[论文解读] Abstraction for Zooming-In to Unsolvability Reasons of Grid-Cell Problems

Thomas Eiter, Zeynep G. Saribatur+1 more|arXiv (Cornell University)|Sep 11, 2019

Distributed and Parallel Computing Systems参考文献 6被引用 6

一句话总结

本文提出了一种在答案集编程（ASP）中使用分层抽象的方法，通过基于四叉树的抽象与细化，使机器能够自动识别并聚焦于导致网格单元问题（如数独和可达性问题）不可解的最小网格区域。该方法生成类似人类的解释，与直观推理一致，经用户研究验证，机器生成的不可解原因与人类提供的原因高度一致。

ABSTRACT

Humans are capable of abstracting away irrelevant details when studying problems. This is especially noticeable for problems over grid-cells, as humans are able to disregard certain parts of the grid and focus on the key elements important for the problem. Recently, the notion of abstraction has been introduced for Answer Set Programming (ASP), a knowledge representation and reasoning paradigm widely used in problem solving, with the potential to understand the key elements of a program that play a role in finding a solution. The present paper takes this further and empowers abstraction to deal with structural aspects, and in particular with hierarchical abstraction over the domain. We focus on obtaining the reasons for unsolvability of problems on grids, and show the possibility to automatically achieve human-like abstractions that distinguish only the relevant part of the grid. A user study on abstract explanations confirms the similarity of the focus points in machine vs. human explanations and reaffirms the challenge of employing abstraction to obtain machine explanations.

研究动机与目标

• 开发一种机器推理方法，通过聚焦于相关网格区域来模仿人类的抽象思维，以解释网格单元问题中的不可解性。
• 将先前ASP中的抽象技术扩展至具有分层粒度的结构性、多维领域。
• 自动生成直观的、‘聚焦放大’的抽象，隔离导致不可解性的核心原因，类似于人类的解释。
• 通过用户研究评估机器生成的抽象与人类提供的解释之间的一致性。
• 探究复制人类隐含抽象思维的挑战，以及背景知识在解释生成中的作用。

提出的方法

• 该方法采用四叉树抽象，对网格领域进行分层分区，实现对相关区域的多级聚焦。
• 通过在先前工作的抽象与细化框架基础上引入关系上的存在性抽象，扩展了该框架，实现对抽象层级的动态调整。
• 该方法采用由抽象答案集检查引导的细化策略，迭代细化抽象，直至在抽象程序中检测到不可满足性。
• 使用领域特定的ASP求解器（mDASPAR）计算抽象答案集，并引导细化过程聚焦于导致不可解性的最小区域。
• 生成抽象映射以聚类网格单元和关系，实现在保留结构约束的同时对原始问题进行过近似。
• 在基准网格问题（如数独、可达性、Visitall）上评估该方法，通过用户研究将抽象结果与人类解释进行对比。

实验结果

研究问题

• RQ1 ASP中的分层抽象能否自动识别导致网格单元问题不可解的最小网格区域？
• RQ2 机器生成的抽象与人类提供的网格问题不可解解释之间的一致性如何？
• RQ3 抽象技术在多大程度上能够复制人类在解释不可解性时所使用的隐含、基于背景知识的推理？
• RQ4 不同的细化策略对生成抽象的质量和直观性有何影响？
• RQ5 网格问题的结构性特征在多大程度上影响抽象在隔离不可解原因时的有效性？

主要发现

• 所提出的抽象方法成功识别出导致网格问题不可解的最小区域，用户研究显示其生成的解释与人类直觉高度一致。
• 用户研究结果表明，机器生成的抽象与人类解释之间存在高度一致性，尤其体现在聚焦于障碍物集群或关键子区域，而非无关单元。
• 该方法表明，基于四叉树的分层抽象能够有效实现对不可解原因的‘聚焦放大’，即使在数独和可达性等复杂问题中亦然。
• 在某些情况下，如Visitall问题，抽象过程需要更深层次的细化才能捕捉到死胡同单元和单单元通道的约束，表明早期抽象存在局限性。
• 研究发现，人类在解释时常隐式使用背景知识，甚至可能将‘修复’问题（如移除障碍物）作为解释的一部分，这与纯粹的诊断推理存在差异。
• 尽管存在挑战，该方法表明自动化抽象能够生成结构合理且认知上可信的解释，推动了ASP领域可解释人工智能的发展。