[论文解读] An Order of Magnitude Calculus

Nic Wilson|arXiv (Cornell University)|Feb 20, 2013

Bayesian Modeling and Causal Inference参考文献 10被引用 43

一句话总结

本文提出了一种用于不确定性环境下定性推理的阶数量级演算，提供了具有可靠性和完备性的语义。它定义了与 kappa 函数等价的阶数量级概率函数——这是 Spohn 的自然条件函数的推广——并构建了阶数量级决策理论，以证明并改进 Pearl 决策理论的修正版本，为人工智能中的定性不确定性处理提供了一个更具表达力和鲁棒性的框架。

ABSTRACT

This paper develops a simple calculus for order of magnitude reasoning. A semantics is given with soundness and completeness results. Order of magnitude probability functions are easily defined and turn out to be equivalent to kappa functions, which are slight generalizations of Spohn's Natural Conditional Functions. The calculus also gives rise to an order of magnitude decision theory, which can be used to justify an amended version of Pearl's decision theory for kappa functions, although the latter is weaker and less expressive.

研究动机与目标

• 为人工智能中阶数量级不确定性的推理开发一种形式化演算。
• 为阶数量级推理提供一种既可靠又完备的语义。
• 定义阶数量级概率函数，并证明其与 kappa 函数等价，从而推广 Spohn 的自然条件函数。
• 构建一种阶数量级决策理论，以加强并证明 Pearl 的决策理论在 kappa 函数上的适用性。
• 为人工智能系统中的定性不确定性推理提供一个更具表达力和一致性的框架。

提出的方法

• 基于阶数量级尺度提出一种形式化演算，用于在不依赖精确概率的情况下表示和推理不确定性。
• 使用代数结构定义语义，以支持阶数量级推理的可靠和完备推理。
• 将阶数量级概率函数定义为映射到离散数量等级的函数，其与 kappa 函数等价。
• 通过推广，建立这些函数与 Spohn 的自然条件函数之间的联系。
• 基于基于数量等级的效用和可接受性比较，推导出阶数量级决策理论。
• 利用该决策理论证明并扩展 Pearl 的方法，展示其在表达力和一致性方面的改进。

实验结果

研究问题

• RQ1 如何构建一种形式化演算，以支持在不确定环境中的阶数量级推理？
• RQ2 何种语义能够确保阶数量级推理系统的可靠性和完备性？
• RQ3 阶数量级概率函数与 kappa 函数以及 Spohn 的自然条件函数等现有框架有何关系？
• RQ4 能否开发一种阶数量级决策理论，以改进 Pearl 对 kappa 函数的决策理论？
• RQ5 所提出的框架在哪些方面比现有定性不确定性模型更具表达力和鲁棒性？

主要发现

• 所提出的演算为阶数量级推理提供了可靠且完备的语义，使在不确定性下的可靠推理成为可能。
• 阶数量级概率函数得到了形式化定义，并证明其与 kappa 函数等价，而后者是 Spohn 的自然条件函数的推广。
• 该演算支持一种决策理论，可证明并改进 Pearl 决策理论的修正版本，增强了其表达力和一致性。
• 该框架为定性不确定性提供了比现有方法更稳健和系统化的方法，尤其在处理不精确或稀疏的概率信息方面表现更优。
• 阶数量级概率函数与 kappa 函数之间的等价性，为未来定性推理系统奠定了坚实的理论基础。
• 结果表明，阶数量级推理可以以数学严谨性进行形式化，同时在人工智能应用中保持实际可用性。