Struktur kortlægning motor - Structure mapping engine

Inden for kunstig intelligens og kognitiv videnskab er strukturen til kortlægning ( SME ) en implementering i software af en algoritme til analog matching baseret på den psykologiske teori fra Dedre Gentner . Grundlaget for Gentners idé om strukturkortlægning er, at en analogi er en kortlægning af viden fra et domæne (basen) til et andet (målet). Struktur-kortlægningsmotoren er en computersimulering af sammenligningen mellem analogi og lighed.

Fra 1990 havde mere end 40 projekter brugt det [Falkenhainer, 2005]. RM French sagde, at struktur kortlægningsteori er "utvivlsomt det hidtil mest indflydelsesrige arbejde med modellering af analogi-making" [2002].

Teorien er nyttig, fordi den ignorerer overfladefunktioner og finder match mellem potentielt meget forskellige ting, hvis de har den samme repræsentationsstruktur. For eksempel kunne SMV bestemme, at en pen er som en svamp, fordi begge er involveret i udlevering af væske, selvom de gør det meget forskelligt.

Teori til struktur kortlægning

Teori om strukturmapping er baseret på systematisk princippet, der siger, at tilsluttet viden foretrækkes frem for uafhængige fakta. Derfor skal strukturkortlægningsmotoren ignorere isolerede kildemål-kortlægninger, medmindre de er en del af en større struktur. Teorien siger, at SMV skal kortlægge objekter, der er relateret til viden, der allerede er kortlagt.

Teorien kræver også, at kortlægninger foretages en-til-en , hvilket betyder, at ingen del af kildebeskrivelsen kan kortlægges til mere end et element i målet, og ingen del af målbeskrivelsen kan kortlægges til mere end en del af kilde. Teorien kræver også, at hvis et match kortlægger emne for mål, skal argumenterne for emne og mål også kortlægges. Hvis begge disse betingelser er opfyldt, siges kortlægningen at være "strukturelt konsistent."

Begreber i SMV

SMV kortlægger viden fra en kilde til et mål. SMV kalder hver beskrivelse en dgroup . Dgroups indeholder en liste over enheder og prædikater . Enheder repræsenterer objekterne eller begreberne i en beskrivelse - såsom et input-gear eller en switch. Predikater er en af ​​tre typer og er en generel måde at udtrykke viden på for SMV.

  • Relationspredikater indeholder flere argumenter, som kan være andre predikater eller enheder. Et eksempel er en relation: (transmitter (hvad fra til)). Dette forhold har en functor transmittere og tager tre argumenter: hvad, fra, og til.
  • Attributprædikater er egenskaberne for en enhed. Et eksempel på en attribut er (rødt gear), hvilket betyder, at gearet har attributten rødt.
  • Funktionsprædikater kortlægger en enhed i en anden enhed eller konstant. Et eksempel på en funktion er ( joules strømkilde), som kortlægger enhedens strømkilde på de numeriske størrelses joules.

Funktioner og attributter har forskellige betydninger, og derfor behandler SMV dem forskelligt. F.eks. Adskiller attributter i SMVs ægte analogisæt, fra funktioner, fordi de ikke kan matche, medmindre der er en højere ordensmatch mellem dem. Forskellen mellem attributter og funktioner forklares nærmere i eksemplerne i dette afsnit.

Alle prædikater har fire parametre. De har (1) en funktor, som identificerer den, og (2) en type, som enten er relation, attribut eller funktion. De to andre parametre (3 og 4) er til bestemmelse af, hvordan argumenterne skal behandles i SMV- algoritmen . Hvis argumenterne skal matches i rækkefølge, er kommutativ falsk. Hvis prædikatet kan tage et hvilket som helst antal argumenter, er N-ary falsk. Et eksempel på en predikatdefinition er: (sme: defPredicate behavior-set (predicate) relation: n-ary? T: commutative? T) Predikatets funktion er "behavior-set", dens type er "relation" og dens n -ary og kommutative parametre er begge indstillet til true. ”(Prædikat)” -delen af ​​definitionen specificerer, at der vil være et eller flere predikater inde i en instantiering af adfærdssæt.

Algoritme detaljer

Algoritmen har flere trin. Det første trin i algoritmen er at oprette et sæt matchhypoteser mellem kilde- og målgrupper. En matchhypotese repræsenterer en mulig kortlægning mellem en hvilken som helst del af kilden og målet. Denne kortlægning styres af et sæt matchregler. Ved at ændre matchreglerne kan man ændre den type ræsonnement, som SMV gør. For eksempel kan et sæt matchregler udføre en slags analogi kaldet bogstavelig lighed. og en anden udfører en slags analogi kaldet sand-analogi. Disse regler er ikke det sted, hvor domæneafhængig information tilføjes, men snarere hvor analogiprocessen justeres afhængigt af typen af kognitiv funktion, som brugeren forsøger at efterligne.

