ДРУГИЕ ПОДХОДЫ К ФОРМИРОВАНИЮ РАССУЖДЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

Применение вероятности в качестве модели для неопределенности уже очень давно стало доминирующим методом исследований не только в искусственном интеллекте, но и в других науках (например, в физике, генетике и экономике). В 1819 году Пьер Лаплас заявил: "Теория вероятностей есть не что иное, как здравый смысл, который удалось свести к вычислениям", а в 1850 году Джеймс Максвелл сказал, что "истинной логикой для нашего мира является исчисление вероятностей, в котором учитывается та величина вероятности, какой она является или должна быть по оценке рассудительного человека".
Поскольку существует такая долгая традиция в использовании вероятностных методов, может на первый взгляд показаться удивительным, что в искусственном интеллекте рассматривалось много альтернативных подходов, не предусматривающих применение вероятностей. В ранних экспертных системах 1970-х годов игнорировалась неопределенность и использовались строго логические рассуждения, но вскоре стало очевидно, что такой подход является практически не применимым для большинства проблемных областей реального мира. Поэтому в следующем поколении экспертных систем (особенно в проблемных областях медицины) использовались вероятностные методы. Первые результаты этого оказались многообещающими, но сами эти системы не могли быть развернуты в больших масштабах из-за экспоненциального количества вероятностей, которые требовались в полном совместном распределении (тогда еще не были известны эффективные алгоритмы для байесовских сетей). В результате этого вероятностные подходы в период 1975—1988 гг. перестали привлекать интерес исследователей, и по многим причинам, описанным ниже, был опробован целый ряд альтернативных подходов.
• Один из широко распространенных взглядов состоит в том, что теория вероятностей по сути является числовой, тогда как рассуждения человека, в которых выражаются его оценки, в большей степени имеют "качественный" характер. Безусловно, люди сознательно не выполняют числовые расчеты со степенями уверенности (к тому же люди не осознают те ситуации, в которых они выполняют унификацию, но, по-видимому, обладают способностью формировать логические рассуждения определенного вида). Тем не менее может оказаться, что числовые оценки степеней уверенности определенного рода кодируются непосредственно в виде интенсивностей соединений и параметров активизации нейронов человеческого мозга. Если дело обстоит действительно так, то не стоит удивляться тому, что человеку так трудно сознательно оценить эти интенсивности. Следует также отметить, что механизмы качественного рассуждения могут быть сформированы непосредственно на основе теории вероятностей, поэтому доводы против использования людьми вероятностей, поскольку они "не мыслят с помощью чисел", можно легко опровергнуть. Однако некоторые схемы качественных рассуждений сами по себе оказались весьма привлекательными. Одним из наиболее хорошо исследованных подходов является формирование рассуждений по умолчанию, в котором логические заключения рассматриваются не как "являющиеся предметом уверенности в их истинности до определенной степени", а как "являющиеся предметом уверенности в их истинности до тех пор, пока не будет обнаружена более весомая причина для того, чтобы предметом уверенности в их истинности не стало нечто иное". Методы формирования рассуждений по умолчанию рассматривались в главе 10.
• Были также предприняты попытки учета неопределенности с помощью подходов на основе правил. Приверженцы таких подходов надеялись развить успех логических систем на основе правил, но, как было признано в дальнейшем, в каждом правиле, в котором учитывалась неопределенность, в них приходилось добавлять своего рода "коэффициент подгонки под факты" (fudge factor). Эти методы разрабатывались в середине 1970-х годов и составили основу большого количества экспертных систем в медицине и других областях.
• Еще одна область, которая до сих пор не рассматривалась в этой книге, относится к вопросу о незнании, которое следует отличать от неопределенности. Рассмотрим задачу с подбрасыванием монеты. Если мы знаем, что монета подлинная, то вполне резонно можем считать, что вероятность выпадения орла равна 0,5. Если же известно, что монета поддельная, но не известно, есть ли на ней два орла или две решки, то по-прежнему единственным разумным решением является принятие гипотезы о вероятности 0,5. Очевидно, что оба эти случая не одинаковы, но теория вероятностей, по-видимому, не позволяет провести между ними различие. В теории Демпстера—Шефера для представления знаний агента о вероятности высказывания используются оценки степени уверенности с интервальными значениями. В литературе обсуждались также другие методы, в которых используются вероятности второго порядка.
• Теория вероятностей вносит такой же онтологический вклад в познание действительности, как и логика: в ней утверждается, что в рассматриваемом мире события являются истинными или ложными, даже если агент не может знать со всей определенностью, каковыми являются эти события. Исследователи в области нечеткой логики предложили онтологию, которая допускает неосведомленность (vagueness) — незнание о том, "до какой степени" является истинным некоторое событие. Как будет показано ниже, фактически проблемы неосведомленности и неопределенности являются ортогональными.
В следующих трех подразделах некоторые из этих подходов рассматриваются немного более подробно. В них не даны исчерпывающие формальные сведения, а указаны ссылки на литературу для дальнейшего изучения.







Материалы

Яндекс.Метрика