Defeasible contextual reasoning in ambient intelligence

Abstract

Ambient Intelligence environments consist of various devices that collect, process, change and share the available context information. The imperfect nature of context, the open and dynamic nature of ambient environments, and the special characteristics of the involved devices have introduced new research challenges in the eld of Distributed Articial Intelligence, which have not yet been successfully addressed by current Ambient Intelligence systems. This thesis proposes a solution based on the Multi-Context Systems paradigm, in which local context knowledge of ambient agents is encoded in rule theories (contexts), and information flow between agents is achieved through mapping rules that associate concepts used by dierent contexts. To handle imperfect context, we extend Multi-Context Systems with non-monotonic features, such as local defeasible theories, defeasible mapping rules, and a preference ordering over the system contexts. On top of this model, we have developed an argumentation framework that exploits context and preference information to resolve potential con icts caused by the interaction of ambient agents through their mappings. We also provide an operational model in the form of a distributed algorithm for query evaluation, which is sound and complete with respect to the argumentation framework, as well as three alternative versions of the algorithm, each of which implements a different strategy for conflict resolution. The four strategies, which mainly differ in the type and extent of context and preference information that is used to resolve potential conflicts, have been evaluated in a simulated peer-to-peer system and implemented in Logic Programming in four different logic metaprograms.

Τα περιβάλλοντα Διάχυτης Νοημοσύνης αποτελούνται από διάφορες συσκευές οι οποίες συλλέγουν, επεξεργάζονται, αλλάζουν και διαμοιράζονται την διαθέσιμη πληροφορία περιβάλλοντος. Η ατελής γνώση για την πληροφορία περιβάλλοντος, η ανοικτή και δυναμική φύση των περιβαλλόντων Διάχυτης Νοημοσύνης, και τα ειδικά χαρακτηριστικά των εμπλεκόμενων συσκευών έχουν εισάγει νέα ερευνητικά προβλήματα στο πεδίο της Κατανεμημένης Αναιρέσιμης Συλλογιστικής, τα οποία δεν έχουν αντιμετωπιστεί επαρκώς από τα υπάρχοντα συστήματα Διάχυτης Νοημοσύνης. Η διατριβή αυτή προτείνει μία λύση που βασιζεται στο παράδειγμα των Συστημάτων Πολλαπλών Περιβαλλόντων (Multi-Context Systems), στα οποία η τοπική γνώση των εμπλεκόμενων πρακτόρων αναπαρίσταται ως θεωρίες κανόνων (contexts), και η ροή πληροφορίας μεταξύ των πρακτόρων επιτυγχάνεται με χρήση κανόνων συσχέτισης. Για τον χειρισμό της ατελούς γνώσης περιβάλλοντος, επεκτείνουμε τα Συστήματα Πολλαπλών Περιβαλλόντων με χαρακτηριστικά μη-μονότονων συλλογιστικών, όπως τοπικές αναιρέσιμες θεωρίες, αναιρέσιμους κανόνες συσχέτισης και μία σχέση προτίμησης που εφαρμόζεται πάνω στα πολλαπλά περιβάλλοντα. Πάνω από το μοντέλο αυτό, έχουμε αναπτύξει ένα σύστημα συλλογιστικής με χρήση επιχειρημάτων (arguments) που αξιοποιεί πληροφορία περιβάλλοντος και προτιμήσεων για την επίλυση ασυνεπειών που ενδέχεται να προκύψουν κατά τη διάδραση των λογικών πρακτόρων μέσω των κανόνων συσχέτισης. Επίσης παρέχουμε ένα λειτουργικό μοντέλο στη μορφή ενός κατανεμημένου αλγορίθμου για αποτίμηση επερωτήσεων, ο οποίος είναι ισοδύναμoς ως προς τα αποτελέσματά του με το σύστημα επιχειρημάτων, καθώς και τρεις διαφορετικές εκδοχές του αλγορίθμου, καθεμία από τις οποίες υλοποιεί μία διαφορετική στρατηγική για την επίλυση ασυνεπειών. Οι τέσσερεις στρατηγικές, οι οποίες κυρίως διαφέρουν στον τύπο και την έκταση της πληροφορίας που αξιοποιείται για την επίλυση ασυνεπειών, έχουν αξιολογηθεί σε ένα προσομειωμένο διομότιμο σύστημα, και έχουν υλοποιηθεί σε Λογικό Προγραμματισμό, σε τέσσερα διαφορετικά λογικά μετα-προγράμματα.