Качественные рассуждения

Качественное мышление (QR) — это область исследований искусственного интеллекта (ИИ), которая автоматизирует рассуждения о непрерывных аспектах физического мира, таких как пространство, время и количество, с целью решения проблем и планирования с использованием качественной, а не количественной информации. . ^[1] Точные числовые значения или количества избегаются, а вместо них используются качественные значения (например, максимальное, минимальное, ноль, возрастающее, падающее и т. д.). ^[2]

Цель

Качественные рассуждения создают нечисловые описания физических систем и их поведения, сохраняя важные поведенческие свойства и качественные различия. ^[3] Целью исследования качественного рассуждения является разработка методов представления и рассуждения, которые позволяют компьютерным программам рассуждать о поведении физических систем без точной количественной информации. Примером может служить наблюдение за проливным дождем и постоянно повышающимся уровнем воды в реке, что является достаточной информацией для принятия мер против возможного наводнения, не зная точного уровня воды, скорости изменения или времени, когда река может разлиться. ^[4]

Принципы

Используемые принципы мотивированы человеческим познанием .

К принципам качественного рассуждения относятся: ^[5]

Дискретные значения
- Представляйте непрерывные величины, используя для рассуждений дискретные объекты.
- Пример: вместо того, чтобы использовать числовое значение скорости изменения, рассмотрите, увеличивается ли она, уменьшается или остается постоянной.
Соответствующие значения
- Выбирайте качественные значения в зависимости от соответствия задаче.
- Пример: если температура меняется, температура кипения может иметь значение, но если температура постоянна, точка кипения может не иметь значения.
Неоднозначные значения или результаты
- Вместо того, чтобы давать один ответ, дайте несколько ответов
- Пример: вместо вычисления числового уровня или количества воды дайте два ответа: низкий или ноль.
Моделирование процесса
- Представлять штаты
- Представлять переходы между состояниями
- Для количеств определите ориентиры и используйте рассуждения о неравенстве.
- Пример:
  Если температура воды ниже точки кипения, то уровень воды постоянный или медленно снижается;
  если температура воды выше точки кипения, то уровень воды быстро снижается;
  если вода имеет температуру, изменяющуюся от температуры ниже точки кипения до температуры выше точки кипения, то уровень воды изменится на быстро понижающийся;
  если вода находится выше точки кипения в течение определенного периода времени, уровень воды будет низким или нулевым.

Использование

Методы, разработанные для качественного рассуждения, позволяют моделировать количественные системы, которые подвергаются многочисленным ограничениям в форме неравенств, а также равенств. Это может позволить моделировать некоторые важные системы, такие как экосистемы, которые в противном случае было бы слишком сложно моделировать. Качественные рассуждения предоставляют метод моделирования с использованием количественных неравенств в дополнение к качествам.

Успешные области применения включают управление процессами , проверку системы, объяснение, ^[2] автономное сопровождение космических аппаратов, моделирование и объяснение поведения конструкций, ^[6] анализ отказов и бортовая диагностика систем транспортных средств, автоматизированное создание управляющего программного обеспечения для копировальных аппаратов, сбор концептуальных знаний в области экологии и интеллектуальные средства обучения человека. ^[3]

См. также

Ссылки

^ «Качественное рассуждение: получение хороших выводов без точности» . Ассоциация по развитию искусственного интеллекта (AAAI).
^ Перейти обратно: ^а ^б Джон Дэйнтит (2004). Словарь вычислительной техники . Издательство Оксфордского университета . ISBN 0198608772 .
^ Перейти обратно: ^а ^б Берт Бредевег и Питер Штрусс (2003). «Актуальные темы качественного рассуждения» (PDF) . Американская ассоциация искусственного интеллекта .
^ Юми Ивасаки (май – июнь 1997 г.). «Реальные применения качественного рассуждения» . Эксперт IEEE: Интеллектуальные системы . Лаборатория систем знаний, факультет компьютерных наук: Стэнфордский университет.
^ «Качественное рассуждение, CS227» (PDF) . Стэнфордский университет . 2011.
^ Сальванески, Паоло; Кадей, Мауро; Лаццари, Марко (1997). «Причинно-следственная система моделирования для моделирования и объяснения поведения структур». Искусственный интеллект в технике . 11 (3): 205–216. дои : 10.1016/S0954-1810(96)00040-4 .

Внешние ссылки

Портал качественного рассуждения и моделирования (QRM) Амстердамского университета

[1] «Качественное рассуждение: получение хороших выводов без точности» . Ассоциация по развитию искусственного интеллекта (AAAI).

[Daintith-2] Перейти обратно: ^а ^б Джон Дэйнтит (2004). Словарь вычислительной техники . Издательство Оксфордского университета . ISBN 0198608772 .

[bredeweg-3] Перейти обратно: ^а ^б Берт Бредевег и Питер Штрусс (2003). «Актуальные темы качественного рассуждения» (PDF) . Американская ассоциация искусственного интеллекта .

[4] Юми Ивасаки (май – июнь 1997 г.). «Реальные применения качественного рассуждения» . Эксперт IEEE: Интеллектуальные системы . Лаборатория систем знаний, факультет компьютерных наук: Стэнфордский университет.

[5] «Качественное рассуждение, CS227» (PDF) . Стэнфордский университет . 2011.

[6] Сальванески, Паоло; Кадей, Мауро; Лаццари, Марко (1997). «Причинно-следственная система моделирования для моделирования и объяснения поведения структур». Искусственный интеллект в технике . 11 (3): 205–216. дои : 10.1016/S0954-1810(96)00040-4 .

[1]

[2]

[3]

[4]

[5]

[6]