For en given matchregel er der to typer regler, der yderligere definerer, hvordan den skal anvendes: filterregler og internregler. Intern regler bruger kun argumenterne for de udtryk i matchhypoteserne, som filterreglerne identificerer. Denne begrænsning gør behandlingen mere effektiv ved at begrænse antallet af matchhypoteser , der genereres. Samtidig hjælper det også med at opbygge de strukturelle konsistenser, der er nødvendige senere i algoritmen. Et eksempel på en filterregel fra det reelle-analogiske regelsæt skaber matchhypoteser mellem prædikater, der har den samme funktion. Sandsanalogiregelsættet har en internregel, der gentager argumenterne for en hvilken som helst matchhypotese, hvilket skaber flere matchhypoteser, hvis argumenterne er enheder eller funktioner, eller hvis argumenterne er attributter og har den samme funktion.

For at illustrere, hvordan matchreglerne producerer matchhypoteser, overvej disse to prædikater:

transmit torque inputgear secondgear (p1)

transmit signal switch div10 (p2)

Her bruger vi ægte analogi til typen af ​​ræsonnement. Filtermatchreglen genererer et match mellem p1 og p2, fordi de deler den samme funktor, transmitterer. Internreglerne frembringer derefter tre matchhypoteser mere: drejningsmoment til signal, inputudstyr for at skifte og sekundærtag til div10. Internreglerne skabte disse matchhypoteser, fordi alle argumenterne var enheder.

Hvis argumenterne var funktioner eller attributter i stedet for enheder, ville prædikaterne udtrykkes som:

transmit torque (inputgear gear) (secondgear gear) (p3)

transmit signal (switch circuit) (div10 circuit) (p4)

Disse ekstra prædikater gør inputgear, secondgear, switch og div10 funktioner eller attributter afhængigt af den værdi, der er defineret i sproginputfilen. Repræsentationen indeholder også yderligere enheder til gear og kredsløb.

Afhængigt af hvilken type inputgear, secondgear, switch og div10 er, ændres deres betydning. Som attributter er hver enkelt en egenskab for gearet eller kredsløbet. For eksempel har gearet to attributter, inputgear og secondgear. Kredsløbet har to attributter, switch og kredsløb. Som funktioner bliver inputgear, secondgear, switch og div10 mængder af gear og kredsløb. I dette eksempel kortlægges funktionerne inputgear og secondgear nu til de numeriske størrelser "moment fra inputgear" og "moment fra secondgear". For kredsløbet er størrelseskortet til den logiske størrelse "switch inaktiveret" og den numeriske størrelse "aktuelt antal på skillet med 10 tællere. ”

SMV behandler disse forskelligt. Det tillader ikke attributter at matche, medmindre de er en del af en højere ordensrelation, men det tillader funktioner at matche, selvom de ikke er en del af en sådan relation. Det giver funktioner mulighed for at matche, fordi de indirekte henviser til enheder og derfor skal behandles som relationer, der ikke involverer nogen enheder. Som det næste afsnit viser, tildeler praktikanterne imidlertid lavere vægte til matches mellem funktioner end til matches mellem relations.

Årsagen til, at SMV ikke matcher attributter, er fordi de forsøger at skabe tilsluttet viden baseret på relationer og dermed opfylder systematisk princippet. For eksempel, hvis både et ur og en bil har input-attributter, vil SMV ikke markere dem som ens. Hvis det gjorde det, ville det være at matche mellem uret og bilen baseret på deres udseende - ikke på forholdet mellem dem.

Når de ekstra prædikater i p3 og p4 er funktioner, svarer resultaterne fra matchende p3 og p4 til resultaterne fra p1 og p2, bortset fra at der er en ekstra match mellem gear og kredsløb, og værdierne for matchhypoteserne mellem (inputgear gear) og (switch circuit) og (second gear gear) og (div10 circuit) er lavere. Det næste afsnit beskriver årsagen hertil mere detaljeret.

Hvis inputgear, secondgear, switch og div10 er attributter i stedet for enheder, finder SMV ikke matches mellem nogen af ​​attributterne. Den finder kun match mellem sendeprædikaterne og mellem drejningsmoment og signal. Derudover falder strukturevalueringsscore for de resterende to kampe. For at få de to prædikater til at matche, skal p3 erstattes af p5, hvilket er demonstreret nedenfor.

transmit torque (inputgear gear) (div10 gear) (p5)

Da sæt-analog-regelsættet identificerer, at div10-attributterne er de samme mellem p5 og p4, og fordi div10-attributterne begge er en del af det højere forhold mellem drejningsmoment og signal, foretager SMV en match mellem (div10 gear) og (div10 kredsløb) - hvilket fører til en match mellem gear og kredsløb.

