SNePS

SNePS es un sistema de representación del conocimiento , razonamiento y actuación (KRRA, por sus siglas en inglés) desarrollado y mantenido por Stuart C. Shapiro y sus colegas en la Universidad Estatal de Nueva York en Buffalo .

SNePS es un sistema KRRA basado simultáneamente en lógica , en marcos y en redes . Utiliza un modelo asertivo de conocimiento, en el que una base de conocimiento (BC) de SNePS consiste en un conjunto de aserciones (proposiciones) sobre diversas entidades. Su modelo previsto es el de un dominio intensional de entidades mentales: las entidades concebidas por algún agente y las proposiciones que este cree. La intensionalidad se logra principalmente mediante la ausencia de un operador de igualdad incorporado, ya que dos términos sintácticamente diferentes podrían tener sentidos fregeanos ligeramente distintos .

SNePS cuenta con tres estilos de inferencia: basado en fórmulas, derivado de su enfoque lógico; basado en ranuras, derivado de su enfoque basado en marcos; y basado en rutas, derivado de su enfoque basado en redes. Sin embargo, los tres están integrados y operan conjuntamente.

SNePS puede utilizarse como un sistema KRR independiente. También se ha empleado, junto con su componente de actuación integrado, para implementar la mente de agentes inteligentes ( robots cognitivos ), de acuerdo con la arquitectura de agentes GLAIR (una arquitectura cognitiva por capas ). El Grupo de Investigación SNePS suele llamar a sus agentes Cassie.

Como sistema basado en lógica, una base de conocimiento SNePS consta de un conjunto de términos, y funciones y fórmulas sobre esos términos. El conjunto de conectores lógicos y cuantificadores extiende el conjunto habitual utilizado por las lógicas de primer orden , todos tomando uno o más conjuntos de argumentos de tamaño arbitrario. De acuerdo con el uso previsto de SNePS para representar la mente de un agente inteligente competente en lenguaje natural , las proposiciones son entidades de primera clase del dominio previsto, por lo que las fórmulas son en realidad términos funcionales que denotan proposiciones. SNePSLOG, el lenguaje de entrada-salida de la cara lógica de SNePS, parece una lógica ingenua en que los símbolos de función (incluidos los "predicados") y las fórmulas (que en realidad son términos que denotan proposiciones) pueden ser argumentos de funciones y pueden cuantificarse. Sin embargo, el SNePS subyacente es una lógica de primer orden, con los símbolos de función y las fórmulas del usuario reificados .

La inferencia basada en fórmulas se implementa como un motor de inferencia de estilo deductivo natural, que incluye reglas de introducción y eliminación para los conectores y cuantificadores. La inferencia basada en fórmulas de SNePS es sólida, pero incompleta, ya que no se han implementado reglas de inferencia menos útiles para la comprensión del lenguaje natural y el razonamiento de sentido común .

Un término que denota una proposición en una base de conocimiento SNePS puede o no ser "afirmado", es decir, tratado como verdadero en la base de conocimiento. La lógica SNePS es una versión paraconsistente de la lógica de relevancia , por lo que una contradicción no implica absolutamente nada. Sin embargo, SNeBR, el subsistema de revisión de creencias de SNePS, detectará cualquier contradicción explícita e iniciará un diálogo con el usuario para corregirla. SNeBR es un sistema de mantenimiento de la verdad basado en supuestos (ATMS) y elimina el estado de afirmación de cualquier proposición cuyo soporte haya sido eliminado.

Como sistema basado en marcos, cada término funcional de SNePS (incluidos los términos con valor proposicional) se representa mediante un marco con ranuras y rellenos. Cada ranura puede rellenarse con un conjunto de términos de tamaño arbitrario. Sin embargo, no se pueden construir ciclos. SNePSUL, el lenguaje de usuario de SNePS, es un lenguaje de entrada/salida para interactuar con SNePS en su configuración como sistema basado en marcos.

SNePSLOG puede utilizarse en cualquiera de los tres modos. En dos de ellos, el sistema determina el marco de casos (conjunto de ranuras) asociado a cada término funcional. En el modo 3, el usuario declara qué marco de casos se utilizará para cada símbolo de función.

En la inferencia basada en ranuras, cualquier marco con valores proposicionales se considera que implica el marco con cualquiera de sus ranuras ocupadas por un subconjunto de sus rellenos. En la implementación actual, esto no siempre es correcto.

SNePS, como sistema basado en redes, es una red semántica proposicional ; de ahí su significado original: "Sistema de Procesamiento de Redes Semánticas". Esta perspectiva se obtiene al considerar cada constante y cada término funcional como un nodo de la red, y cada ranura como un arco dirigido y etiquetado desde el nodo de referencia en el que se encuentra hasta todos los nodos de su relleno. En la interpretación prevista, cada nodo denota una entidad mental, algunas de las cuales son proposiciones, y cada proposición representada en la red está representada por el nodo que la denota. Algunos nodos son variables de la lógica de SNePS y abarcan varios nodos, y solo varios.

Se pueden definir reglas de inferencia basadas en rutas, aunque estas no están representadas en SNePS. Una regla de inferencia basada en rutas especifica que un arco etiquetado r puede inferirse como presente desde un nodo n a otro nodo m si existe una ruta determinada desde n a m . Existe un amplio conjunto recursivo de constructores de rutas.

• SNIP , el paquete de inferencia de SNePS, proporciona las reglas de inferencia con las que SNePS deduce nuevas afirmaciones a partir de una base de conocimiento existente.
• SNeBR , el paquete de revisión de creencias de SNePS , es un componente de SNePS que detecta cuando la base de conocimiento contiene creencias contradictorias. Cuando se detecta una contradicción, se anima al usuario a revocar una de las creencias contradictorias revocando algunas hipótesis subyacentes que condujeron a la contradicción. Como resultado, todas las proposiciones que se habían inferido a partir de las hipótesis revocadas también se revocan.
• SNeRE , el motor racional de SNePS, proporciona un ejecutivo activo y un conjunto de marcos para construir acciones y planes complejos a partir de un conjunto de acciones primitivas definidas por el sistema y por el usuario. Los marcos definidos por el sistema permiten especificar secuencias de acciones, acciones condicionales e iteraciones sobre acciones, así como afirmar o no creer en proposiciones. Las políticas de SNeRE vinculan la acción con la inferencia, especificando, por ejemplo, que una determinada acción debe realizarse cuando se cree (afirma) una determinada proposición.
• SNaLPS , el sistema de procesamiento del lenguaje natural SNePS, consta de un intérprete de gramática de red de transición aumentada generalizada y un analizador y sintetizador morfológico del inglés , de modo que se pueda proporcionar comprensión y generación del lenguaje natural para los agentes basados ​​en SNePS.

SNePS se ha utilizado para diversas tareas de reconocimiento de conocimiento, para la comprensión y generación del lenguaje natural , para el razonamiento de sentido común y para la robótica cognitiva . Se ha utilizado en varios cursos de reconocimiento de conocimiento en todo el mundo.

SNePS está implementado como un sistema independiente de la plataforma en Common Lisp y está disponible gratuitamente.

• Página principal del Grupo de Investigación SNePS (SNeRG)
• Lecturas esenciales de SNePS
• Bibliografía completa de SNeRG
• Página de descargas de SNePS