Resumen: El razonamiento bajo incertidumbre es un desafío fundamental en la inteligencia artificial. Al igual que con la mayoría de estos desafíos, existe un duro dilema entre el poder expresivo del lenguaje utilizado y la paciencia del problema computacional planteado por el razonamiento. Inspirados en el razonamiento humano, presentamos un método de inferencia probabilística relacional de primer orden que satisface ambos criterios y puede manejar variables híbridas (discretas y continuas). Específicamente, extendemos la lógica de expectativa de la suma de cuadrados a los entornos relacionales, lo que demuestra que el razonamiento elevado en el fragmento de grado acotado para las bases de conocimiento del rango de cuantificador limitado se puede realizar en tiempo polinómico, incluso con un conjunto de objetos a priori desconocido y/o contable infinito. Crucialmente, nuestra noción de tractabilidad se enmarca en términos teóricos de prueba, que se extienden más allá de las propiedades sintácticas del lenguaje o las consultas. Podemos derivar los límites más apretados que se pueden probar mediante pruebas de un grado y tamaño dado y establecer la integridad en nuestras refutaciones de la suma de cuadrados para los grados fijos.
Publicado Originalme en rss.arxiv.org El 7 de mayo de 2025.
Ver Fuente Original
