Mathematical Models for Handling Partial Knowledge in Artificial Intelligence

کسب دانش یکی از مهمترین جنبه هایی است که بر کیفیت روش های مورد استفاده در هوش مصنوعی و قابلیت اطمینان سیستم های خبره تأثیر می گذارد. موضوعات مختلفی که در این جلد به آنها پرداخته می‌شود، به بسیاری از رویکردهای مختلف برای مدیریت دانش جزئی و روش‌های متعاقب آن برای استدلال و تصمیم‌گیری در شرایط عدم قطعیت، همانطور که برای مشکلات در هوش مصنوعی اعمال می‌شود، مربوط می‌شود. این جلد شامل مقالات دعوت شده و ارائه شده در کارگاه آموزشی مدل های ریاضی برای مدیریت دانش جزئی در هوش مصنوعی است که در مرکز فرهنگ علمی Ettore Majorana در Erice (سیسیل، ایتالیا) در تاریخ 19-25 ژوئن 1994 برگزار شد. چارچوب مدرسه بین المللی ریاضی \"G.Stampacchia\". همچنین شامل رونویسی از میزگردی است که در طول کارگاه برای ترویج بحث‌ها در مورد مسائل اساسی برگزار شد، زیرا در انتخاب سخنرانان دعوت شده سعی کرده‌ایم تعادلی بین مکاتب مختلف مدل‌سازی لبه دانش و عدم قطعیت حفظ کنیم. مدل‌های مطلوبیت مورد انتظار Choquet در مقاله توسط Alain Chateauneuf مورد بحث قرار گرفته‌اند: آنها اجازه می‌دهند درک عدم قطعیت یا ریسک را از ارزیابی نتایج جدا کنند و می‌توانند در تصمیم‌گیری کمک کنند. پتر هاجک نشان می‌دهد که استدلال در منطق فازی ممکن است بر مبنای منطقی (رسمی) دقیقی قرار گیرد، بنابراین به درک ما از چیستی منطق فازی کمک می‌کند و در هنگام استفاده از استدلال فازی چه می‌کند.

Knowledge acquisition is one of the most important aspects influencing the quality of methods used in artificial intelligence and the reliability of expert systems. The various issues dealt with in this volume concern many different approaches to the handling of partial knowledge and to the ensuing methods for reasoning and decision making under uncertainty, as applied to problems in artificial intelligence. The volume is composed of the invited and contributed papers presented at the Workshop on Mathematical Models for Handling Partial Knowledge in Artificial Intelligence, held at the Ettore Majorana Center for Scientific Culture of Erice (Sicily, Italy) on June 19-25, 1994, in the framework of the International School of Mathematics "G.Stampacchia". It includes also a transcription of the roundtable held during the workshop to promote discussions on fundamental issues, since in the choice of invited speakers we have tried to maintain a balance between the various schools of knowl­ edge and uncertainty modeling. Choquet expected utility models are discussed in the paper by Alain Chateauneuf: they allow the separation of perception of uncertainty or risk from the valuation of outcomes, and can be of help in decision mak­ ing. Petr Hajek shows that reasoning in fuzzy logic may be put on a strict logical (formal) basis, so contributing to our understanding of what fuzzy logic is and what one is doing when applying fuzzy reasoning.