Conditionals, Information, and Inference: International Workshop, WCII 2002, Hagen, Germany, May 13-15, 2002, Revised Selected Papers

شرط ها اشیاء جذاب و همه کاره بازنمایی دانش هستند. از یک طرف، آنها ممکن است قوانین را به معنای بسیار کلی بیان کنند، به عنوان مثال، روابط قابل قبول، قوانین فیزیکی و هنجارهای اجتماعی را نشان می دهند. از سوی دیگر، به عنوان قواعد پیش فرض یا مفاهیم کلی، آنها ابزاری اساسی برای استدلال، حتی در صورت عدم قطعیت، تشکیل می دهند. در این معنا، شرط ها هم به اطلاعات و هم به استنتاج ارتباط نزدیکی دارند. با این حال، به دلیل ماهیت غیر بولینی آنها، با شرطی ها به راحتی نمی توان برخورد کرد. آنها صرفاً درست یا نادرست نیستند - بلکه شرطی "اگر A پس B" زمینه ای را فراهم می کند، A، برای قابل قبول بودن (یا درست) B و نباید با "الف مستلزم B" یا با مفهوم مادی" اشتباه شود. نه A یا B. این نشان می‌دهد که چگونه شرطی‌ها اطلاعات را نشان می‌دهند که به معنای دقیق آن به عنوان کاهش عدم قطعیت درک می‌شود. یادگیری اینکه در زمینه A، گزاره B قابل قبول است، ممکن است عدم قطعیت در مورد B را کاهش دهد و از این رو اطلاعات است. توانایی پیش‌بینی چنین گزاره‌های شرطی، دانش و در نتیجه اطلاعات کسب شده (قبلی) است. اولین کار روی اشیاء شرطی به بول در قرن نوزدهم بازمی‌گردد، و علاقه به شرطی‌ها در نیمه دوم قرن بیستم، زمانی که هوش مصنوعی در حال ظهور ادعاهایی برای ابزارهای رسمی مناسب برای «قوانین تعمیم‌یافته» مطرح کرد، احیا شد. از آن زمان به بعد، مشروط به موضوع نشریات بی‌شماری می‌رسید، که هر کدام بر ارتباط خود برای بازنمایی دانش، استدلال قابل قبول، استنتاج غیر یکنواخت و تجدید نظر در باور تأکید داشتند.

Conditionals are fascinating and versatile objects of knowledge representation. On the one hand, they may express rules in a very general sense, representing, for example, plausible relationships, physical laws, and social norms. On the other hand, as default rules or general implications, they constitute a basic tool for reasoning, even in the presence of uncertainty. In this sense, conditionals are intimately connected both to information and inference. Due to their non-Boolean nature, however, conditionals are not easily dealt with. They are not simply true or false — rather, a conditional “if A then B” provides a context, A, for B to be plausible (or true) and must not be confused with “A entails B” or with the material implication “not A or B.” This ill- trates how conditionals represent information, understood in its strict sense as reduction of uncertainty. To learn that, in the context A, the proposition B is plausible, may reduce uncertainty about B and hence is information. The ab- ity to predict such conditioned propositions is knowledge and as such (earlier) acquired information. The ?rst work on conditional objects dates back to Boole in the 19th c- tury, and the interest in conditionals was revived in the second half of the 20th century, when the emerging Arti?cial Intelligence made claims for appropriate formaltoolstohandle“generalizedrules.”Sincethen,conditionalshavebeenthe topic of countless publications, each emphasizing their relevance for knowledge representation, plausible reasoning, nonmonotonic inference, and belief revision.