🤖 AI

Rethinking Explanations: Formalizing Contrast in Description Logics

تقترح هذه الورقة إطار عمل متمحور حول المستخدم للتفسيرات التباينية في منطق الوصف، والذي يعالج أوجه القصور في طرق التبرير والاستدلال الاستنباطي الحالية من خلال التعريف والتقييم الرسمي لكيفية تفسير سبب صحة حقيقة ما بدلاً من بديل مضاد.

المؤلفون الأصليون: Yasir Mahmood, Arnab Sharma, Axel-Cyrille Ngonga Ngomo, Balram Tiwari

نُشر 2026-05-06

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Yasir Mahmood, Arnab Sharma, Axel-Cyrille Ngonga Ngomo, Balram Tiwari

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تسير في مكتبة سحرية ضخمة، حيث يمثل كل كتاب فيها قاعدة حول كيفية عمل العالم. هذه المكتبة مبنية على لغة منطقية صارمة للغاية تسمى منطق الوصف (Description Logic - DL). يمكن للكمبيوتر في هذه المكتبة أن ينظر إلى شخص ما (لنسمه أليس) ومجموعة من القواعد، ثم يخبرك: "نعم، لقد تم توظيف أليس!"

الطريقة القديمة: "لماذا؟"

عادةً، إذا سألت الكمبيوتر: "لما لماذا تم توظيف أليس؟"، فإنه يستخرج لك تبريراً (Justification). إنه يسحب الصفحات المحددة من المكتبة التي تثبت توظيف أليس.

التشبيه: الأمر يشبه المعلم الذي يريك الخطوات الدقيقة في مسألة رياضية ليثبت أن الناتج هو 5. إنه دقيق، لكنه يخبرك فقط عن "الفائز".

المشكلة الجديدة: "لماذا أليس وليس Bob؟"

لاحظ مؤلفو هذه الورقة أن البشر يفعلون شيئاً بطبيعتهم: نحن لا نريد فقط معرفة سبب حدوث شيء ما؛ بل نريد أيضاً معرفة لماذا حدث ذلك بدلاً من شيء آخر.

تخيل أن أليس حصلت على الوظيفة، لكن صديقها بوب لم يحصل عليها.

إذا سألت: "لماذا أليس؟"، سيذكر الكمبيوتر مهارات أليس الرائعة.
إذا سألت: "لماذا ليس بوب؟"، سيذكر الكموتر المهارات التي تنقص بوب.
لكن بوب يشعر بالحيرة. هو لا يريد قائمتين منفصلتين. هو يريد أن يعرف: "لماذا أليس وليس أنا؟" هو يريد أن يرى "الفرق" بينهما.

تجادل الورقة بأن تقديم إجابتين منفصلتين هو أمر غير مرضٍ. أنت بحاجة إلى تفسير تبايني (Contrastive Explanation - CE) يسلط الضال على الفجوة المحددة بينهما.

الحل: "مكتشف الاختلاف"

ابتكر الباحثون طريقة جديدة لصياغة سؤال "لماذا (أ) بدلاً من (ب)؟". إنهم يسمون الشيء الذي حدث بالفعل الحقيقة (Fact) (أليس) والشيء الذي لم يحدث المُفترض (Foil) (بوب).

لشرح الفرق، ينظرون إلى ثلاثة أشياء:

ما امتلكته أليس ولم يمتلكه بوب: (مثلاً: أليس نشرت بحثاً في الذكاء الاصطناعي).
ما امتلكه بوب ولم تمتلكه أليس: (مثلاً: بوب نشر بحثاً في الرياضيات البحتة).
ما كان ينقص بوب ليجعله موظفاً: (مثلاً: بوب كان يحتاج للنشر في مجال الذكاء الاصطناعي).

التشبيه الإبداعي: السباق
تخيل سباقاً بين أليس وبوب.

الحقيقة: أليس فازت.
المُفترض: بوب خسر.
التفسير القديم: "أليس ركضت بسرعة." (صحيح، لكنه لا يفسر لماذا خسر بوب).
التفسير التبايني الجديد: "أليس ركضت بسرعة لأنها تدربت على التلال، بينما تدرب بوب على أرض مسطحة. لو كان بوب قد تدرب على التلال (القطعة المفقودة)، لكان قد فاز، لكنه لم يفعل."

