[论文解读] FO(C): A Knowledge Representation Language of Causality

Bart Bogaerts, Joost Vennekens+2 more|arXiv (Cornell University)|May 8, 2014

Logic, Reasoning, and Knowledge参考文献 18被引用 9

一句话总结

本文提出 FO(C)，一种通过 C-Log 扩展一阶逻辑以支持因果推理的知识表示语言，能够实现动态的非确定性选择、对象创建以及因果关系的递归嵌套。其主要贡献在于将因果逻辑与一阶逻辑统一为一个形式化体系，支持干预下的唯一终态，并能以明确的语义建模复杂因果系统，其语义基础建立在 well-founded 和 stable model 理论之上。

ABSTRACT

Cause-effect relations are an important part of human knowledge. In real life, humans often reason about complex causes linked to complex effects. By comparison, existing formalisms for representing knowledge about causal relations are quite limited in the kind of specifications of causes and effects they allow. In this paper, we present the new language C-Log, which offers a significantly more expressive representation of effects, including such features as the creation of new objects. We show how C-Log integrates with first-order logic, resulting in the language FO(C). We also compare FO(C) with several related languages and paradigms, including inductive definitions, disjunctive logic programming, business rules and extensions of Datalog.

研究动机与目标

• 为解决现有因果逻辑形式化在表达复杂因果关系（包括对象创建和非确定性）方面的局限性。
• 将 CP-logic 扩展为支持动态非确定性选择和因果规则的递归嵌套。
• 将因果逻辑与一阶逻辑集成，形成一个统一的知识库系统适用的语言 FO(C)。
• 为 C-Log 提供形式语义，确保在干预下即使存在非确定性规则，也能达到唯一终态。
• 将多种范式（如析取逻辑编程、Datalog 扩展和业务规则）统一于一个共同的因果框架之下。

提出的方法

• 将语言 C-Log 定义为 CP-logic 的扩展，通过带有概率或非概率选择的抉择规则引入动态非确定性选择。
• C-Log 中的因果规则允许在头中使用存在量词，从而实现新对象或实体的创建，以 Cnew-表达式建模。
• C-Log 的语义基于 well-founded 和 stable model 理论，即使在非确定性环境下也能保证一致且唯一的终态。
• 将 C-Log 与一阶逻辑集成形成 FO(C)，其中因果规则被嵌入一阶逻辑框架中，包含内生和外生谓词。
• 形式语义依赖于两阶段过程：首先忽略选择计算基础模型，然后根据函数依赖和一致性约束解析选择。
• 该方法支持递归因果依赖，例如齿轮的相互转动，且能确保对任意给定的外生解释，终态唯一。

实验结果

研究问题

• RQ1 如何扩展因果逻辑以支持动态非确定性选择和因果关系的递归嵌套？
• RQ2 一种支持对象创建和非确定性的因果语言的正式语义是什么，且能确保唯一终态？
• RQ3 如何将因果逻辑与一阶逻辑集成，形成统一的知识表示语言？
• RQ4 FO(C) 以何种方式统一了析取逻辑编程、Datalog 扩展和业务规则等范式？
• RQ5 因果理论在何种条件下可对应于析取或存在量词 Datalog 程序？

主要发现

• FO(C) 通过因果规则头中的存在量词支持新对象的创建，能够建模如国家总统等派生实体。
• 该语言通过动态选择机制处理非确定性选择，允许多个可能的结果，同时在干预下保持唯一终态。
• C-Log 的形式语义确保，尽管存在非确定性，对任意给定的外生原子解释，最终达到的终态都是唯一的。
• 具有递归依赖关系的因果规则（如相互转动的齿轮）被正确建模并求解，不会产生无限循环或歧义。
• C-Log 与一阶逻辑的集成形成了一种连贯且表达力强的语言，可涵盖并推广现有形式化体系（如 CP-logic 和 Datalog 扩展）。
• 该方法支持因果模型的模块化与简洁表达，在反事实推理方面，其表达力和模块性优于结构化模型。