[논문 리뷰] A unified setting for inference and decision: An argumentation-based approach

Leïla Amgoud|arXiv (Cornell University)|2012. 07. 04.

Logic, Reasoning, and Knowledge참고 문헌 11인용 수 27

한 줄 요약

이 논문은 일관성 없는 지식 기반에서의 추론과 불확실성 하에서의 의사결정을 하나의 형식 체계에 통합하는 통합적 추론 프레임워크를 제안한다. 기존의 추론 이론을 일관성 없는 지식 기반에서의 추론과 불확실성 하에서의 의사결정을 모두 수용할 수 있도록 확장함으로써, 이 프레임워크는 일관성 없는 입력이 존재하더라도 규칙 기반, 사례 기반, 다기준 의사결정과 같은 다양한 의사결정 맥락을 지원할 수 있으며, 이는 인공지능 추론 시스템에서의 핵심 격차를 메우는 데 기여한다.

ABSTRACT

Inferring from inconsistency and making decisions are two problems which have always been treated separately by researchers in Artificial Intelligence. Consequently, different models have been proposed for each category. Different argumentation systems [2, 7, 10, 11] have been developed for handling inconsistency in knowledge bases. Recently, other argumentation systems [3, 4, 8] have been defined for making decisions under uncertainty. The aim of this paper is to present a general argumentation framework in which both inferring from inconsistency and decision making are captured. The proposed framework can be used for decision under uncertainty, multiple criteria decision, rule-based decision and finally case-based decision. Moreover, works on classical decision suppose that the information about environment is coherent, and this no longer required by this general framework.

연구 동기 및 목표

• 인공지능 연구에서 오랫동안 분리되어 온 일관성 처리와 의사결정 간의 격차를 해소하기 위해.
• 기반 추론과 의사결정을 하나의 형식 체계로 통합하기 위해.
• 입력 지식이 일관되지 않거나 불확실한 경우에도 추론과 의사결정이 가능하도록 하기 위해.
• 규칙 기반, 사례 기반, 다기준 의사결정을 포함한 다양한 의사결정 유형을 지원하기 위해.
• 의사결정 모델에서 전통적으로 가정되어 온 환경 정보의 일관성에 대한 가정을 제거하기 위해.

제안 방법

• 이 프레임워크는 신념과 의사결정을 모두 구조화된 추론으로 간주하는 일반화된 추론 체계를 활용한다.
• 갈등을 해결하고 최적의 결과를 선택하기 위해 추론 간의 우선순위 순서를 도입한다.
• 불일치 처리는 갈등을 식별하고 가능한 추론 집합을 우선순위에 따라 선별하는 추론 의미론을 통해 달성된다.
• 의사결정은 추론에 가치 또는 효용을 연결하여 상호 보완적 평가를 가능하게 한다.
• 시간에 따라 동적으로 업데이트되고 점진적인 추론을 지원한다.
• 추론에 지원도 또는 신뢰도를 부여함으로써 불확실성을 통합한다.

실험 결과

연구 질문

• RQ1 단일 추론 체계가 지식 기반의 불일치와 불확실성 하에서의 의사결정을 동시에 처리할 수 있는가?
• RQ2 어떻게 추론 의미론을 확장하여 갈등 정보와 가치 기반의 상호 보완적 평가를 모두 관리할 수 있는가?
• RQ3 이 통합 프레임워크가 규칙 기반 및 사례 기반 추론을 포함한 다양한 의사결정 유형을 얼마나 잘 지원할 수 있는가?
• RQ4 입력 데이터가 불일치할 경우에도 이 프레임워크가 일관성과 합리성을 유지하는 방식은 무엇인가?
• RQ5 이 프레임워크는 일관되거나 완전한 환경 정보가 없이도 작동할 수 있는가?

주요 결과

• 제안된 프레임워크는 일관성 없는 지식 기반에서의 추론과 의사결정을 하나의 추론 기반 모델 안에서 성공적으로 통합하였다.
• 지식 기반에 불일치가 존재하더라도 사전 일관성 복원이 필요 없이 합리적인 의사결정을 가능하게 하였다.
• 공통의 형식 체계를 통해 규칙 기반, 사례 기반, 다기준 의사결정을 포함한 다양한 의사결정 패러다임을 지원하였다.
• 추론에 선호도와 효용을 통합함으로써, 불확실하고 갈등이 있는 환경에서의 상호 보완적 평가 분석이 가능해졌다.
• 불일치한 입력에 대해 강건성을 보이며, 추론 선택과 우선순위 부여를 통해 일관된 결과를 유지하였다.
• 기존의 불일치 처리 및 의사결정을 위한 추론 체계를 일반화하여, 인공지능 추론을 위한 통합적 기반을 제공하였다.