연역구분자

Deductive classifier

연역적 분류기는 인공지능 추론 엔진의 일종이다.그것은 의학 연구나 분자 생물학과 같은 영역에 대한 일련의 선언을 프레임 언어로 입력으로 받아들인다.예를 들어 클래스 이름, 하위 클래스, 속성 및 허용되는 값에 대한 제한 등이 있습니다.분류자는 다양한 선언이 논리적으로 일치하는지 여부를 판단하고 그렇지 않은 경우 특정 불일치 선언과 이들 사이의 불일치를 강조 표시합니다.선언이 일치하면 분류자는 입력을 기반으로 추가 정보를 주장할 수 있습니다.예를 들어 기존 클래스에 대한 정보를 추가하거나 추가 클래스를 만드는 등의 작업을 수행할 수 있습니다.이는 규칙에서 IF-THEN 조건을 트리거하는 기존 추론 엔진과는 다릅니다.분류자는 또한 1차 로직을 통해 입력으로 받아들여 출력을 생성한다는 점에서 정리프로버와 유사합니다.분류자는 KL-ONE 프레임 언어에서 유래했습니다.그것들은 시맨틱 웹의 활성화 테크놀로지의 일부를 형성하고 있기 때문에 점점 더 중요해지고 있습니다.최신 분류자는 Web Ontology 언어를 활용합니다.분석 및 생성하는 모델을 [1]온톨로지라고 합니다.

역사

인공지능에 대한 지식 표현에서 고전적인 문제는 표현력과 지식 표현 시스템의 계산 효율성 사이의 균형이다.지식 표현의 가장 강력한 형태는 First Order Logic(FOL; 퍼스트 순서 논리)입니다.그러나 1차 로직의 완전한 표현력을 제공하는 지식표현을 구현하는 것은 불가능하다.이러한 표현에는 반복할 수 없는 모든 정수의 집합과 같은 개념을 나타내는 기능이 포함됩니다.정의에 의해 무한 집합에 대해 정량화된 어설션을 구현하면 결정 불가능한 비종단 프로그램이 발생한다.그러나 무한 집합을 구현할 수 없는 것보다 문제가 더 심각합니다.Levesque가 설명한 바와 같이 지식 표현 메커니즘이 FOL에 가까워질수록 계산에는 [2]무한하거나 허용할 수 없을 정도로 큰 리소스가 필요한 표현식이 발생할 가능성이 높아집니다.

이러한 트레이드오프 결과, 인공지능에 대한 지식 표현에 대한 많은 초기 작업은 허용 가능한 계산 속도로 FOL의 하위 집합을 제공하는 다양한 타협을 실험하는 것을 포함했다.가장 성공적인 첫 번째 타협 중 하나는 주로 모더스 포넨(IF-THEN) 규칙에 기반한 언어를 개발하는 것이었습니다.규칙 기반 시스템은 거의 모든 초기 전문가 시스템에서 지배적인 지식 표현 메커니즘이었습니다.규칙 기반 시스템은 상당한 계산 효율성을 제공하면서도 강력한 지식 표현을 제공했습니다.또한 규칙은 지식 노동자들에게 매우 직관적이었다.사실, 연구자들이 규칙에 기초한 지식 표현을 개발하도록 장려한 데이터 포인트 중 하나는 인간이 [3]종종 규칙을 통해 복잡한 논리를 나타낸다는 심리 연구였다.

그러나 규칙 기반 시스템의 초기 성공 이후 규칙 대신 프레임 언어를 더 널리 사용하게 되었습니다.프레임은 특정 유형의 개념, 특히 서브 파트 또는 서브 클래스 계층에서의 개념을 보다 자연스럽게 나타낼 수 있는 방법을 제공했습니다.이것은 분류기로 알려진 새로운 종류의 추론 엔진의 개발로 이어졌다.분류자는 클래스 계층(온톨로지라고도 함)을 분석하여 유효한지 여부를 판단할 수 있습니다.계층이 유효하지 않은 경우 분류자는 일관성 없는 선언을 강조 표시합니다.언어가 분류자를 이용하기 위해서는 형식적인 기초가 필요했다.분류기를 성공적으로 보여준 첫 번째 언어는 KL-ONE 어족이었다.ISI의 LOM 언어는 KL-ONE의 영향을 많이 받았고, LOM은 객체 지향 툴과 환경의 인기 상승에도 영향을 받았습니다.Loom은 프레임 언어 기능과 더불어 진정한 객체 지향 기능(메시지 전달 등)을 제공했습니다.분류자는 시맨틱 웹으로 알려진 차세대 인터넷의 비전에 중요한 역할을 한다.Web Ontology Language는 Hermit 및 Fact++[4]와 같은 분류자를 통해 검증 및 추론할 수 있는 형식주의를 제공합니다.

실장

Protege Ontology 편집기

분류자의 초기 버전은 논리정리 프로버였다.프레임 언어를 사용한 최초의 분류기는 KL-ONE 분류기입니다.[5][6]일반적인 lisp를 기반으로 구축된 최신 시스템은 정보과학연구소의 LOM이었습니다.LOM은 프레임 [7]언어와 함께 Common Lisp Object System을 활용한 진정한 객체 지향 기능을 제공했습니다.시맨틱 웹에서는 스탠포드의 Protege 도구가 기본 [8]환경의 일부로 분류자(이유자라고도 함)를 제공합니다.

외부 링크

레퍼런스

  1. ^ Berners-Lee, Tim; Hendler, James; Lassila, Ora (May 17, 2001). "The Semantic Web A new form of Web content that is meaningful to computers will unleash a revolution of new possibilities". Scientific American. 284 (5): 34–43. doi:10.1038/scientificamerican0501-34. Archived from the original on April 24, 2013.
  2. ^ Levesque, Hector; Ronald Brachman (1985). "A Fundamental Tradeoff in Knowledge Representation and Reasoning". In Ronald Brachman and Hector J. Levesque (ed.). Reading in Knowledge Representation. Morgan Kaufmann. p. 49. ISBN 978-0-934613-01-9. The good news in reducing KR service to theorem proving is that we now have a very clear, very specific notion of what the KR system should do; the bad new is that it is also clear that the services can not be provided... deciding whether or not a sentence in FOL is a theorem... is unsolvable.
  3. ^ Hayes-Roth, Frederick; Waterman, Donald; Lenat, Douglas (1983). Building Expert Systems. Addison-Wesley. pp. 6–7. ISBN 978-0-201-10686-2.
  4. ^ MacGregor, Robert (1994). "A Descriptive Classifier for the Predicate Calculus" (PDF). AAAI - 94 Proceedings. Retrieved 17 July 2014.
  5. ^ Woods, W. A.; Schmolze, J. G. (1992). "The KL-ONE family". Computers & Mathematics with Applications. 23 (2–5): 133–177. doi:10.1016/0898-1221(92)90139-9.
  6. ^ Brachman, R. J.; Schmolze, J. G. (1985). "An Overview of the KL-ONE Knowledge Representation System". Cognitive Science. 9 (2): 171–216. doi:10.1207/s15516709cog0902_1.
  7. ^ MacGregor, Robert (June 1991). "Using a description classifier to enhance knowledge representation". IEEE Expert. 6 (3): 41–46. doi:10.1109/64.87683. S2CID 29575443.
  8. ^ "Protege Wiki: Reasoners that integrate with Protege". Stanford University. Retrieved 19 July 2014.