Вероятностная логика сеть (PLN) является концептуальным, математическим и вычислительным подходом к неопределенному умозаключению ; вдохновлен логическим программированием , но с использованием вероятностей вместо четких (истинных / ложных) значений истинности и дробной неопределенности вместо четких известных / неизвестных значений . Чтобы эффективно рассуждать в реальных обстоятельствах, искусственный интеллектпрограммное обеспечение должно надежно справляться с неопределенностью. Однако предыдущие подходы к неопределенному выводу не обладают широтой охвата, необходимой для обеспечения комплексного рассмотрения разрозненных форм когнитивно-критической неопределенности, поскольку они проявляются в различных формах прагматического вывода. Выходя за рамки предшествующих вероятностных подходов к неопределенному выводу, PLN может включать в рамках неопределенной логики такие идеи, как индукция, абдукция , аналогия , нечеткость и спекуляции, а также рассуждения о времени и причинности .
PLN был разработан Беном Герцелем , Мэттом Икле, Изабелой Лайон Фрейре Герцель и Ари Хельяккой для использования в качестве когнитивного алгоритма, используемого MindAgents в ядре OpenCog . PLN изначально был разработан для использования в Novamente Cognition Engine.
Цель
Основная цель PLN - обеспечить достаточно точный вероятностный вывод способом, который совместим как с логикой терминов, так и с логикой предикатов , и масштабируется для работы в реальном времени с большими динамическими базами знаний .
Целью, лежащей в основе теоретической разработки PLN, было создание практических программных систем, выполняющих сложные полезные выводы, основанные на неопределенных знаниях и делающих неопределенные выводы. PLN был разработан, чтобы позволить базовому вероятностному выводу взаимодействовать с другими видами вывода, такими как интенсиональный вывод, нечеткий вывод и вывод более высокого порядка с использованием кванторов, переменных и комбинаторов, и быть более удобным подходом, чем байесовские сети (или другие традиционные подходы) с целью взаимодействия базового вероятностного вывода с этими другими видами вывода. Кроме того, правила вывода сформулированы таким образом, чтобы избежать парадоксов теории Демпстера – Шейфера .
Выполнение
PLN начинается с терминологической основы, а затем добавляет элементы вероятностной и комбинаторной логики, а также некоторые аспекты логики предикатов и автоэпистемической логики , чтобы сформировать полную систему вывода, адаптированную для легкой интеграции с программными компонентами, воплощающими другие (не явным образом логические) аспекты интеллекта.
PLN представляет значения истинности как интервалы, но с другой семантикой, чем в неточной теории вероятностей . Помимо вероятностной интерпретации истины, значение истинности в злотых также связано с определенной степенью достоверности . Это обобщает понятие значений истинности, используемое в аутоэпистемической логике , где значения истинности либо известны, либо неизвестны, а когда известны, являются либо истинными, либо ложными.
Текущая версия PLN использовалась в узких приложениях искусственного интеллекта, таких как вывод биологических гипотез на основе знаний, извлеченных из биологических текстов с помощью языковой обработки, и для помощи в обучении с подкреплением воплощенного агента в простом виртуальном мире , как есть научили играть в "фетч".
Рекомендации
- Бен Герцель, Мэтью Икле, Изабела Лион Фрейре Герцель, Ари Хельякка (2008). Вероятностные логические сети: комплексная концептуальная, математическая и вычислительная основа для неопределенного вывода . Springer. С. 333 . ISBN 978-0-387-76871-7.CS1 maint: использует параметр авторов ( ссылка )
Смотрите также
Внешние ссылки
- OpenCog Wiki (GNU-FDL)