[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Une traduction du calcul probabiliste des événements en processus de décision markoviens

Created by
  • Haebom

Auteur

Lyris Xu, Fabio Aurelio D'Asaro, Luke Dickens

Contour

Cet article présente une méthode formelle permettant de transformer le domaine du calcul probabiliste d'événements (CPE) en processus de décision markovien (PDM) afin d'y ajouter des capacités de raisonnement orienté vers les objectifs tout en préservant l'interprétabilité et l'expressivité du CPE. Le CPE est un cadre logique permettant de raisonner sur les actions et leurs résultats dans des environnements incertains, mais il présente la limitation de ne pas disposer d'un mécanisme de raisonnement orienté vers les objectifs. Dans cet article, nous introduisons le concept de « contexte d'exécution d'action » pour réaliser la transformation en PDM tout en préservant la sémantique d'action flexible du CPE. Cela permet d'appliquer les riches outils algorithmiques et théoriques du PDM au domaine de description interprétable du CPE. De plus, nous présentons une méthode permettant de retranscrire les politiques apprises en une représentation PDM lisible par l'homme, ce qui étend les capacités du CPE tout en préservant l'interprétabilité, prenant en charge à la fois les tâches de raisonnement temporel et la planification par objectifs.

Takeaways, Limitations_

Takeaways:
Ajoutez des capacités de raisonnement orientées vers des objectifs tout en conservant l’interprétabilité et l’expressivité du PEC.
Rend les algorithmes et les outils théoriques de MDP applicables au PEC.
Fournit un cadre intégré qui prend en charge à la fois le raisonnement temporel et la planification basée sur les objectifs.
Nous présentons une méthode permettant de mapper les politiques apprises dans des représentations PEC interprétables.
Limitations:
Manque d'analyse de la complexité computationnelle de la transformation PEC-MDP.
Manque de validation expérimentale pour les applications à grande échelle dans le monde réel.
Perte possible d'une certaine expressivité du PEC lors de la conversion en MDP.
👍