Motor for strukturkartlegging - Structure mapping engine

I kunstig intelligens og kognitiv vitenskap er strukturmappingmotoren ( SME ) en implementering i programvare av en algoritme for analog matching basert på den psykologiske teorien til Dedre Gentner . Grunnlaget for Gentners struktur-kartlegging-ide er at en analogi er en kartlegging av kunnskap fra ett domene (basen) til et annet (målet). Struktur-kartleggingsmotoren er en datasimulering av sammenligningene mellom analogi og likhet.

Fra 1990 hadde mer enn 40 prosjekter brukt den [Falkenhainer, 2005]. RM French sa at strukturkartleggingsteori er "utvilsomt det mest innflytelsesrike arbeidet til dags dato for modellering av analogi-making" [2002].

Teorien er nyttig fordi den ignorerer overflateegenskaper og finner samsvar mellom potensielt veldig forskjellige ting hvis de har samme representasjonsstruktur. For eksempel kan SMB fastslå at en penn er som en svamp fordi begge er involvert i utlevering av væske, selv om de gjør dette veldig annerledes.

Teori for strukturkartlegging

Teori for strukturkartlegging er basert på systematisk prinsipp, som sier at tilkoblet kunnskap foretrekkes fremfor uavhengige fakta. Derfor bør strukturkartmotoren ignorere isolerte kildemålskartlegginger med mindre de er en del av en større struktur. SME skal, ifølge teorien, kartlegge objekter som er relatert til kunnskap som allerede er kartlagt.

Teorien krever også at kartlegginger gjøres en-til-en , noe som betyr at ingen deler av kildebeskrivelsen kan kartlegges til mer enn ett element i målet, og ingen del av målbeskrivelsen kan kartlegges til mer enn en del av kilde. Teorien krever også at hvis en kamp kartlegger gjenstand for mål, må argumentene til motiv og mål også kartlegges. Hvis begge disse vilkårene er oppfylt, sies kartleggingen å være "strukturelt konsistent."

Konsepter i SMB

SMB kartlegger kunnskap fra en kilde til et mål. SMB kaller hver beskrivelse en dgroup . Grupper inneholder en liste over enheter og predikater . Enheter representerer objektene eller konseptene i en beskrivelse - for eksempel et inngangsutstyr eller en bryter. Predikater er en av tre typer og er en generell måte å uttrykke kunnskap for små og mellomstore bedrifter.

  • Relasjonspredikater inneholder flere argumenter, som kan være andre predikater eller enheter. Et eksempel på forhold er: (overføre (hva fra til)). Dette forholdet har en funktor sende og tar tre argumenter: det, fra, og til.
  • Attributt predikater er egenskapene til en enhet. Et eksempel på et attributt er (rødt gir) som betyr at utstyret har attributtet rødt.
  • Funksjonspredikater kartlegger en enhet i en annen enhet eller konstant. Et eksempel på en funksjon er ( joules strømkilde) som kartlegger enhetens strømkilde på de numeriske størrelsen joules.

Funksjoner og attributter har forskjellige betydninger, og følgelig behandler SMB dem annerledes. For eksempel, i SMEs sanne analogiregelsett, skiller attributter seg fra funksjoner fordi de ikke kan matche med mindre det er en høyere ordens samsvar mellom dem. Forskjellen mellom attributter og funksjoner vil bli forklart nærmere i eksemplene til denne delen.

Alle predikater har fire parametere. De har (1) en funksjon, som identifiserer den, og (2) en type, som enten er relasjon, attributt eller funksjon. De to andre parametrene (3 og 4) er for å bestemme hvordan argumentene i SME- algoritmen skal behandles . Hvis argumentene må matches i rekkefølge, er kommutativ falsk. Hvis predikatet kan ta et hvilket som helst antall argumenter, er N-ary falsk. Et eksempel på en predikatdefinisjon er: (sme: defPredicate atferdssett (predikat) -relasjon: n-ary? T: kommutativ? T) Predikatets funksjon er "atferdssett", dens type er "relasjon" og dens n -ary og kommutative parametere er begge satt til sant. "(Predikat)" -delen av definisjonen spesifiserer at det vil være ett eller flere predikater i en instantiering av atferdssett.

