El razonamiento cualitativo (QR) es un área de investigación dentro de la inteligencia artificial (IA) que automatiza el razonamiento sobre aspectos continuos del mundo físico, como el espacio, el tiempo y la cantidad, con el propósito de resolver problemas y planificar utilizando información cualitativa en lugar de cuantitativa . . [1] Se evitan cantidades o valores numéricos precisos, y en su lugar se utilizan valores cualitativos (por ejemplo, alto, bajo, cero, ascendente, descendente, etc.). [2]
Propósito
El razonamiento cualitativo crea descripciones no numéricas de los sistemas físicos y su comportamiento, preservando importantes propiedades de comportamiento y distinciones cualitativas. [3] El objetivo de la investigación del razonamiento cualitativo es desarrollar métodos de representación y razonamiento que permitan a los programas informáticos razonar sobre el comportamiento de los sistemas físicos, sin información cuantitativa precisa. Un ejemplo es observar la lluvia torrencial y el nivel de agua en constante aumento de un río, que es información suficiente para tomar medidas contra posibles inundaciones sin conocer el nivel exacto del agua, la tasa de cambio o el momento en que el río podría inundarse. [4]
Principios
Los principios utilizados están motivados por la cognición humana .
Los principios del razonamiento cualitativo incluyen: [5]
- Valores discretos
- Representar cantidades continuas utilizando entidades discretas para el razonamiento.
- Ejemplo: en lugar de usar un valor numérico para la tasa de cambio, considere si es creciente, decreciente o constante
- Valores relevantes
- Elija valores cualitativos basados en la relevancia para una tarea
- Ejemplo: si la temperatura está cambiando, el punto de ebullición puede ser importante, pero si la temperatura es constante, el punto de ebullición puede ser irrelevante.
- Valores o resultados ambiguos
- En lugar de proporcionar una respuesta, proporcione una variedad de respuestas
- Ejemplo: en lugar de calcular un nivel numérico o una cantidad de agua, proporcione dos respuestas: bajo o cero
- Modelando un proceso
- Representar a los estados
- Representar las transiciones entre estados.
- Para cantidades, determine puntos de referencia y use el razonamiento de desigualdad
- Ejemplo:
si la temperatura del agua está por debajo del punto de ebullición, entonces el nivel del agua es constante o está disminuyendo lentamente;
si la temperatura del agua está por encima del punto de ebullición, entonces el nivel del agua está disminuyendo rápidamente;
si el agua tiene una temperatura que cambia de debajo del punto de ebullición a por encima del punto de ebullición, entonces el nivel del agua cambiará y disminuirá rápidamente;
Si el agua está por encima del punto de ebullición durante un período de tiempo específico, el nivel del agua será bajo o cero.
Usos
Las técnicas que se han desarrollado para el razonamiento cualitativo permiten la simulación de sistemas cuantitativos que están sujetos a múltiples restricciones en forma de desigualdades y igualdades. Puede permitir la simulación de ciertos sistemas importantes, como los ecosistemas, que de otro modo serían demasiado complejos de modelar. El razonamiento cualitativo proporciona un método para modelar con desigualdades cuantitativas además de cualidades.
Las áreas de aplicación exitosas incluyen control de procesos , verificación de sistemas, explicación, [2] soporte autónomo de naves espaciales, simulación y explicación del comportamiento de estructuras, [6] análisis de fallas y diagnóstico a bordo de sistemas de vehículos, generación automatizada de software de control para fotocopiadoras, captura de conocimientos conceptuales en ecología y ayudas inteligentes para el aprendizaje humano. [3]
Ver también
- Razonamiento espacio-temporal
- Grupo de razonamiento cualitativo (QRG)
Referencias
- ^ "Razonamiento cualitativo: llegar a buenas conclusiones sin ser preciso" . Asociación para el Avance de la Inteligencia Artificial (AAAI).
- ^ a b John Daintith (2004). Un diccionario de informática . Prensa de la Universidad de Oxford . ISBN 0198608772.
- ^ a b Bert Bredeweg y Peter Struss (2003). "Temas actuales en el razonamiento cualitativo" (PDF) . Asociación Americana de Inteligencia Artificial .
- ^ Yumi Iwasaki (mayo a junio de 1997). "Aplicaciones del razonamiento cualitativo en el mundo real" . Experto IEEE: Sistemas inteligentes . Laboratorio de Sistemas de Conocimiento, Departamento de Ciencias de la Computación: Universidad de Stanford.
- ^ "Razonamiento cualitativo, CS227" (PDF) . Universidad de Stanford . 2011.
- ^ Salvaneschi, Paolo; Cadei, Mauro; Lazzari, Marco (1997). "Un marco de modelado causal para la simulación y explicación del comportamiento de estructuras". Inteligencia artificial en ingeniería . 11 (3): 205–216. doi : 10.1016 / S0954-1810 (96) 00040-4 .