在高度不确定术语概率下，PLN与NARS的类似强度乘以置信度
人工智能
2024-12-30 v1
摘要
我们提供了对概率逻辑网络（PLN）和非公理化推理系统（NARS）中用于演绎、归纳和归纳公式的比较分析。这两个不确定推理框架旨在实现通用人工智能。两个系统的一个区别在于，PLN在单个推理规则层面直接利用术语概率和关系概率，而NARS仅利用关系频率，且没有术语概率的简单类比。因此我们聚焦于术语概率高度不确定的情形，探讨这种不确定性如何影响两个系统的比较推理结论。我们将PLN中强度乘以置信度（）与NARS中频率乘以置信度（）进行比较（我们将此类数量称为衡量“不确定陈述力量”的量），在高度术语概率不确定的情况下进行启发式分析和初等数值计算。我们发现，在许多实际情况下存在高度术语概率不确定时，PLN和NARS公式对于推理结论的力量给出了非常相似的结果，尽管它们有时以截然不同的方式得出这些相似数值。
引用
@article{arxiv.2412.19524,
title = {PLN and NARS Often Yield Similar strength $\times$ confidence Given Highly Uncertain Term Probabilities},
author = {Ben Goertzel},
journal= {arXiv preprint arXiv:2412.19524},
year = {2024}
}