Algoritmedetaljer

Algoritmen har flere trinn. Det første trinnet i algoritmen er å lage et sett med matchhypoteser mellom kilde- og målgrupper. En matchhypotese representerer en mulig kartlegging mellom hvilken som helst del av kilden og målet. Denne kartleggingen styres av et sett med kampregler. Ved å endre kampreglene kan man endre typen resonnement SMB gjør. For eksempel kan ett sett med regler utføre en slags analogi som kalles bokstavelig likhet. og en annen utfører en slags analogi som kalles sann analogi. Disse reglene er ikke stedet der domeneavhengig informasjon legges til, men der analogiprosessen blir justert, avhengig av hvilken type kognitiv funksjon brukeren prøver å etterligne.

For en gitt kampregel er det to typer regler som ytterligere definerer hvordan den skal brukes: filterregler og internregler. Internregler bruker bare argumentene til uttrykkene i matchhypotesene som filterreglene identifiserer. Denne begrensningen gjør behandlingen mer effektiv ved å begrense antall matchhypoteser som genereres. Samtidig hjelper det også å bygge de strukturelle konsistensene som er nødvendige senere i algoritmen. Et eksempel på en filterregel fra sant-analogi-regelsettet skaper samsvarshypoteser mellom predikater som har samme funksjon. Ekte-analogi-regelsettet har en internregel som gjentas over argumentene til en hvilken som helst samsvarshypotese, og skaper flere samsvarshypoteser hvis argumentene er enheter eller funksjoner, eller hvis argumentene er attributter og har samme funksjon.

For å illustrere hvordan kampreglene produserer matchhypoteser, vurder disse to predikatene:

transmit torque inputgear secondgear (p1)

transmit signal switch div10 (p2)

Her bruker vi ekte analogi for typen resonnement. Filtermatchregelen genererer en samsvar mellom p1 og p2 fordi de deler samme funksjon, sender. Internreglene produserer deretter tre matchhypoteser til: dreiemoment for signal, inngangsutstyr for å bytte og andreutstyr for div10. Internreglene skapte disse matchhypotesene fordi alle argumentene var enheter.

Hvis argumentene var funksjoner eller attributter i stedet for enheter, ville predikatene uttrykkes som:

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

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

Disse ekstra predikatene gjør inputgear, secondgear, switch og div10 funksjoner eller attributter avhengig av verdien som er definert i språkinndatafilen. Representasjonen inneholder også flere enheter for utstyr og kretsløp.

Avhengig av hvilken type inngangsutstyr, sekundærutstyr, bryter og div10 er, endres deres betydning. Som attributter er hver en av egenskapene til giret eller kretsen. For eksempel har giret to attributter, inputgear og secondgear. Kretsen har to attributter, bryter og krets. Som funksjoner blir inngangsutstyr, sekundærutstyr, bryter og div10 mengder av gir og krets. I dette eksemplet tilordnes funksjonene inngangsutstyr og sekundærutstyr nå til de numeriske størrelsene "dreiemoment fra inngangsutstyr" og "dreiemoment fra andreutstyr," For kretsen tildeles mengdekartet til den logiske størrelsen "bryteren aktivert" og den numeriske størrelsen "strømtelling på skillet av 10 teller. ”

SMB behandler disse forskjellig. Det tillater ikke attributter å matche med mindre de er en del av en høyere ordens relasjon, men det tillater funksjoner å matche, selv om de ikke er en del av et slikt forhold. Det tillater funksjoner å matche fordi de indirekte refererer til enheter og dermed bør behandles som relasjoner som ikke involverer enheter. Som neste del viser, tilordner praksisreglene imidlertid lavere vekter til samsvar mellom funksjoner enn til samsvar mellom forhold.

Årsaken til at SMB ikke samsvarer med attributter, er fordi de prøver å skape tilkoblet kunnskap basert på relasjoner og dermed tilfredsstille systematisk prinsipp. For eksempel, hvis både en klokke og en bil har inngangsattributter, vil ikke SME merke dem som like. Hvis det gjorde det, ville det være en kamp mellom klokken og bilen basert på utseendet deres - ikke på forholdet mellom dem.

Når de ekstra predikatene i p3 og p4 er funksjoner, er resultatene fra samsvarende p3 og p4 lik resultatene fra p1 og p2, bortsett fra at det er en ekstra samsvar mellom gir og krets og verdiene for samsvarshypotesene mellom (inngangsutstyr) og (bryterkrets), og (andreutstyr) og (div10 krets), er lavere. Neste avsnitt beskriver årsaken til dette mer detaljert.

