[論文レビュー] Implementing Integrity Constraints in an Existing Belief Revision System

Frances L. Johnson, Stuart C. Shapiro|ArXiv.org|Mar 8, 2000

Logic, Reasoning, and Knowledge参考文献 16被引用数 5

ひとこと要約

本稿は、SNePSにおけるSNeBR信念修正サブシステムへの拡張を提示し、帰納的閉包でない信念空間においても、整合性制約を適用することで信念の不整合を自動的に解消する手法を実現した。信念空間の最小損失を達成するため、信頼性、共通性、支援頻度に基づく重み付き意思決定メカニズムを導入し、完全な帰納的閉包が不可能な動的で現実世界の知識ベースにおいても、矛盾を効果的に解消した。

ABSTRACT

SNePS is a mature knowledge representation, reasoning, and acting system that has long contained a belief revision subsystem, called SNeBR. SNeBR is triggered when an explicit contradiction is introduced into the SNePS belief space, either because of a user's new assertion, or because of a user's query. SNeBR then makes the user decide what belief to remove from the belief space in order to restore consistency, although it provides information to help the user in making that decision. We have recently added automatic belief revision to SNeBR, by which, under certain circumstances, SNeBR decides by itself which belief to remove, and then informs the user of the decision and its consequences. We have used the well-known belief revision integrity constraints as a guide in designing automatic belief revision, taking into account, however, that SNePS's belief space is not deductively closed, and that it would be infeasible to form the deductive closure in order to decide what belief to remove. This paper briefly describes SNeBR both before and after this revision, discusses how we adapted the integrity constraints for this purpose, and gives an example of the new SNeBR in action.

研究の動機と目的

• 完全な帰納的閉包が現実的でない現実世界の帰納的閉包でない知識ベースにおける信念修正の実装という課題に対処すること。
• 理論的整合性制約（一貫性、包含、最小情報損失、最小変更）を、実用的で有限の信念システムに適応させること。
• 信念空間への影響を最小限に抑えるように、矛盾解消時にどの信念を削除すべきかを自動的に選択する自動信念修正（autoBR）メカニズムの設計および実装すること。
• 信頼性と命題の支援頻度を信念修正意思決定プロセスに統合し、システムの頑健性と信頼性を向上させること。
• 非単調的挙動を、そうでなければ単調的関連論理を使用するシステムに導入すること。これにより、新たなアサーションが以前に保持されていた信念を撤回することが可能になる。

提案手法

• 帰納的閉包が保証されないDOBS（帰納的開放信念空間）においても使用可能なように、GärdenforsとRottの4つの整合性制約を適応した。
• 原因特定のための三段階ヒューリスティクスを実装した：(1) 信頼性に基づく最も信じられない仮説（最小信頼性）、(2) 複数の矛盾を支持する共通仮説（共通性）、(3) 最小の構造的影響をもたらす仮説（最小ノード数）。
• 信念更新後に矛盾を検出するために前向き推論（forward inferencing）を用い、SNeBRの自動修正プロセスを起動した。
• 動的信念空間を維持し、明示的なソースおよび信頼性の付録を保持することで、信念とソース信頼性の実行時更新を可能にした。
• SNePSの既存の信念修正サブシステム（SNeBR）に信念修正プロセスを統合し、ユーザーの制御を保ちながら、定義された条件下で自律的判断を可能にした。
• 複数のソースから得られた、知能とスマートネスに関する矛盾する一般化を含む、複数ソースで構成される不整合な知識ベースを用いて、実世界のアサーションを用いて評価した。

実験結果

リサーチクエスチョン

• RQ1 理論的信念修正の整合性制約を、現実世界の帰納的閉包でない信念システムにどのように適応できるか？
• RQ2 完全な帰納的閉包が不可能な状況において、最適な信念の削除を特定するためのヒューリスティクスは何か？
• RQ3 信頼性と命題の支援頻度を自動信念修正に統合することで、意思決定の質をどのように向上できるか？
• RQ4 自動信念修正は、そうでなければ単調性を保つシステムに、どのような形で非単調的挙動を導入するか？
• RQ5 複数の不整合な集合を同時に検出・解消できるか？その場合、削除を効率的に優先順位付けする方法は何か？

主な発見

• 信念更新後に導出された命題（例：SMART(FRAN) と ~SMART(FRAN)）に起因する矛盾を、システムが正常に検出し、自動修正を起動した。
• 最初の矛盾では、ソース信頼性と支援頻度に基づき、WFF12（女性は賢くない）が最も信頼性が低い仮説として選択され、削除された。
• 新たな導出命題を含む2番目の矛盾においても、同じ3つのヒューリスティクスに基づき、WFF10（ジャッキーは賢くない）が再び削除され、一貫性のある意思決定が実現した。
• 信頼性、共通性、支援頻度のヒューリスティクスの使用により、過剰な削除（例：2つの集合のうち1つだけに収縮が必要なのにBを削除しない）を回避し、効率性が向上した。
• 非単調的挙動が実現した：新しい信念（WFF22）を追加した結果、以前に保持されていた信念（WFF10）が失われたが、システムの下位論理は依然として単調のままであった。
• 完全な帰納的閉包を必要とせず、有限でリアルタイムのシステムにおいても、情報損失を最小限に抑えつつ一貫性を維持するという点で、このアプローチは効果的であった。