تقوم الورقة بصياغة هذا الأمر رسمياً عبر أخذ "الدليل" لأليس و"الدليل" لبوب (رغم أن دليل بوب افتراضي)، ثم إيجاد الفرق المتماثل (Symmetric Difference). إنهم يستبعدون الأشياء التي يتشاركان فيها (مثل "كلاهما مؤهل") ويركزون فقط على العوامل الفريدة التي حسمت النتيجة.

سيناريو "ماذا لو" (الاستدلال الاستنباطي - Abduction)

أحياناً، يتعين على الكمبيوتر أن يخمن ما الذي سيكون ضرورياً لجعل "المُفترض" صحيحاً. هذا ما يسمى الاستدلال الاستنباطي (Abduction).

التشبيه: إذا لم يتم توظيف بوب، يسأل الكمبيوتر: "ما الذي يجب أن يكون صحيحاً لكي يتم توظيف بوب؟" قد يقول: "لو كان بوب قد نشر بحثاً في الذكاء الاصطنا_ي".
تجمع طريقة الورقة بين الدليل الحقيقي لأليس وهذا السيناريو "ماذا لو" الخاص ببوب لتوضيح أين تفرقت المسارات تماماً.

التعامل مع الأعطال (التناقضات)

أحياناً تكون القواعد في المكتبة مخادعة. ماذا لو كانت القواعد تقول "لا يمكنك أن تكون خبيراً في الذكاء الاصطناعي ومنظّراً في آن واحد"؟

إذا كان بوب منظّراً، وقال الكمبيوتر: "لو كان بوب خبيراً في الذكاء الاصطناعي، لتم توظيفه"، فهذا يمثل تعارضاً.
تضيف الورقة شبكة أمان: فهي تحدد هذه التناقضات. وتخبرك: "بوب سيتم توظيفه إذا كان خبيراً في الذكاء الاصطناعي، ولكن هذا يتناقض مع طبيعته كمنظّر". هذا يمنع التفسير من كسر منطق المكتبة.

ما قاموا به فعلياً

لم يكتب المؤلفون مجرد نظرية؛ بل بنوا نموذجاً أولياً (برنامج كمبيوتر يعمل) لاختباره.

اختبروا الطريقة على حوالي 40 قاعدة معرفية مختلفة من العالم الحقيقي (مثل قواعد البيانات الطبية أو التقنية).
وجدوا أن طريقتهم تعمل بسرعة (في أقل من ثانية في معظم الحالات) وتنتج تفسيرات قصيرة وسهلة القراءة (عادةً جملة أو جملتين من المنطق).
أثبتوا رياضياً أنه بالنسبة لأنواع معينة من المنطق (تسمى EL)، فإن هذه العملية فعالة ولا تقع في حلقة مفرغة لا نهائية.

الملخص

تتعلق هذه الورقة بترقية كيفية شرح الكمبيوتر للقرارات. فبدلاً من مجرد قول "إليك سبب حدوث X"، أصبح بإمكانهم الآن قول "إليك سبب حدوث X بدلاً من Y". هم يفعلون ذلك من خلال مقارنة "دليل الفوز" مع "دليل الخسارة" (أو الدليل الافتراضي) رياضياً، واستبعاد الأجزاء المشتركة، وإظهار ما صنع الفرق بالضبط. لقد بنوا أداة للقيام بذلك، وهي تعمل بسرعة ودقة على البيانات المعقدة.

