摘要：站在人工智能角度，從局部化信念修正和Horn信念修正這兩個(gè)目前的熱點(diǎn)，闡述信念修正理論的新世紀(jì)研究動(dòng)態(tài)。

關(guān)鍵詞：人工智能；信念；修正

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 15-0000-02

眾所周知，人或智能體的信念隨著新信念的獲取而不斷發(fā)生變化。當(dāng)人或智能體獲得新信念時(shí)，新獲取的信念可能與原有信念產(chǎn)生矛盾。通常認(rèn)為新獲取的信念是正確的，需要放棄部分原有信念使之保持整體信念協(xié)調(diào)。當(dāng)放棄部分原有信念時(shí)，哪些原有信念被放棄？這個(gè)過(guò)程滿足哪些準(zhǔn)則呢？這就是引入信念修正的動(dòng)機(jī)[1-2]。AGM模型[1]是信念修正的開(kāi)創(chuàng)性工作。信念修正具有很強(qiáng)的現(xiàn)實(shí)背景，與更新有關(guān)的問(wèn)題幾乎都能看見(jiàn)信念修正的影子，常?？梢?jiàn)將信念修正的思想應(yīng)用到其它學(xué)科進(jìn)行科學(xué)研究，如：在研究協(xié)商問(wèn)題中引入信念修正的思想形成了基于邏輯的協(xié)商問(wèn)題研究[3-5]。信念修正是人工智能、數(shù)據(jù)庫(kù)理論和哲學(xué)邏輯研究中的重要課題，與計(jì)算機(jī)軟件理論的多個(gè)學(xué)科有廣泛的聯(lián)系，比如：被廣泛應(yīng)用到計(jì)算機(jī)軟件理論的開(kāi)放邏輯等[6]，它們與信念修正理論有緊密聯(lián)系[7]。

信念修正是人工智能、數(shù)據(jù)庫(kù)理論以及哲學(xué)邏輯研究的熱點(diǎn)問(wèn)題。尋找高速有效的算法一直是信念修正理論及其應(yīng)用的研究重點(diǎn)。信念修正算子的計(jì)算及復(fù)雜性問(wèn)題是信念修正研究的核心問(wèn)題。Eiter和 Gottlob等圍繞幾類特殊的信念修正算子率先展開(kāi)研究，獲得了開(kāi)創(chuàng)性成果[8]，該方面研究迅速成為研究者近年來(lái)關(guān)注的熱點(diǎn)問(wèn)題[8-11]。信念修正算子較高的復(fù)雜性使得它的應(yīng)用受到限制，尋找高效的算法一直是信念修正研究的一個(gè)重點(diǎn)主題。一條路徑是采用命題邏輯的適當(dāng)子語(yǔ)言以降低計(jì)算信念修正算子的復(fù)雜性。如2008年Delgrande和Langlois等利用Horn公式具有較低計(jì)算復(fù)雜的特性，分別從信念緊縮和信念修正兩個(gè)方面對(duì)基于Horn語(yǔ)言的信念修正進(jìn)行了開(kāi)創(chuàng)性研究[12-13]，這使得Horn信念修正研究迅速成為重要國(guó)際會(huì)議關(guān)注的新熱點(diǎn)[12-16]。另一條路徑是在不降低描述語(yǔ)言能力的前提下，采用局部化的思想對(duì)知識(shí)表示語(yǔ)言進(jìn)行適當(dāng)處理以降低信念修正算子的計(jì)算復(fù)雜性，如：基于分離的局部化技術(shù)。Parikh提出了命題信念集的分離概念[17]，形成相關(guān)性準(zhǔn)則（即‘無(wú)關(guān)’信念不會(huì)受到信念修正過(guò)程影響）?；诜蛛x的局部化思想和方法不但具有較強(qiáng)的現(xiàn)實(shí)背景，而且能降低信念修正的計(jì)算復(fù)雜性，為越來(lái)越多的研究者所重視[17-24]。

如上信念修正研究表明：未來(lái)數(shù)年，信念修正研究仍將圍繞降低復(fù)雜性進(jìn)行。作者預(yù)測(cè)如下的方向?qū)?huì)成為小熱點(diǎn)（由于本人水平有限，望讀者批評(píng)指正）。