Hvis inputgear, secondgear, switch og div10 er attributter i stedet for enheter, finner SME ikke samsvar mellom noen av attributtene. Den finner bare samsvar mellom sendepredikatene og mellom dreiemoment og signal. I tillegg reduseres poengene for strukturell evaluering for de to gjenværende kampene. For å få de to predikatene til å matche, må p3 byttes ut med p5, som vist nedenfor.

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

Siden regelverket med sann analogi identifiserer at div10-attributtene er de samme mellom p5 og p4, og fordi div10-attributtene begge er en del av det høyere forholdet mellom dreiemoment og signal, gjør SME en samsvar mellom (div10 gir) og (div10 krets) - som fører til en samsvar mellom gir og krets.

Å være en del av en kamp med høyere ordre er bare et krav for attributter. For eksempel, hvis (div10 gir) og (div10 krets) ikke er en del av en kamp av høyere orden, lager ikke SME en samsvarshypotese mellom dem. Imidlertid, hvis div10 er en funksjon eller relasjon, lager SME imidlertid en kamp.

Strukturell evaluering

Når matchhypotesene er generert, må SMB beregne en vurderingspoeng for hver hypotese. SME gjør det ved å bruke et sett med regler for intern kamp for å beregne positive og negative bevis for hver kamp. Flere bevismengder er korrelert ved bruk av Dempsters regel [Shafer, 1978], noe som resulterer i positive og negative troverdier mellom 0 og 1. Kampreglene tildeler forskjellige verdier for treff som involverer funksjoner og relasjoner. Disse verdiene er imidlertid programmerbare, og noen standardverdier som kan brukes til å håndheve systematisitetsprinsippet er beskrevet i [Falkenhainer et al., 1989].

Disse reglene er:

  1. Hvis kilden og målet ikke er funksjoner og har samme rekkefølge, får kampen +0,3 bevis. Hvis ordrene er innenfor 1 av hverandre, får kampen +0.2 bevis og -0.05 bevis.
  2. Hvis kilden og målet har samme funksjon, får samsvaret 0,2 bevis hvis kilden er en funksjon og 0,5 hvis kilden er en relasjon.
  3. Hvis argumentene stemmer overens, får kampen +0,4 bevis. Argumentene kan stemme overens hvis alle parene av argumenter mellom kilden og målet er enheter, hvis argumentene har de samme funksjonene, eller hvis det aldri er slik at målet er en enhet, men kilden ikke er det.
  4. Hvis predikattypen samsvarer, men elementene i predikatet ikke stemmer overens, får kampen -0,8 bevis.
  5. Hvis kilde- og måluttrykkene er en del av en samsvarende samsvar med høyere ordre, legg til 0,8 av beviset for samsvar med høyere ordre.

I eksemplet samsvar mellom p1 og p2 gir SME samsvaret mellom sendeforholdene en positiv bevisverdi på 0,7900, og de andre får verdier på 0,6320. Sende-forholdet mottar bevisverdien på 0,7900 fordi den får bevis fra reglene 1, 3 og 2. De andre kampene får en verdi på 0,6320 fordi 0,8 av beviset fra sendingen forplantes til disse kampene på grunn av regel 5.

For predikater p3 og p4 tildeler SME mindre bevis fordi argumentene til sendeforholdene er funksjoner. Sendeforholdet får positivt bevis på 0,65 fordi regel 3 ikke lenger legger til bevis. Kampen mellom (inngangsutstyr) og (bryterkrets) blir 0.7120. Denne kampen får 0,4 bevis på grunn av regel 3, og 0,52 bevis som forplantes fra overføringsforholdet på grunn av regel 5.

Når predikatene i p3 og p4 er attributter, legger regel 4 til -0,8 bevis for overføringskampen fordi - selv om funksjonene til overføringsrelasjonen samsvarer - argumentene ikke har potensial til å matche og argumentene er ikke funksjoner.

For å oppsummere beregner praktikantreglene en strukturell evalueringspoeng for hver kamphypotese. Disse reglene håndhever systematisitetsprinsippet. Regel 5 gir vedlikeholdsbevis for å styrke samsvar som er involvert i relasjoner med høyere orden. Regel 1, 3. og 4 legger til eller trekker fra støtte for relasjoner som kan ha samsvarende argumenter. Regel 2 legger til støtte for de tilfellene når funksjonene stemmer overens. derved legge til støtte for treff som understreker relasjoner.