ملخص تقني: إعادة التفكير في التفسيرات: صياغة التباين في منطق الوصف

بيان المشكلة
تركز أشكال التفسير الحالية لمنطق الوصف (DL) وقواعد المعرفة (KBs) بشكل أساسي على المبررات (تفسير لماذا الحقيقة $P$ صحيحة) والاستدلال الاستنباطي (تفسير لماذا يمكن أن تكون الحقيقة المفقودة $P$ صحيحة). ومع ذلك، تفتقر هذه النهج إلى المنظور المتمحور حول المستخدم؛ فهي تفشل في معالجة الاحتياجات المعرفية المحددة للمستعلم الذي غالبًا ما يشعر بالمفاجأة من حقيقة $P$ لأنه توقع حدثًا بديلًا $Q$ . إن تقديم تفسيرات منفصلة لـ "لماذا $P$ " و"لماذا ليس $Q$ " غالبًا ما يكون غير مرضٍ، حيث يسعى المستخدمون لفهم الاختلاف المحدد بين النتيجة الفعلية والبديل المتوقع. وبينما تُدرس التفسيرات التباينية (CEs) بشكل جيد في تعلم الآلة وأطر الحجاج، إلا أنها لا تزال غير مستكشفة إلى حد كبير في سياق منطق الوصف، رغم أن منطق الوصف هو الأساس للأنطولوجيات مثل OWL المستخدمة في مجالات حرجة مثل الرعاية الصحية (مثل SNOMED CT).

المنهجية
يقترح المؤلفون إطار عمل رسمي لتوليد التفسيرات التباينية داخل قواعد معرفة منطق الوصف، وذلك عبر تكييف النموذج الفلسفي لبيتر ليبتونون حول التفسير التبايني مع الإعداد المنطقي لمنطق الوصف.

صياغة الأسئلة التباينية (CQs):
يُعرف السؤال التبايني بأنه زوج $(P, Q)$ حيث $P$ هي حقيقة (تأكيد مستنتج في ABox، مثل $C(x)$ ) و $Q$ هو "الخيال/المثال المقابل" (تأكيد غير مستنتج). يركز البحث على نوعين محددين من الخيالات:

تباين الكيانات (Entity Contrasts): حيث $Q$ هو $C(y)$ ، مما يقارن نفس المفهوم مقابل فرد مختلف.
تباين المفاهيم (Concept Contrasts): حيث $Q$ هو $D(x)$ ، مما يقارن مفهومًا مختلفًا لنفس الفرد.

تعريف التفسير التبايني (CE):
يتجاوز المؤلفون مجرد الفرق المتماثل بين مبرر $P$ والفرضية الاستنباطية لـ $Q$ . لقد قدموا تعريفًا قائمًا على الصفوف (tuple) وهو $E = \langle E_{fact}, E_{foil+}, E_{foil-} \rangle$ (ويمكن إضافة مجموعة تعارض $C$ اختياريًا) بناءً على ثلاثة مبادئ:

شرط الاختلاف: يجب أن يستشهد التفسير بالفرق بين أسباب $P$ والحقائق المفقودة لـ $Q$ .
المعرفة المعروفة مقابل المعرفة المفترضة: يجب أن يميز التفسير بين البديهيات الصحيحة في قاعدة المعرفة فيما يتعلق بالخيال ( $E_{foil+}$ ) وبين البديهيات المفقودة المطلوبة لاستنتاج الخيال ( $E_{foil-}$ ).
مراعاة البديهيات المتشابهة: يقدم الإطار عامل "الفرق في المجموعات المعاد تسميتها" ( $\ddagger$ ). يقوم هذا العامل بإزالة البديهيات المتشابهة بنيويًا بين الحقيقة والخيال (على سبيل المثال، $C(x)$ و $C(y)$ ، أو $E \sqsubseteq C$ و $E \sqsubseteq D$ ) لضمان أن يبرز التفسير فقط العوامل المميزة.

التعامل مع التناقضات:
إذا أدت إضافة البديهيات المفقودة للخيال ( $E_{foil-}$ ) إلى إنشاء تعارض مع قاعدة المعرفة الحالية، فإن الإطار يتضمن مجموعة تعارض $C$ . تمثل هذه المجموعة الحد الأدنى من تأكيدات ABox الحالية التي يجب إزالتها لجعل الخيال مستنتجًا، مما يحا-كي سيناريو مضاد للواقع.
معايير التفضيل:
لاختيار التفسيرات التباينية من بين عدة خيارات، يقترح المؤلفون مقياسًا لـ التباعد النحوي ( $\sigma_{div}$ ). يقيس هذا المقياس الفرق المتماثل بين البديهيات ذات الصلة بالحقيقة وتلك ذات الصلة بالخيال. التفسير التبايني المفضل هو الذي يقلل من هذا التباعد، مما يوائم هياكل الاستدلال للحقيقة والخيال قدر الإمكان لتسهيل المقارنة.