At være en del af en kamp med højere ordre er kun et krav for attributter. For eksempel, hvis (div10 gear) og (div10 kredsløb) ikke er en del af en højere ordens match, skaber SMV ikke en matchhypotese mellem dem. Men hvis div10 er en funktion eller relation, opretter SME dog et match.

Strukturel evaluering score

Når matchhypoteserne er genereret, skal SMV beregne en vurderingsscore for hver hypotese. SMV gør det ved at bruge et sæt regler for intern kamp til at beregne positive og negative beviser for hver kamp. Flere beviser er korreleret ved hjælp af Dempsters regel [Shafer, 1978], hvilket resulterer i positive og negative troværdier mellem 0 og 1. Kampreglerne tildeler forskellige værdier for matches, der involverer funktioner og relationer. Disse værdier er dog programmerbare, og nogle standardværdier, der kan bruges til at håndhæve systematisitetsprincippet, er beskrevet i [Falkenhainer et al., 1989].

Disse regler er:

  1. Hvis kilden og målet ikke er funktioner og har samme rækkefølge, får matchet +0,3 bevis. Hvis ordrene er inden for 1 af hinanden, får kampen +0.2 bevis og -0.05 bevis.
  2. Hvis kilden og målet har den samme funktor, får matchet 0,2 bevis, hvis kilden er en funktion og 0,5, hvis kilden er en relation.
  3. Hvis argumenterne stemmer overens, får matchet +0,4 bevis. Argumenterne kan matche, hvis alle par af argumenter mellem kilden og målet er enheder, hvis argumenterne har de samme funktioner, eller hvis det aldrig er tilfældet, at målet er en enhed, men kilden ikke er.
  4. Hvis prædikattypen matcher, men elementerne i prædikatet ikke stemmer overens, får matchet -0,8 bevis.
  5. Hvis kilde- og måludtryk er en del af et matchende match med højere ordre, skal du tilføje 0,8 af beviset for det højere ordens match.

I eksemplet match mellem p1 og p2 giver SME matchet mellem sendeforholdene en positiv evidensværdi på 0,7900, og de andre får værdier på 0,6320. Sendeforholdet modtager bevisværdien på 0,7900, fordi det får bevis fra reglerne 1, 3 og 2. De andre matches får en værdi på 0,6320, fordi 0,8 af beviset fra transmissionen forplantes til disse kampe på grund af regel 5.

For prædikater p3 og p4 tildeler SMV mindre bevis, fordi argumenterne for sendeforholdene er funktioner. Sendeforholdet får positivt bevis på 0,65, fordi regel 3 ikke længere tilføjer bevis. Matchet mellem (input gear) og (switch circuit) bliver 0.7120. Denne kamp får 0,4 bevis på grund af regel 3, og 0,52 bevis formidlet fra transmitteringsrelationen på grund af regel 5.

Når prædikaterne i p3 og p4 er attributter, tilføjer regel 4 -0,8 bevis til transmitteringsmatchet, fordi - selvom funktionerne i transmitteringsrelationen matcher - argumenterne ikke har potentialet til at matche, og argumenterne er ikke funktioner.

For at opsummere beregner praktikantreglerne en strukturel vurderingsscore for hver kamphypotese. Disse regler håndhæver systematisitetsprincippet. Regel 5 tilvejebringer trickle-down-bevis for at styrke kampe, der er involveret i højere ordensrelationer. Regel 1, 3. og 4 tilføjer eller fratrækker støtte til relationer, der kan have matchende argumenter. Regel 2 tilføjer støtte til de tilfælde, hvor funktionerne matcher. derved tilføje støtte til kampe, der understreger relationer.

Reglerne håndhæver også forskellen mellem attributter, funktioner og relationer. For eksempel har de kontrol, der giver mindre bevis for funktioner end relationer. Attributter behandles ikke specifikt af reglerne for intern kamp, ​​men SMV's filterregler sikrer, at de kun overvejes for disse regler, hvis de er en del af en højere ordensrelation, og regel 2 sikrer, at attributter kun matcher, hvis de har identiske funktioner.

