2、逻辑、概率与行动推理的综合探索

逻辑、概率与行动推理的综合探索

1. 丰富语言的优势与挑战

在逻辑与概率的融合领域，使用丰富的语言具有显著优势。我们可以从仅包含一阶公式的初始数据库开始，逐步添加纯概率公式，进而从这个综合数据库中得出合适的结论。而且，基于这样的通用语言，我们能够确定对于当前应用而言足够的语言片段，并相应地约束语言。

然而，使用如此强大的语言也存在缺点。在每种情况下，我们难以对高效计算做出全面的论断。对于特定的语言片段，实现高效计算是可行的，但总体而言并非如此。由于我们的目标是深入理解逻辑与概率融合背后的原理和理论，所以暂时接受这个问题，后续再考虑具体的计算策略。

在世界动态推理方面，我们也面临类似的情况。一方面，我们追求通用语言；另一方面，仅在合适的片段上关注计算。

2. 行动推理的形式与需求

在计算机科学和人工智能领域，对事件、行动、计划和程序的推理有着悠久的历史。为了捕捉行动，我们有众多形式化方法可供选择。
- 时间逻辑 ：可用于对时间进行推理，包括在当前和未来状态中定位属性。例如，变量永远不会超过 100 的值。
- 马尔可夫过程 ：能对顺序事件进行随机建模。当与奖励函数结合时，可以计算代理为了最大化总体奖励而应采取的行动序列。
- 规划语言（如 STRIPS） ：将系统的当前状态描述为数据库，并通过合成算法生成一系列行动，使状态转变为期望的数据库。

然而，目前存在许多行动模型，且在表达能力上存在一定限制。随着科学家考虑更具挑战性的应用，会希望添加新的特征，从而不可避免地引入新的建模语言和相应的语