Inference

Inference enginesEdit

Main articles: Redeneersysteem, Inference engine, expertsysteem, en business rule engine

AI-systemen boden eerst geautomatiseerde logische inferentie en dit waren ooit zeer populaire onderzoeksonderwerpen, die leidden tot industriële toepassingen in de vorm van expertsystemen en later business rule engines. Meer recent werk op het gebied van geautomatiseerde stellingontwikkeling heeft een sterkere basis in de formele logica.

De taak van een inferentiesysteem is het automatisch uitbreiden van een kennisbasis. De kennisbank (KB) is een verzameling stellingen die weergeven wat het systeem weet over de wereld. Verschillende technieken kunnen door dat systeem worden gebruikt om de KB uit te breiden door middel van geldige inferenties. Een bijkomende eis is dat de conclusies waartoe het systeem komt relevant zijn voor zijn taak.

Prolog engineEdit

Prolog (voor “Programmeren in Logica”) is een programmeertaal gebaseerd op een subset van predicatenrekening. De belangrijkste taak is om te controleren of een bepaalde propositie kan worden afgeleid uit een KB (kennisbank) met behulp van een algoritme dat backward chaining wordt genoemd.

Laten we terugkeren naar ons syllogisme van Socrates. We voeren in onze Kennisbank het volgende stukje code in:

mortal(X) :- man(X).man(socrates). 

( Hier kan :- gelezen worden als “als”. In het algemeen, als P → {{{{{}}}}

\to

Q (als P dan Q) dan zouden we in Prolog Q:-P (Q als P) coderen.)
Dit stelt dat alle mensen sterfelijk zijn en dat Socrates een man is. Nu kunnen we het Prolog systeem vragen stellen over Socrates:

?- mortal(socrates).

(waar ?- een query betekent: Kan mortal(socrates). worden afgeleid uit de KB met behulp van de regels)geeft het antwoord “Ja”.

Aan de andere kant, als je het Prolog systeem het volgende vraagt:

?- mortal(plato).

levert het antwoord “Nee” op.

Dit komt omdat Prolog niets weet over Plato, en er dus standaard van uitgaat dat elke eigenschap over Plato onwaar is (de zogenaamde gesloten wereld aanname). Tenslotte?- mortal(X) (Is iets sterfelijk) zou “Ja” opleveren (en in sommige implementaties: “Ja”: X=socrates)
Prolog kan worden gebruikt voor veel gecompliceerdere inferentietaken. Zie het bijbehorende artikel voor meer voorbeelden.

Semantisch webEdit

Recentelijk hebben automatische redeneerders in het semantisch web een nieuw toepassingsgebied gevonden. Omdat het gebaseerd is op beschrijvingslogica, kan kennis die wordt uitgedrukt met behulp van een variant van OWL logisch worden verwerkt, d.w.z. er kunnen inferenties op worden gemaakt.

Bayesiaanse statistiek en waarschijnlijkheidslogicaEdit

Main article: Bayesiaanse inferentie

Filosofen en wetenschappers die het Bayesiaanse raamwerk voor inferentie volgen, gebruiken de wiskundige regels van de waarschijnlijkheid om deze beste verklaring te vinden. De Bayesiaanse zienswijze heeft een aantal wenselijke eigenschappen – één daarvan is dat het deductieve (bepaalde) logica als subset in zich draagt (dit brengt sommige schrijvers ertoe om Bayesiaanse waarschijnlijkheid “waarschijnlijkheidslogica” te noemen, in navolging van E.T. Jaynes).

Bayesianen identificeren waarschijnlijkheden met gradaties van overtuigingen, waarbij zeker ware proposities waarschijnlijkheid 1 hebben, en zeker foute proposities waarschijnlijkheid 0. Zeggen dat “het morgen gaat regenen” een waarschijnlijkheid van 0,9 heeft, betekent dat u de mogelijkheid van regen morgen als zeer waarschijnlijk beschouwt.

Door middel van de regels van de waarschijnlijkheid kan de waarschijnlijkheid van een conclusie en van alternatieven worden berekend. De beste verklaring wordt meestal vereenzelvigd met de meest waarschijnlijke (zie Bayesiaanse beslissingstheorie). Een centrale regel van Bayesiaanse inferentie is de stelling van Bayes.

Fuzzy logicEdit

Main article: Fuzzy logic

Deze sectie behoeft uitbreiding. Je kunt helpen door er iets aan toe te voegen. (Oktober 2016)

Niet-monotone logicaEdit

Hoofdartikel: Niet-monotone logica

Een gevolgrelatie is monotoon als de toevoeging van premissen eerder bereikte conclusies niet ondermijnt; anders is de relatie niet-monotoon.Deductieve gevolgtrekkingen zijn monotoon: als een conclusie wordt getrokken op basis van een bepaalde reeks premissen, dan geldt die conclusie nog steeds als er meer premissen worden toegevoegd.

Dagelijkse redeneringen daarentegen zijn meestal niet-monotoon omdat er risico’s aan verbonden zijn: we trekken conclusies uit premissen die deductief onvoldoende zijn. We weten wanneer het de moeite waard of zelfs noodzakelijk is (bijv. bij medische diagnose) om het risico te nemen. Toch zijn wij ons er ook van bewust dat een dergelijke gevolgtrekking verlieslatend is – dat nieuwe informatie oude conclusies kan ondermijnen. Van oudsher hebben filosofen zich beziggehouden met verschillende vormen van niet aantoonbare maar wel opmerkelijk succesvolle gevolgtrekkingen (inductietheorieën, Peirce’s abductietheorie, gevolgtrekkingen naar de beste verklaring, enz.) Meer recentelijk zijn logici begonnen het fenomeen vanuit een formeel standpunt te benaderen. Het resultaat is een groot aantal theorieën op het raakvlak van filosofie, logica en kunstmatige intelligentie.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *