[논문 리뷰] Possible World Partition Sequences: A Unifying Framework for Uncertain Reasoning

Choh Man Teng|arXiv (Cornell University)|2013. 02. 13.

Logic, Reasoning, and Knowledge참고 문헌 15인용 수 5

한 줄 요약

이 논문은 가능한 세계의 순서화된 분할을 통해 불확실한 추론을 모델링하는 통합 프레임워크인 가능 세계 분할 시퀀스(PWPS)를 소개한다. 이는 불확실성 하에서 특정 시나리오에 대한 편향을 반영한다. 이 프레임워크는 기본 논리, 자동지식 논리, 확률 조건화, 임계값 설정, 가능성 이론을 공식적으로 통합할 수 있음을 보여주며, 이질적인 불확실성 형식화의 공통 의미론을 제공한다.

ABSTRACT

When we work with information from multiple sources, the formalism each employs to handle uncertainty may not be uniform. In order to be able to combine these knowledge bases of different formats, we need to first establish a common basis for characterizing and evaluating the different formalisms, and provide a semantics for the combined mechanism. A common framework can provide an infrastructure for building an integrated system, and is essential if we are to understand its behavior. We present a unifying framework based on an ordered partition of possible worlds called partition sequences, which corresponds to our intuitive notion of biasing towards certain possible scenarios when we are uncertain of the actual situation. We show that some of the existing formalisms, namely, default logic, autoepistemic logic, probabilistic conditioning and thresholding (generalized conditioning), and possibility theory can be incorporated into this general framework.

연구 동기 및 목표

• 인공지능에서 이질적인 불확실성 형식화를 갖는 지식 기반을 통합하는 데 도전하는 것.
• 다양한 불확실성 추론 시스템에 대한 공통 의미론적 기반을 확립하는 것.
• 불확실성 하에서 선호되는 가능한 시나리오에 대한 편향이라는 직관적 개념을 공식화하는 것.
• 기존의 형식화들이 하나의 일관된 프레임워크 안에서 통합되고 상호 운용될 수 있도록 하는 것.

제안 방법

• 프레임워크는 가능한 세계의 순서화된 분할을 사용하며, 각 분할은 타당성 또는 신뢰도 수준을 나타낸다.
• 시퀀스에 속한 각 분할은 이후 분할에 속한 가능한 세계들보다 더 타당성이 높은 가능한 세계의 집합을 나타낸다.
• 이 형식화는 가능한 세계들을 점차 덜 타당한 분할로 나누는 순서를 통해 불확실성을 모델링한다.
• 기존의 형식화를 이 분할 시퀀스 구조에 맵핑하여 일반화한다.
• 분할 간 일致성과 타당성 검사를 계층적으로 수행함으로써 추론을 지원한다.
• 공통 의미론 하에서 각 형식화의 분할 시퀀스를 정렬함으로써 서로 다른 불확실성 모델의 조합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 다양한 불확실성 형식화를 하나의 의미론적 프레임워크 아래 통합할 수 있는가?
• RQ2 가능한 세계의 어떤 구조적 성질이 불확실한 추론에서 편향과 타당성 순서를 모델링하는 데 기여하는가?
• RQ3 기본 논리, 자동지식 논리, 확률 조건화, 가능성 이론이 하나의 형식화 안에 체계적으로 통합될 수 있는가?
• RQ4 순서화된 분할은 신념 또는 타당성 정도를 어떻게 표현하는가?
• RQ5 의미의 충실도를 잃지 않고 이질적인 불확실성 모델을 어떻게 통합할 수 있는가?

주요 결과

• 제안된 프레임워크는 기본 논리, 자동지식 논리, 확률 조건화, 임계값 설정, 가능성 이론을 하나의 통합된 구조 안에 성공적으로 통합한다.
• 분할 시퀀스는 타당성 편향을 자연스럽게 표현하며, 불확실성 하에서의 직관적 추론과 일치한다.
• 각 지식 기반의 불확실성 형식화를 공통의 분할 시퀀스 구조로 매핑함으로써, 서로 다른 불확실성 형식화를 갖는 지식 기반의 일관된 조합을 가능하게 한다.
• 각 형식화의 의미론은 매핑 과정에서 그대로 유지되어 정확성과 해석 가능성 보장.
• 통합된 불확실한 추론 시스템을 구축하기 위한 시스템적 인fra스트럭처를 제공한다.
• 이질적인 불확실성 모델 간의 행동 및 성질에 대한 형식적 분석을 지원한다.