المساهمات الرئيسية

التعريفات الرسمية: يقدم البحث أول تعريفات رسمية للتفسيرات التباينية لقواعد معرفة منطق الوصف، مع معالجة كل من تباينات الكيانات والمفاهيم على وجه التحديد.
المخطط العام: يقدم مخططًا عامًا للتفسيرات التباينية يدمج المبررات والفرضيات الاستنباطية مع التمييز بين التأكيدات الحقيقية والمفقودة.
تحليل التعقيد: يحلل المؤلفون التعقيد الحسابي للتفسيرات التباينية في اثنين من أنواع منطق الوصف:
- $\mathcal{EL}$ : أثبتوا أن تحديد وجود تفسير تبايني بحجم معين هو مسألة NP-complete لتباين المفاهيم. ومع ذلك، بالنسبة لتباين الكيانات، يمكن حساب التفسير المفضل وفقًا لـ $\sigma_{div}$ (بتباعد 0) في وقت حدودي (polynomial time).
- $\mathcal{ALC}$ : أظهرت النتائج أن مسألة تحديد وجود تفسير تبايني بحجم معين هي مسألة ExpTime-complete.
التنفيذ والتقييم: تم تطوير نموذج أولي بلغة جافا (باستخدام OWL API ومحرك الاستدلال ELK). أُجريت تجارب على حوالي 41 قاعدة معرفة OWL من العالم الحقيقي.

النتائج
أسفر التقييم التجريبي عن النتائج التالية:

الكفاءة: يقوم النموذج الأولي بحساب التفسيرات التباينية بكفاءة، بمتوسط وقت تشغيل يبلغ حوالي 392 مللي ثانية.
حجم التفسير: التفسيرات المولدة مدمجة، حيث تمتد عادةً إلى أربعة تأكيدات ABox كحد أقصى.
الشيوع: وُجد أن نسبة "البديهيات المشتركة" (التداخل بين مبررات الحقيقة والخيال) منخفضة (بمتوسط 13.5%)، مما يشير إلى أنه في كثير من الحالات، تعتمد الحقيقة والخيال على مجموعات متميزة من التأكيدات.
الاتساق: كان معدل التعارض منخفضًا (4.00%)، مما يشير إلى أنه في معظم الحالات، لا تتعارض البديهيات المفقودة للخيال مع قاعدة المعرفة الموجودة.

الأهمية والادعاءات
يدعي البحث سد فجوة كبيرة في الأدبيات من خلال إدخال التفسيرات التباينية إلى مجال منطق الوصف. ويجادل المؤلفون بأن هذا النهج يقدم طريقة أكثر بديهية ومتمحورة حول المستخدم لشرح نتائج الاستدلال من خلال نمذجة توقعات المستعلم (الخيال) بشكل صريح.

يُقدم هذا العمل كخطوة أولية في هذا المجال. ويشير المؤلفون بتواضع إلى أنه بينما تمتد تعريفاتهم إلى أي منطق وصف يدعم الفرضيات الاستنباطية، إلا أن هناك حاجة لمزيد من العمل للتعامل مع أشكال أكثر تعبيرًا من منطق الوصف (مثل تلك التي تحتوي على قيود العدد) ولتطوير خوارزميات يمكنها التوسع بكفاءة مع مجموعات البيانات الكبيرة. كما حددوا الحاجة إلى دراسات مستخدم مستقبلية للتحقق مما إذا كانت هذه التفسيرات التباينية هي بالفعل المفضلة على المبررات القياسية من قبل المستخدمين النهائيين. ويخلص البحث إلى أن إطار عملهم يوفر آلية رسمية وصارمة لدمج المبررات لشرح الفرق بين الحقيقة والخيال، مما يضع الأساس لاتخاذ قرارات أكثر استنارة في تطبيقات الويب الدلالي.