은 불확실성 하에서 최적의 행동 선택을 지원하였다.
• 이 회의는 인공지능에서의 불확실성에 대한 기초 표준과 용어를 수립하여 수십 년에 걸친 후속 연구에 영향을 주었다.