创造力的案例推理(CBR):沼泽地项目主页
运行贝尔蒙特的赛马沼泽地。这是一个链接到一个照片http://www.championsgallery.com。这个页面的URL是http://www.cs.indiana.edu/ ~ leake /项目/沼泽地。
项目描述
沼泽地项目探讨了案例推理(CBR)作为创造力的基础。CBR模型的创造力,创造力来源于检索知识,不是经常应用到一个情况,并以一种新的方式使用它。在这个视图中,创造力的关键问题是如何检索适合小说使用的知识和如何适应它符合小说的环境。根据检索和适应过程,CBR沿着频谱的创造力可以在任何地方提供解决方案,从简单的再运用旧知识非常新颖的观点。的任务耗费项目研究创造力是创造性的解释异常事件。沼泽地是故事理解程序,检测异常事件和使用CBR解释异常。其解释过程是基于案例的检索和应用存储的解释之前,调用解释模式从它的记忆。这个案例推理过程可以发生在任何时候的创造力,从一个完美的完全没有创造性应用适当的XP,小说用的不恰当的XP,必须完全修订是可用的。
摘录以下插图沼泽地的推理和改编自褶皱翼,罗杰·C。Leake, David b .创造力和学习案例解读。人工智能40(1 - 3):353 - 385,1989,和转载Carbonell J。艾德,机器学习:模式和方法马剑桥,麻省理工学院出版社,1990年。的一个简化版本沼泽地的代码计划开发的教学目的,可以下载并运行说明这个过程。
解释由熔化的范围
为了给一个想法的解释的范围,系统用例的方法可以生成,下面是一些沼泽地系统提醒,和它产生的一些解释他们的同名的例子中,赛马沼泽地的故事:
沼泽地是最好的3岁的赛马,在1984年,他赢得了所有最重要的比赛。几天后的一次重大胜利,他从一盏灯回来早晨倒塌外飞驰而去,他的稳定。震惊赛车社区试图找出原因。许多假设出现,但真正原因没有确定。
耗费系统检测到异常在沼泽地的过早死亡(见(Leake, 1992)讨论系统的异常检测的过程)。然后构建解释死亡的检索和“调整”的XPs提醒其他死亡的事件。最好挑选这些候选人的解释,并将它添加到其XP库,以供将来使用。一些合理的解释;其他人很稀奇的或可以排除其他知识的基础上。然而,他们表明,一个基于内存的解释系统,即使它有一个有限的范围的XPs和检索和调整策略,能想出各种有趣的解释。
- 提醒考虑其他死亡高峰期的身体状况导致系统提醒的死亡运动员吉姆·菲克斯去世时他的竞选征税过高遗传的心脏缺陷。
解释沼泽地可能有心脏缺陷,导致他的赛车引发心脏病。
- 提醒考虑其他年轻恒星死亡时,系统提醒詹尼斯·乔普林的死于服药过量。
解释1成为一个巨星的压力太大沼泽地,和他转向药物逃跑。他死于过量。
解释2沼泽地可能得到教练的兴奋剂,并死于意外过量。
- 提醒考虑民俗的死亡原因导致系统召回无稽之谈过多的性会杀了你。
解释1尽管赛马禁止性别在自己的赛车生涯,烧焦的兴奋可能会死于心脏病发作只是考虑螺栓的农场生活。
解释2沼泽地可能会自杀,因为他变得消沉时想着性。
解释3沼泽地可能死于一场事故时被考虑性。
要求创新案例的解释
上面的例子表明,有趣的解释出现当我们试图使用XP,并不完全适用。为了获得创造性的解释,一个讲解员可以试一试故意误用XPs。有趣的想法可以使用旧的解释来处理来自这些解释从未打算成为的情况下使用。
在使用XP,不适用情况给出了一个全新的视角,构建一个系统的概念故意误用XPs引出了许多问题:这XPs检索吗?应该应用哪些调整?调整过程应该持续多久?随着我们的研究的发展,我们希望能够回答这些问题。不过,我们可以建议一些事情需要构建创意案例讲解员:
- 我们需要启发式故意提醒的解释模式XP检索是内存问题制定的过程:我们描述一个异常情况的一套指标,并问什么XPs在内存中解释类似的情况。当没有回答是可用的,我们必须重新组织成一个可以回答的问题。当没有直接可用的解决方案是,人们常常依靠问标准问题,给背景信息。答案解释问题就像什么样的物理原因造成这个事件?,现在发生什么特殊情况下的事件吗?,这个奇怪的演员行动的动机是什么?,受害者是如何使这个坏事件吗?,或演员要服务组织可能什么?,可以建议有关因素,可以用作XP索引检索。尽管XPs访问以这种方式可能不能直接应用,可以适应他们。创造性的系统需要一组解释问题收集信息,选择规则应用哪个问题在给定的情况下,以及将它们转化为适应规则。
- 我们需要调整战略,可以做重大修改调整还必须能够作出重大修改。而不是要求调整始终保持因果结构,我们应该允许他们做出广泛的变化。他们的修改不会永远成功,但失败产生新的可能性更修订。
- 我们需要知道的启发式保持活着的时候看似无用的假设除了选择之间产生的解释系统,评估过程也有一个更直接的参与创造的过程。我们不能无限期地调整一个候选人的解释;评估者必须决定是否一个假设是值得追求的。这估计永远是不完美的,但更好的是,更多的资源系统能够投入XPs的卓有成效的修订。一种启发式是继续调整解释只要每个调整生成一个更好的解释。但该决定是否继续调整还应取决于竞争候选人XPs的可用性,和估计最后的解释是多么重要的目标系统的影响应该花费多少资源(因为解释)。
- 我们需要一个系统和一个有钱的记忆的解释最后,一个创造性的案例讲解员必须能够访问一个广泛的解释模式。有两种方法,人们或者机器学习新XPs:直接通过教他们(孩子们给出的解释模式的父母、老师、或朋友),或通过学习新的创造性的误用。一步使电脑创意之一就是收集广泛的XPs列表可以作为适应的起点。许多有趣的解释可能是构造从culturally-shared XPs的集合,如谚语。
更多细节在沼泽地项目和系统中可以找到下面的引用。
代码在线
的一个简化版本沼泽地的代码开发用于教学和发表在这本书在基于案例的解释,可用来说明沼泽地的解释过程。样本参考
- 褶皱翼,罗杰·C。,and Leake, David B. Creativity and Learning in a Case-Based Explainer. Artificial Intelligence40(1 - 3):353 - 385,1989,和转载Carbonell J。艾德,机器学习:模式和方法马剑桥,麻省理工学院出版社,1990年。
- 褶皱翼,罗杰·C。解释模式:理解机械和创造性。Erlbaum, 1986年。
- Leake,大卫B。集中建设和选择诱导的假设第十一届国际联合会议,人工智能,1993,pp。24-29。介绍了基于案例的解释其他解释方法之间的关系。视图抽象。
项目团队
研究耗费项目是由亚历克斯·卡斯和克里斯•欧文斯,建议由大卫•Leake Roger Schank和克里斯Riesbeck。联系人
这一页是由大卫Leake,计算机科学系印第雷竞技官方网站下载安纳大学。