（1）繼續(xù)深入Horn信念修正研究，主要關(guān)注Horn信念修正的修正算子和緊縮算子的聯(lián)系；計(jì)算復(fù)雜性較好的特殊Horn修正算子研究；利用Horn語(yǔ)言計(jì)算性較好的性質(zhì)設(shè)計(jì)求解器以及Horn信念修正的應(yīng)用等工作。

（2）繼續(xù)深入局部化信念修正研究，主要關(guān)注各種局部化信念修正的理論；計(jì)算局部化的算法及復(fù)雜性；重復(fù)的局部化信念修正等工作。

參考文獻(xiàn)：

[1]C. Alchouron， P. Gardenfors， and D. Makinson， On the logic of theory change： partial meet contraction and revision functions， J. Symb. Log.，50：510-530，1985.

[2]S. Hansson，logic of belief revision，

http：//plato.stanford.edu/entries/logic-belief-revision/

[3]D. Zhang， N. Foo， T. Meyer and R. Kwok， Negotiation as mutual belief revision， AAAI-04： 317-322， 2004.

[4]D. Zhang， A logic-based axiomatic model of bargaining. Artif. Intell. 174（16-17）： 1307-1322， 2010.

[5]W. Chen， M. Zhang， and M. Wu， A Logic-Program Based Negotiation Mechanism，JCST，24（4）：753-760， 2009.

[6]李未， 一個(gè)開(kāi)放的邏輯系統(tǒng) 中國(guó)科學(xué)A輯， 1992（10）： 1103-1113， 1992

[7]張東摩，顧紅芳，陳世福，信念修正與開(kāi)放邏輯之間的關(guān)系.航空學(xué)報(bào)， 20（2）：118-121， 1999

[8] T. Eiter and G. Gottlob， On the complexity of propositional knowledge base revision， updates， and counterfactuals. Artif. Intell. 57（2-3）： 227-270， 1992.

[9] B. Nebel. How hard is it to revise a belief base？ In Volume 3 of Handbook of Defeasible Reasoning and Uncertainty Management Systems，1996

[10]羅杰，李未.一個(gè)在Horn子句中求解極大縮減的算法，中國(guó)科學(xué)：信息科學(xué)，2011（2）：244-257，2011.

[11]T. Eiter， G. Gottlob， The Complexity of Nested Counterfactuals and Iterated Knowledge Base Revisions. IJCAI-93：526-533， 1993.

[12]J. P. Delgrande， Horn clause belief change： Contraction functions. KR-08， 156–165， 2008.

[13]M. Langlois， R. H.Sloan， B. Szorenyi and G. Turan， Horn complements： Towards Horn-to-Horn belief revision. AAAI-08： 466-471， 2008.

[14]J. P. Delgrande and R. Wassermann， Horn clause contraction functions： Belief set and belief base approaches. KR-10：143-152， 2010.

[15]R. Booth， T. Meyer and J. Varzinczak， Next steps in propositional Horn contraction.IJCAI-09：702-707， 2009.

[16]M. Wu， D. Zhang and M. Zhang， Language Splitting and Relevance-Based Belief Change in Horn Logic， AAAI-2011：268-273， 2011.

[17]R.Parikh， Beliefs， belief revision， and splitting languages. Logic， language and computation.2：266-278， CSLI Publications， 1999.

[18]R. Parikh， Beth definability， interpolation and language splitting，Synthese 179（2）：211-221， 2011.

[19]B. Yang， Y. Zhang， M. Zhang， M. Wu， Splitting Computation of Answer Set Program and Its Application on E-service， IJCIS 4（5）：977-990，2011.

[20]M. Wu and M. Zhang， Algorithms and application in decision-making for the finest splitting of a set of formulae， KBS， 23（1）： 70-76， 2010.

[21]M. Wu， Z. Zhu， M. Zhang. Partial Meet Contraction Based on Relevance Criterion. IMECS2008：7-12， 2008.

[22]G. Kourousias and D. Makinson， Parallel interpolation， splitting， and relevance in belief change， J. of Symbolic Logic 72 （3）：994-1002， 2007.

[23]P. Peppas， S. Chopra and N. Foo， Distance semantics for relevance-sensitive belief revision， KR2004：319-328， 2004.

[24]S. Chopra and R. Parikh， Relevance sensitive belief structures. Ann. Math. Artif. Intell. 28：259-285，2000.