Reglene håndhever også forskjellen mellom attributter, funksjoner og relasjoner. For eksempel har de kontroller som gir mindre bevis for funksjoner enn relasjoner. Attributter håndteres ikke spesifikt av regler for intern kamp, ​​men SMEs filterregler sørger for at de bare vil bli vurdert for disse reglene hvis de er en del av en høyere ordensrelasjon, og regel 2 sørger for at attributter bare vil matche hvis de har identiske funksjoner.

Gmap-opprettelse

Resten av SMB-algoritmen er involvert i å skape maksimalt konsistente sett med matchhypoteser. Disse settene kalles gmaps. SMB må sørge for at eventuelle skjemaer som det skaper er strukturelt konsistente; med andre ord at de er en-til-en - slik at ingen kildekart til flere mål og ingen mål blir kartlagt til flere kilder. Gmaps må også ha støtte, noe som betyr at hvis en matchhypotese er i gmap, så er det også matchhypotesen som involverer kilden og målelementene.

Prosessen med å lage gmap følger to trinn. For det første beregner SME informasjon om hver kamphypotese - inkludert enhetskartlegginger, eventuelle konflikter med andre hypoteser og hvilke andre samsvarer med hypoteser som det kan være strukturelt inkonsekvent.

SME bruker deretter denne informasjonen til å slå sammen hypoteser - ved hjelp av en grådig algoritme og den strukturelle evalueringsscoren. Den fletter matchhypotesene til maksimalt strukturelt konsistente sammenhengende grafer over matchhypoteser. Deretter kombinerer det kart som har overlappende struktur hvis de er strukturelt konsistente. Til slutt kombinerer den uavhengige skjermbilder samtidig som strukturell konsistens opprettholdes.

Å sammenligne en kilde med en målgruppe kan produsere en eller flere skjermbilder. Vekten for hver gmap er summen av alle positive bevisverdier for alle matchhypotesene som er involvert i gmap. For eksempel, hvis en kilde som inneholder p1 og p6 nedenfor, sammenlignes med et mål som inneholder p2, vil SME generere to gmaps. Begge gmaps har en vekt på 2,9186.

Kilde:

transmit torque inputgear secondgear (p1)

transmit torque secondgear thirdgear (p6)

Mål: transmit signal switch div10 (p2)

Dette er skjermbildene som er resultatet av å sammenligne en kilde som inneholder en p1 og p6 og et mål som inneholder 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 predikater eller enheter som samsvarer. For eksempel, i gmap nr. 1, samsvarer enhetene dreiemoment og signal og oppførselen overføringsmomentinngangsutstyr andreutstyr og overføringssignalbryter div10. Gmap nr. 1 representerer å kombinere p1 og p2. Gmap nr. 2 representerer å kombinere p1 og p6. Selv om p2 er kompatibelt med både p1 og p6, tvinger den en-til-en-kartbegrensningen at begge tilordningene ikke kan være i samme kart. Derfor produserer SMB to uavhengige gmaps. I tillegg vil kombinasjon av de to skjermbildene sammen føre til at enhetskartleggingen mellom tredjegear og div10 er i konflikt med enhetskartleggingen mellom andreutstyr og div10.

Kritikk

Chalmers, French og Hofstadter [1992] kritiserer SMB for deres avhengighet av manuelt konstruerte LISP- representasjoner som innspill. De hevder at det kreves for mye menneskelig kreativitet for å konstruere disse representasjonene; intelligensen kommer fra utformingen av innspillene, ikke fra SMB. Forbus et al. [1998] forsøkte å motbevise denne kritikken. Morrison og Dietrich [1995] prøvde å forene de to synspunktene. Turney [2008] presenterer en algoritme som ikke krever LISP-inngang, men som likevel følger prinsippene i Structure Mapping Theory. Turney [2008] uttaler at også deres arbeid ikke er immun mot kritikken fra Chalmers, French og Hofstadter [1992].

I artikkelen How Creative Ideas Take Shape skriver Liane Gabora "I henhold til den finpussende teorien om kreativitet, fungerer kreativ tanke ikke på individuelt vurderte, diskrete, forhåndsdefinerte representasjoner, men på en kontekstuelt fremkalt sammensmelting av gjenstander som eksisterer i en tilstand av potensialitet og kan ikke være lett å skille. Dette fører til spådommen om at analogiutvikling ikke foregår ved å kartlegge korrespondanser fra kandidatkilder til mål, som forutsagt av strukturkartleggingsteorien om analogi, men ved å luke ut ikke-korrespondanser, og derved fjerne potensialet.

Referanser

Videre lesning