對時空問題的常識推理及其AI實現

來自專欄 人工智慧與認知架構

愛因斯坦說：The most incomprehensible thing about the world is that it is comprehensible（「宇宙中最不可理解之事，乃宇宙是可以理解的」）。雖然對這句話的討論總會牽扯出各種高大上的物理理論，但今天我們不談物理只談日常生活中人類是如何認知時間和空間的？

在我們日常生活中大部分的問題都和時間和空間有關，我們對時空的知識使用的是如此頻繁，以至於我們幾乎感覺不到他們的存在，但這恰是人工智慧研究中最不可思議的謎題。

心理學：人類空間智能的發展

發展心理學中專門劃分了一個階段「空間敏感期(0-6歲)」來描述孩子空間知識的建立過程。

在這個時期孩子們的主要表現：

1.喜歡移動物體，扔東西，壘高。喜歡把裡面的東西倒出來，喜歡把外面的東西塞進去

2.喜歡鑽到不同大小的空間 喜歡爬上趴下、跳、跑，喜歡旋轉、攀爬等

孩子是在獲得一些關於空間關係的知識，並熟悉靈活運用這些知識的能力，這些知識如此重要可能已經成為被硬編碼在我們基因里必需開啟的訓練過程（孩子的天性）。

而對於這些在我們大腦中習得性規則（或硬編碼規則）的研究，目前還沒什麼定論

數學：空間推理相關理論

在數學上要做空間方面的推理，我們可用的理論大概有三類基於拓撲的（topological）、基於方位的（directional）、基於測量的（metric）

拓撲方法里比較常用的RCC（Region Connection Calculus）比較常見的是RCC8 和RCC23（拓展了RCC8包含了更細緻的關係）

基於方位的9-interserction calculus 、Cardinal Direction Calculus

基於測量的 quali-tative distance (such as close, medium, far) and direction

也有一些方法是綜合運用上的方法比如 rcc8和方位，在rcc中應用形狀和尺寸信息進行推理

對於時間的推理我們可用的模型主要是艾倫代數（Allen』s Interval Algebra）、LTL演算法、CTL演算法

然後時間和空間結合一起形成推理系統主要有：

STCC (for Spatio-temporal Constraint Calculus) 艾倫代數 + RCC8

基於modeling motion的 QTC方法 （Qualitative Trajectory Calculus）

現實問題：不確定性

然而要進行常識推理（而非精巧的數學推理）我們想用這些規則要處理的最大問題便是「不確定性」，在這時atomspace里ThruhValue的意義就體現出來了（對AI系統來說處理不確定性意義巨大。我們在現實世界能獲得的信息都往往是不確定的，不精準的，這也是為什麼我們進化出了一個善於處理常識的大腦，而不是一個善於處理數學的大腦）

同理我們可以把上述邏輯系統中已有的知識錄入atomspace作為AI的先驗知識比如（方便起見下面的例子沒有寫TruthValue）

簡單例子

有了這樣的先驗邏輯，我們便可以進行一些簡單的推理

比如： 判斷筆記本放的位置是否安全

「A laptop is over the desk in the hotel room, the desk is far from the window and we want assess to which extend the laptop is far from the window, therefore same from the rain.」

我們先驗知識里已有的邏輯

可以進行如下推理

有了這套可以兼容不確定的時空常識推理系統，我們便可以進行更複雜問題的處理，比如在高度不確定的信息下做計劃（當然要結合一些更複雜的技術比如PLN、MOSES、GraphPlan-style planning)

最後打個廣告，由於本專欄涉及的內容比較廣，並且相關中文資料比較少

任何對本專欄討論的問題感興趣的同學，或者您有任何的資料和建議，

都歡迎加入人工智慧與認知架構專欄的QQ群：718388498