[论文解读] A unified setting for inference and decision: An argumentation-based approach

Leïla Amgoud|arXiv (Cornell University)|Jul 4, 2012

Logic, Reasoning, and Knowledge参考文献 11被引用 27

一句话总结

本文提出了一种统一的论证框架，将不一致性处理与不确定性下的决策制定整合于单一形式化体系之中。通过将论证理论扩展以同时处理不一致知识库的推理和不确定性下的决策，该框架支持多种决策情境——如基于规则、基于案例和多准则决策——而无需输入保持一致，从而弥合了人工智能推理系统中的一个关键缺口。

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.

研究动机与目标

• 解决人工智能研究中长期存在的不一致性处理与决策制定之间的分离问题。
• 将基于论证的推理与决策制定统一于单一形式化框架之中。
• 即使在输入知识不一致或不确定的情况下，也能实现推理与决策制定。
• 支持多种决策类型，包括基于规则、基于案例和多准则决策。
• 消除决策模型中对环境信息一致性的经典假设。

提出的方法

• 该框架采用广义论证系统，将信念与决策均视为结构化论证。
• 通过在论证之间引入偏好序，以解决冲突并选择最优结果。
• 通过论证语义识别并优先选择可接受的论证集合，实现不一致性处理。
• 通过为论证关联价值或效用，对决策进行建模，从而实现权衡评估。
• 支持随时间动态更新和增量推理。
• 通过允许论证关联支持度或信念度，实现不确定性的整合。

实验结果

研究问题

• RQ1 一个单一的论证框架能否同时处理知识库中的不一致性并支持不确定性下的决策？
• RQ2 论证语义应如何扩展，以同时管理冲突信息与基于价值的权衡？
• RQ3 该统一框架在多大程度上能支持多样化决策类型，包括基于规则和基于案例的推理？
• RQ4 当输入数据不一致时，该框架如何保持一致性和合理性？
• RQ5 该框架是否能在不依赖一致或完整环境信息的情况下运行？

主要发现

• 所提出的框架成功地在一个基于论证的模型中统一了从不一致性推理与决策制定。
• 即使知识库中存在不一致性，该框架也能实现理性决策，而无需事先进行一致性修复。
• 该框架通过统一的形式化体系，支持多种决策范式，包括基于规则、基于案例和多准则决策。
• 通过将偏好与效用整合到论证中，系统能够在不确定和冲突的环境中实现权衡分析。
• 该框架对不一致输入表现出鲁棒性，通过论证的选择与优先级排序，维持了连贯的结果。
• 该方法对现有用于不一致性处理和决策制定的论证系统进行了泛化，为人工智能推理提供了一个统一的基础。