確率論理ネットワーク

確率論理ネットワーク( PLN ) は、不確実な推論に対する概念的、数学的、計算的アプローチです。これは論理プログラミングからヒントを得たもので、明確な (真偽の) 真理値の代わりに確率を使用し、明確な既知/未知の値の代わりに分数の不確実性を使用します。現実世界の状況で効果的な推論を実行するために、人工知能ソフトウェアは不確実性を扱います。不確実な推論に対するこれまでのアプローチは、実用的な推論のさまざまな形態に現れる認知的に重要な不確実性のさまざまな形態を統合的に扱うために必要な範囲の広さを持っていません。不確実な推論に対するこれまでの確率的アプローチを超えて、PLN は帰納法、アブダクション、類推、あいまいさ、推測、および時間と因果関係に関する推論などのアイデアを含む不確実な論理を包含します。^[1]

PLNは、 OpenCog Core内のMindAgentsが使用する認知アルゴリズムとして、 Ben Goertzel、Matt Ikle、Izabela Lyon Freire Goertzel、Ari Heljakkaによって開発されました。PLNはもともとNovamente Cognition Engine内での使用のために開発されました。^[2]

PLNの基本的な目標は、項論理と述語論理の両方と互換性があり、大規模な動的知識ベース上でリアルタイムに動作するように拡張できる方法で、正確な確率的推論を提供することです。^[2]

PLN の理論的発展の根底にある目標は、不確実な知識に基づいて複雑な推論を実行し、不確実な結論を導く実用的なソフトウェア システムを作成することです。PLN は、基本的な確率的推論が、内包的推論、ファジー推論、量指定子、変数、結合子を使用した高次推論などの他の種類の推論と相互作用できるように設計されており、基本的な確率的推論とこれらの他の種類の推論をインターフェイスさせる目的で、ベイジアン ネットワーク(またはその他の従来のアプローチ) よりも便利なアプローチです。さらに、推論ルールは、デンプスター-シェーファー理論のパラドックスを回避するような方法で定式化されます。

PLN は項論理の基礎から始まり、確率論理と組み合わせ論理の要素、および述語論理と自己認識論理のいくつかの側面を追加して、完全な推論システムを形成します。このシステムは、インテリジェンスの他の (明示的に論理的ではない) 側面を具体化するソフトウェア コンポーネントと簡単に統合できるように調整されています。

PLN は真理値を区間として表しますが、不正確な確率論とは異なる意味を持ちます。確率的な方法での真理値の解釈に加えて、PLN の真理値には、関連する確実性の量もあります。これは、真理値が既知か未知かのいずれかであり、既知の場合は真か偽のいずれかである、自己認識論理で使用される真理値の概念を一般化したものです。

PLN の現在のバージョンは、言語処理を介して生物学テキストから抽出された知識から生物学的仮説を推論するなどの狭義の AIアプリケーションで使用されており、また、単純な仮想世界で「取ってこい」遊びを教えることで具現化されたエージェントの強化学習を支援するために使用されています。

• Ben Goertzel、Matthew Iklé、Izabela Lyon Freire Goertzel、Ari Heljakka (2008)。確率論理ネットワーク: 不確実な推論のための包括的な概念的、数学的、計算的フレームワーク。Springer。pp. 333。ISBN 978-0-387-76871-7。

• マルコフ論理ネットワーク
• 確率論的論理

• OpenCog ウィキ (GNU-FDL)