机构名称：
¥ 1.0
可废止（或非单调）推理的重要性早已在人工智能中得到认可，通过逻辑和自动推理对这种非演绎推理进行形式化建模和计算模拟的提议可以追溯到该领域早期的开创性工作。但从那时起到现在，基于逻辑的人工智能还没有产生一种逻辑和相关的自动化来处理充斥着任意迭代的内涵运算符（如相信、知道等）的可废止推理。我们提出了一种基于逻辑的新方法来解决需要内涵运算符和推理的可废止推理问题。我们利用了两个核心问题。第一个是“尼克松钻石”（ND）[1]，它是人工智能可废止推理研究中一个简单但具有启发性的样本。我们展示了如何通过构建两个论点（对应于钻石的两个分支）来解决 ND 中固有的矛盾，其中一个论点“击败”另一个论点。解决方案是通过对代理关于钻石断言上下文的信念进行推理来找到的。这种关于信念的推理本质上需要内涵逻辑。我们的第二个问题是认知科学中一个经过大量研究且更深入的问题的变体：Byrne 的“抑制任务”（ST）[ 2 ]。我们提出了一个具有挑战性的 ST 新版本，它明确且不可避免地具有内涵性——然后表明我们的新 AI 方法可以应对这一挑战。因此，我们声称我们的方法是“适用于人工智能的”——但我们认为，只有在认知科学中对相关类别的受试者进行的经验实验与我们的人工智能方法的结果相一致时，它才具有认知上的充分性。本扩展摘要的其余部分将对我们用来解决这两个问题的机制（即认知可能性计算）以及解决方案本身进行高级概述。
人工智能的新型内涵可废止推理
主要关键词
相关文件推荐
