[论文解读] Predicate Logic as a Modelling Language: The IDP System

Broes De Cat, Bart Bogaerts+3 more|arXiv (Cornell University)|Jan 24, 2014

Logic, Reasoning, and Knowledge参考文献 33被引用 52

一句话总结

该论文介绍了IDP系统，这是一个将谓词逻辑作为纯粹建模语言的知识库系统，将声明性知识与过程性计算分离。它结合了经典一阶逻辑、归纳定义和聚合，支持灵活、人类可读的规格说明，通过先进的自动化推理技术实现多种推理任务，如模型扩展、查询求值和定理证明。

ABSTRACT

With the technology of the time, Kowalski's seminal 1974 paper {\em Predicate Logic as a Programming Language} was a breakthrough for the use of logic in computer science. It introduced two fundamental ideas: on the declarative side, the use of the Horn clause logic fragment of classical logic, which was soon extended with negation as failure, on the procedural side the procedural interpretation which made it possible to write algorithms in the formalism. Since then, strong progress was made both on the declarative understanding of the logic programming formalism and in automated reasoning technologies, particularly in SAT solving, Constraint Programming and Answer Set Programming. This has paved the way for the development of an extension of logic programming that embodies a more pure view of logic as a modelling language and its role for problem solving. In this paper, we present the \idp language and system. The language is essentially classical logic extended with one of logic programmings most important contributions to knowledge representation: the representation of complex definitions as rule sets under well-founded semantics. The system is a knowledge base system: a system in which complex declarative information is stored in a knowledge base which can be used to solve different computational problems by applying multiple forms of inference. In this view, theories are declarative modellings, bags of information, descriptions of possible states of affairs. They are neither procedures nor descriptions of computational problems. As such, the \idp language and system preserve the fundamental idea of a declarative reading of logic programs, while they break with the fundamental idea of the procedural interpretation of logic programs.

研究动机与目标

• 通过将逻辑理论视为可能事态的纯粹声明式模型，而非可执行过程，超越过程式逻辑编程。
• 通过将知识表示与计算解耦，解决传统逻辑编程中理论本质上具有过程性或问题特定性的局限性。
• 在一个可扩展的知识库系统中，支持多种推理任务（如模型扩展、查询求值和定理证明），以满足不同需求。
• 将SAT求解、约束规划和答案集编程的进展整合到统一框架中，实现声明式问题求解。
• 使用户能够专注于指定领域知识，而无需关心控制流或算法实现。

提出的方法

• IDP语言通过引入归纳定义（类似于Prolog规则）和聚合，扩展了经典一阶逻辑，使复杂知识的简洁自然规格说明成为可能。
• 该系统将理论视为声明性信息的集合——即可能事态的描述——而非程序或计算问题的表示。
• 它支持多种推理模式：查询求值、模型扩展和定理证明，每种模式均针对不同的问题求解需求进行定制。
• 系统集成了先进的自动化推理技术，包括SAT求解器、约束求解器和答案集编程引擎，以高效处理推理任务。
• 与Lua脚本语言的紧密集成，使用户能够将多个推理步骤和逻辑组件组合成复杂工作流，并作为一等实体进行操作。
• 该架构支持可扩展性，使新增语言构造和推理引擎相对容易。

实验结果

研究问题

• RQ1 如何将谓词逻辑重新构想为与过程执行解耦的纯粹建模语言？
• RQ2 哪些语言构造是支持简洁、人类可读且可扩展的复杂领域声明式规格说明所必需的？
• RQ3 如何在一个统一的系统中，通过单一知识库支持多种推理任务（如模型扩展、查询求值和定理证明）？
• RQ4 哪些架构和实现技术能够实现在声明式建模框架中高效且可扩展的推理？
• RQ5 如何通过与Lua等过程式语言的集成，增强声明式知识库系统的表达力和可用性？

主要发现

• IDP系统成功地将知识表示与计算解耦，使理论可被视为纯粹的声明式模型，而非可执行过程。
• 将归纳定义和聚合集成到一阶逻辑中，相比传统逻辑编程，能更简洁直观地建模复杂领域。
• 通过统一且可扩展的架构，该系统支持广泛的推理任务——包括模型扩展、查询求值和定理证明。
• 结合SAT求解、约束规划和答案集编程技术，形成了最先进的模型扩展引擎。
• 与Lua的紧密集成使用户能够组合复杂的多推理工作流，将逻辑组件作为应用开发中的一等公民。
• 该框架表明，性能和可扩展性可由系统管理，从而将优化负担从用户转移到底层推理引擎。