Qualitatives Schließen (QR) ist ein Forschungsgebiet der Künstlichen Intelligenz (KI), das das Schließen über kontinuierliche Aspekte der physikalischen Welt, wie Raum, Zeit und Menge, automatisiert, um Probleme zu lösen und zu planen. Dabei werden qualitative anstelle quantitativer Informationen verwendet . [ 1 ] Präzise numerische Werte oder Mengen werden vermieden; stattdessen werden qualitative Werte verwendet (z. B. hoch, niedrig, null, steigend, fallend usw.). [ 2 ]

Zweck

Qualitatives Schließen erzeugt nicht-numerische Beschreibungen physikalischer Systeme und ihres Verhaltens, wobei wichtige Verhaltenseigenschaften und qualitative Unterscheidungen erhalten bleiben. [ 3 ] Ziel der Forschung im Bereich des qualitativen Schließens ist die Entwicklung von Repräsentations- und Schlussfolgerungsmethoden, die es Computerprogrammen ermöglichen, das Verhalten physikalischer Systeme ohne präzise quantitative Informationen zu analysieren. Ein Beispiel hierfür ist die Beobachtung von Starkregen und dem stetig steigenden Wasserstand eines Flusses. Diese Information reicht aus, um Maßnahmen gegen mögliche Überschwemmungen zu ergreifen, ohne den genauen Wasserstand, die Änderungsrate oder den Zeitpunkt einer möglichen Überschwemmung zu kennen. [ 4 ]

Prinzipien

Die angewandten Prinzipien sind durch die menschliche Kognition motiviert .

Zu den Prinzipien des qualitativen Denkens gehören: [ 5 ]

  • Diskrete Werte
    • Kontinuierliche Größen werden mithilfe diskreter Einheiten für logische Schlussfolgerungen dargestellt.
    • Beispiel: Anstatt einen numerischen Wert für die Änderungsrate zu verwenden, sollte man überlegen, ob sie zunimmt, abnimmt oder konstant ist.
  • Relevante Werte
    • Wählen Sie qualitative Werte basierend auf ihrer Relevanz für eine Aufgabe.
    • Beispiel: Bei sich ändernder Temperatur kann der Siedepunkt wichtig sein, bei konstanter Temperatur hingegen irrelevant.
  • Mehrdeutige Werte oder Ergebnisse
    • Statt einer einzigen Antwort sollten Sie eine Reihe von Antworten angeben.
    • Beispiel: Anstatt einen numerischen Wasserstand oder eine Wassermenge zu berechnen, geben Sie zwei Antworten an: niedrig oder null.
  • Modellierung eines Prozesses
    • Die Staaten vertreten
    • Die Übergänge zwischen den Zuständen darstellen
    • Um Mengen zu ermitteln, bestimmen Sie Orientierungspunkte und nutzen Sie Ungleichungslogik.
    • Beispiel: Liegt die Wassertemperatur unter dem Siedepunkt, bleibt der Wasserstand konstant oder sinkt nur langsam. Liegt die Wassertemperatur über dem Siedepunkt, sinkt der Wasserstand rapide . Steigt die Wassertemperatur von unter auf über den Siedepunkt, sinkt der Wasserstand ebenfalls rapide . Bleibt das Wasser über einen bestimmten Zeitraum über dem Siedepunkt, ist der Wasserstand niedrig oder null.

Verwendung

Die für qualitatives Denken entwickelten Techniken ermöglichen die Simulation quantitativer Systeme, die mehreren Nebenbedingungen in Form von Ungleichungen und Gleichungen unterliegen. Sie erlauben die Simulation wichtiger Systeme wie Ökosysteme, deren Modellierung andernfalls zu komplex wäre. Qualitatives Denken bietet somit eine Methode zur Modellierung mit quantitativen Ungleichungen zusätzlich zu Eigenschaften.

Erfolgreiche Anwendungsgebiete umfassen Prozesssteuerung , Systemverifikation, Erklärung [ 2 ], Unterstützung autonomer Raumfahrzeuge, Simulation und Erklärung des Verhaltens von Strukturen [ 6 ], Fehleranalyse und On-Board-Diagnose von Fahrzeugsystemen, automatisierte Generierung von Steuerungssoftware für Fotokopierer, Erfassung konzeptionellen Wissens in der Ökologie und intelligente Hilfsmittel für das menschliche Lernen [ 3 ] .

Siehe auch

Referenzen

  1. ^ „Qualitatives Denken: Gute Schlussfolgerungen ziehen, ohne präzise zu sein“ . Association for the Advancement of Artificial Intelligence (AAAI).
  2. ^ a b John Daintith (2004). A Dictionary of Computing . Oxford University Press . ISBN 0198608772Die
  3. ^ a b Bert Bredeweg und Peter Struss (2003). „Aktuelle Themen des qualitativen Denkens“ (PDF) . Amerikanische Vereinigung für Künstliche Intelligenz .
  4. ^ Yumi Iwasaki (Mai–Juni 1997). „Anwendungen qualitativen Denkens in der Praxis“ . IEEE Expert: Intelligent Systems . Knowledge Systems Laboratory, Department of Computer Science: Stanford University. Archiviert vom Original am 5. Juli 2017. Abgerufen am 1. Dezember 2010 .
  5. ^ „Qualitative Reasoning, CS227“ (PDF) . Stanford University . 2011.
  6. ^ Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1997). „Ein kausales Modellierungsframework zur Simulation und Erklärung des Verhaltens von Strukturen“. Artificial Intelligence in Engineering . 11 (3): 205–216 . doi : 10.1016/S0954-1810(96)00040-4 .