KERAIA：面向动态知识表示与推理的自适应可解释框架

在本文中，我们介绍了 KERAIA，这是一个用于符号知识工程的新颖框架与软件平台，旨在解决在动态、复杂和上下文敏感环境中表示、推理和执行知识的持久挑战。激励这项工作的核心研究问题是：如何将非结构化的、通常是隐性的人类专业知识有效地转化为 AI 系统能够高效利用的计算上易处理的算法？KERAIA 试图通过建立在 Minsky 的基于框架的推理和 K-lines 等基础概念之上，同时引入重大创新来弥合这一差距。这些创新包括用于动态聚合的知识云、用于上下文敏感继承的动态关系、用于可追溯推理的显式思维线，以及用于自适应知识转换的云精化。这种方法超越了传统的、通常是静态的知识表示范式的局限性。KERAIA 的设计以可解释 AI (XAI) 为核心原则，确保了透明性和可解释性，特别是通过使用思维线。本文详细介绍了该框架的架构、KSYNTH 表示语言以及通用范式构建器 (GPPB)，以在统一结构内整合多种推理方法。我们通过对涵盖海战模拟、污水处理厂工业诊断以及 RISK 游戏战略决策的多个案例研究的详细分析，验证了 KERAIA 的通用性、表达能力和实际适用性。此外，我们提供了与既有知识表示范式（包括本体、基于规则的系统和知识图谱）的对比分析，并讨论了 KERAIA 平台的实现方面和计算考量。