Рассуждения на основе моделей - Model-based reasoning

В искусственный интеллект, модельное рассуждение относится к вывод метод, используемый в экспертные системы на основе модель физического мира. При таком подходе основное внимание при разработке приложений уделяется разработке модели. Затем во время выполнения «машина» объединяет эти знания модели с наблюдаемыми данными для вывода таких выводов, как диагноз или прогноз.

Рассуждения с декларативными моделями

Агент на основе модели

Робот и динамические системы также контролируются программным обеспечением. Программное обеспечение реализовано как обычная компьютерная программа, состоящая из операторов if-then, циклов for и подпрограмм. Задача программиста - найти алгоритм, который сможет управлять роботом, чтобы он мог выполнять задачу. В истории робототехники и оптимальный контроль^[1] было разработано много парадигм. Один из них экспертные системы, который ориентирован на ограниченные домены.^[2] Экспертные системы являются предшественниками систем, основанных на моделях.

Основная причина, по которой рассуждения на основе моделей исследуются с 1990-х годов, заключается в создании различных слоев для моделирования и управления системой.^[3] Это позволяет решать более сложные задачи, а существующие программы можно повторно использовать для решения различных задач. Слой модели используется для мониторинга системы и оценки правильности действий, в то время как уровень управления определяет действия и переводит систему в целевое состояние.^[4]

Типичные методы реализации модели: декларативные языки программирования как Пролог^[5] и Голог. С математической точки зрения декларативная модель имеет много общего с ситуационное исчисление как логическая формализация для описания системы.^[6] С более практической точки зрения декларативная модель означает, что система моделируется с помощью игровой движок. Игровой движок требует особенность как входное значение и определяет выходной сигнал. Иногда игровой движок описывается как движок предсказаний для моделирования мира.

В 1990 году критика была сформулирована на основе модельных рассуждений. Пионеры Nouvelle AI утверждали, что символические модели отделены от лежащих в основе физических систем и не могут управлять роботами.^[7] В соответствии с поведенческая робототехника представитель реактивной архитектуры может решить проблему. Такая система не нуждается в символической модели, но действия напрямую связаны с сигналами датчиков, которые основаны на реальности.

Представление знаний

В системе рассуждений, основанной на моделях знание возможно представлен с помощью причинные правила. Например, в система медицинской диагностики то база знаний может содержать следующее правило:

${\displaystyle \forall }$ пациенты: инсульт (пациент) ${\displaystyle \rightarrow }$ В замешательстве (пациент) ${\displaystyle \land }$ Неравные (ученики (пациент))

В отличие от диагностическое обоснование системные знания будут представлены через правила диагностики Такие как:

${\displaystyle \forall }$ пациенты: сбиты с толку (пациент) ${\displaystyle \rightarrow }$ Инсульт (пациент)

${\displaystyle \forall }$ пациенты: Неравные (ученики (пациент)) ${\displaystyle \rightarrow }$ Инсульт (пациент)

Есть много других форм моделей, которые можно использовать. Модели могут быть количественными (например, основанными на математических уравнениях) или качественными (например, основанными на моделях причин / следствий). Они могут включать представление неопределенности. Они могут представлять поведение с течением времени. Они могут представлять «нормальное» поведение или могут представлять только ненормальное поведение, как в случае приведенных выше примеров. Типы моделей и их использование для рассуждений на основе моделей обсуждаются в.^[8]

Смотрите также

• Диагностика (искусственный интеллект), определение правильности поведения системы
• Алгоритм выбора поведения
• Рассуждения на основе случая, решение новых проблем на основе решений прошлых проблем

Рекомендации

1. Уотсон, Дэвид П. и Шейдт, Дэвид Х (2005). «Автономные системы». Технический дайджест Johns Hopkins APL. 26 (4): 368–376.
2. Ньютон С. Ли (1990). «Вычислительная парадигма, объединяющая рассуждения на основе правил и моделей в экспертных системах». Международный журнал интеллектуальных систем. Вайли. 5 (2): 135–151. Дои:10.1002 / внутр.4550050202.
3. Макилрайт, Шейла А (1999). Модельное программирование с использованием голога и ситуационного исчисления. Труды десятого международного семинара по принципам диагностики (DX’99). С. 184–192.
4. Дворжак, Даниэль и Кейперс, Бенджамин (1989). Модельно-ориентированный мониторинг динамических систем. IJCAI. С. 1238–1243.
5. Нидерлински, А (2001). «Оболочка экспертной системы для рассуждений на основе неопределенных правил и моделей». Методы искусственного интеллекта в механике и машиностроении АИМех.
6. Макилрайт, Шейла А (1997). Представление действий и ограничений состояния в диагностике на основе модели. AAAI / IAAI. С. 43–49.
7. Брукс, Родни А (1990). «Слоны в шахматы не играют». Робототехника и автономные системы. Эльзевир. 6 (1–2): 3–15. Дои:10.1016 / s0921-8890 (05) 80025-9.
8. Обоснование на основе модели для обнаружения и диагностики неисправностей

• Рассел, Стюарт Дж.; Норвиг, Питер (2003), Искусственный интеллект: современный подход (2-е изд.), Верхняя Сэдл-Ривер, Нью-Джерси: Prentice Hall, стр. 260, ISBN  0-13-790395-2

внешняя ссылка

• Модельное мышление в Утрехтском университете
• Отделение интеллектуальных систем НАСА