Gmap oprettelse

Resten af ​​SMV-algoritmen er involveret i at skabe maksimalt konsistente sæt matchhypoteser. Disse sæt kaldes gmaps. SMV skal sikre, at eventuelle gmaps, som det opretter, er strukturelt konsistente med andre ord, at de er en-til-en - sådan at ingen kildekort til flere mål og intet mål kortlægges til flere kilder. Gmaps skal også have understøttelse, hvilket betyder, at hvis en matchhypotese er i gmap, så er det også matchhypotesen, der involverer kilde- og målelementerne.

Gmap-oprettelsesprocessen følger to trin. For det første beregner SMV information om hver matchhypotese - herunder kortlægning af enheder, eventuelle konflikter med andre hypoteser, og hvilke andre matcher hypoteser, som den måske er strukturelt inkonsekvent med.

SMV bruger derefter disse oplysninger til at flette matchhypoteser - ved hjælp af en grådig algoritme og den strukturelle evalueringsscore. Det fletter matchhypoteserne i maksimalt strukturelt konsistente forbundne grafer over matchhypoteser. Derefter kombinerer det gmaps, der har overlappende struktur, hvis de er strukturelt konsistente. Endelig kombinerer det uafhængige gmaps samtidig med at strukturel konsistens opretholdes.

Sammenligning af en kilde med en målgruppe kan producere en eller flere gmaps. Vægten for hver gmap er summen af ​​alle de positive evidensværdier for alle de matchhypoteser, der er involveret i gmap. For eksempel, hvis en kilde indeholdende p1 og p6 nedenfor sammenlignes med et mål indeholdende p2, genererer SMV to gmaps. Begge GPS-kort har en vægt på 2.9186.

Kilde:

transmit torque inputgear secondgear (p1)

transmit torque secondgear thirdgear (p6)

Mål: transmit signal switch div10 (p2)

Dette er de gmaps, der skyldes sammenligning af en kilde indeholdende en p1 og p6 og et mål indeholdende p2.

Gmap nr. 1: 

(TORQUE SIGNAL)
(INPUTGEAR SWITCH)
(SECONDGEAR DIV10)
(*TRANSMIT-TORQUE-INPUTGEAR-SECONDGEAR *TRANSMIT-SIGNAL-SWITCH-DIV10)

Gmap nr. 2 : 

(TORQUE SIGNAL)
(SECONDGEAR SWITCH)
(THIRDGEAR DIV10)
(*TRANSMIT-TORQUE-SECONDGEAR-THIRDGEAR *TRANSMIT-SIGNAL-SWITCH-DIV10)

Gmaps viser par prædikater eller enheder, der matcher. For eksempel i gmap nr. 1 matcher enhedernes drejningsmoment og signal og adfærdene det drejningsmoment, der indgives, andet udstyr og sendesignalkontakten div10. Gmap nr. 1 repræsenterer kombination af p1 og p2. Gmap nr. 2 repræsenterer kombination af p1 og p6. Selvom p2 er kompatibel med både p1 og p6, tvinger en-til-en-kortlægningsbegrænsning, at begge tilknytninger ikke kan være i samme gmap. Derfor producerer SMV to uafhængige kort. Derudover vil kombinationen af ​​de to gmaps sammen gøre enhedskortlægningen mellem tredjegear og div10 i konflikt med enhedskortlægningen mellem andenudstyr og div10.

Kritik

Chalmers, French og Hofstadter [1992] kritiserer SMV for deres afhængighed af manuelt konstruerede LISP- repræsentationer som input. De hævder, at der kræves for meget menneskelig kreativitet for at konstruere disse repræsentationer; intelligensen kommer fra design af input, ikke fra SMV. Forbus et al. [1998] forsøgte at afvise denne kritik. Morrison og Dietrich [1995] forsøgte at forene de to synspunkter. Turney [2008] præsenterer en algoritme, der ikke kræver LISP-input, men som dog følger principperne i Structure Mapping Theory. Turney [2008] fastslår, at også deres arbejde ikke er immun over for kritikken fra Chalmers, French og Hofstadter [1992].

I sin artikel How Creative Ideas Take Shape skriver Liane Gabora "I henhold til den finpudsningsteori om kreativitet arbejder kreativ tanke ikke på individuelt overvejede, diskrete, foruddefinerede repræsentationer, men på en sammenhængende fremkaldt sammensmeltning af emner, der findes i en tilstand af potentialitet kan muligvis ikke let adskilles. Dette fører til forudsigelsen om, at analogiproduktion ikke foregår ved at kortlægge korrespondancer fra kandidatkilder til mål, som forudsagt af strukturmappingsteorien om analogi, men ved at udrydde ikke-korrespondancer og derved skære væk fra potentialet. "

Referencer

Yderligere læsning