IJCAIMay, 2018

关于模拟模型的条件逻辑

PDF
TL;DR本文通过介绍一个基于干预模拟程序的条件推理方法来形式化和涵盖 AI 领域内一些条件思维方法，提出了若干公理化结果，并确立了该满足性问题的 NP 完备性，与现有框架（正常性排序模型，因果结构方程模型）进行比较。 一些基本的逻辑原理在我们的因果模拟方法中被证明是无效的。 尽管如此，作者认为该方法对于建模某些直观的例子是很重要的。
conditional reasoninginterventionsimulation programcausal structural equation modelslogical principles
发现论文，激发创造
  • 概率模拟模型的因果建模

    通过干预模拟程序的概念分析条件推理，我们将其扩展到概率仿真模型的情况，定义了条件语言中的概率并证明了其基本结果。同时，我们在该设置中发现了关于概率的线性不等式推理的公理化方法。我们证明了该逻辑的可满足性问题的正确性、完备性和 NP - 完全性。

    Jul, 2018

  • 条件推理建模的通用框架 —— 初步报告

    本文介绍并探究了一个有关条件句的形式化方法，该方法可以定义一类广泛的推理系统。我们提出的语义适用于非满足与经典逻辑相关联的封闭性属性的条件句的结构性分析。

    Feb, 2022

  • 因果层级上的概率推理

    本研究将 3 层因果关系层次结构分为概率逻辑语言模型，第一层表达定量概率推断，第二层编码用于因果效应的 do-calculus 推理，第三层捕捉任意反事实查询。相关的公理化表达完全考虑了因果模型和概率编程，并证明了每种语言的可满足性和有效性都可以在多项式空间内可判定。

    Jan, 2020

  • 更加表意与抽象的逻辑程序的配置

    本篇论文重点针对模型导向人工智能的方法及其应用中 SAT 和 ASP 这两个系统的输入形式进行分析，特别是通过将输入形式重新制定和配置，优化推理过程。经过广泛领域内数据的实验证明，使用这种方法可以获得不同的优势。

    Mar, 2022

  • 因果贝叶斯网络中的干预和调节

    通过简单但常见的独立性假设，可以独特地估计干预公式的概率，包括充分性和必要性的概率。在许多感兴趣的情况下，当这些假设适用时，可以使用观测数据评估这些概率估计，这在实验不可行的情况下具有巨大的重要性。

    May, 2024

  • 通过条件模拟实现常识推理：图灵在人工智能中的遗产

    该论文提出了一种基于概率图灵机的计算形式化的 QUERY 抽象，通过条件模拟捕获概率条件，从而将常识推理转化为观察到的统计模型中不确定的世界的概率推断。

    Dec, 2012

  • 基于 HOL 的规范性条件推理

    我们通过 Isabelle / HOL 中的浅层语义嵌入来实现了对规范（基于偏好的）条件推理的一些结果，我们的重点是 Aqvist 的 E 系统及其扩展。我们考虑了框架的两种可能用途，第一种是作为关于所考虑逻辑的元推理工具，我们使用它来自动验证道德对应（广义上）和相关问题，类似于以前在模态逻辑方面实现的情况。第二个用途是用于评估伦理论证，我们提供了人口伦理学中一个众所周知的悖论，帕菲特令人讨厌的结论的计算机编码。关于所呈现的编码是否增加或减少了令人讨厌的结论的吸引力和说服力，这是我们想要传递给哲学和伦理学的一个问题。

    Aug, 2023

  • 基于概率归纳逻辑编程的基于反事实的回答：如果我在 AI 中，生活会更有趣吗？

    通过具有因果推断框架的概率逻辑程序，从观测数据学习程序结构，重建由其引发的分布以支持反事实查询。

    Aug, 2023

  • 使用干预学习自主代理端因果模型

    本篇论文介绍了一种基于 agent assessment module 的 AI 系统执行高级指令序列并回答用户问题的方法，通过不同类别的查询来比较这种方法的计算要求和正确模型的学习所需的努力，并介绍了动态因果决策网络来捕捉 STRIPS-like 领域的因果结构。

    Aug, 2021

  • 因果推理的公理化

    本研究对 Pearl 所定义的一类以方程集合为定义的因果模型进行了公理化处理，提供了三个逐步更广的因果模型类别的公理化，并探讨了推理每个类别的语言和复杂度。

    May, 2000