🤖 AI

A Counterfactual Cause in Situation Calculus

Dieser Beitrag schlägt eine auf kontrafaktischen Überlegungen beruhende Auffassung von achievement cause im Situationskalkül vor, die das bestehende Framework von Batusov und Soutchanski verallgemeinert und verfeinert und zugleich dessen Beziehung zur Theorie der tatsächlichen Kausalität nach Halpern und Pearl, insbesondere im Hinblick auf disjunktive Ziele, klärt.

Ursprüngliche Autoren: Daxin Liu, Vaishak Belle

Veröffentlicht 2026-05-13

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Daxin Liu, Vaishak Belle

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie schauen sich einen Film an, in dem ein Roboter Blöcke hin und her bewegt. Am Ende des Films ist ein bestimmter Block zerbrochen. Sie möchten wissen: „Wer oder was hat den Block tatsächlich zerbrochen?"

Dieser Artikel handelt davon, ein besseres „Detektivwerkzeug" zu entwickeln, um diese Frage zu beantworten, und zwar speziell für Roboter und Computerprogramme, die Aktionen planen.

Hier ist die Geschichte des Artikels, aufgeschlüsselt in einfache Konzepte:

1. Das Problem: Der „Aber-denn"-Test ist tückisch

In der Philosophie und im Recht verwenden wir oft einen einfachen Test, um eine Ursache zu finden: die „Aber-denn"-Kausalität.

Der Test: „Aber für diese spezifische Aktion, wäre das Ergebnis eingetreten?"
Die Logik: Wenn die Antwort „Nein, es wäre nicht eingetreten" lautet, dann ist diese Aktion die Ursache.

Die Autoren sagen, dass dies bei einfachen Geschichten gut funktioniert. Aber in der komplexen Welt der Roboter (wo sie viele Dinge gleichzeitig tun können oder wo verschiedene Pfade zum selben Ergebnis führen) geraten die alten Tests in Verwirrung. Sie verpassen entweder die Ursache oder beschuldigen das Falsche.

2. Die neue Idee: Der „kontrafaktische" Detektiv

Die Autoren schlagen eine neue Definition von Ursache vor, die auf Kontrafaktika basiert. Das ist ein ausgefallenes Wort für „Was wäre, wenn?".

Anstatt nur die Geschichte dessen zu betrachten, was passiert ist, fragt ihr Werkzeug: „Wenn wir diesen spezifischen Teil der Geschichte des Roboters löschen würden, wäre das Ziel dann noch erreicht worden?"

Sie nennen dies eine „Kontrafaktische Erreichungsursache".

Das Ziel: Der Roboter wollte einen Block zerbrechen.
Die Geschichte: Der Roboter hob den Block auf, ließ ihn fallen, hob dann einen anderen Block auf und ließ auch diesen fallen.
Der Test: Wenn wir das erste „Aufheben und Fallenlassen" aus der Geschichte löschen, zerbricht der Block dann trotzdem noch?
- Wenn Ja: Diese erste Aktion war nicht die Ursache (vielleicht hat es die zweite getan).
- Wenn Nein: Diese erste Aktion war die Ursache.

3. Der „Filter"-Mechanismus: Aufräumen der Zeitachse

Hier kommt der clevere Teil. Manchmal, wenn man eine frühe Aktion entfernt, werden spätere Aktionen unmöglich durchzuführen.

Analogie: Stellen Sie sich ein Rezept vor. Wenn Sie „Eier verquirlen" entfernen, können Sie nicht zum Schritt „Kuchen backen" fortschreiten. Der Schritt „backen" wird unmöglich.
Die Lösung des Artikels: Ihr Werkzeug verfügt über einen „Filter". Wenn sie eine vermutete Ursache entfernen, löschen sie automatisch alle zukünftigen Schritte, die nicht mehr möglich sind, weil die Ursache weg ist. Sie betrachten nur die verbleibenden legalen Aktionen, um zu sehen, ob das Ziel dennoch erreicht wird.

4. Die „Waldbrand"-Analogie (Disjunktive Ziele)

Der Artikel behandelt ein schwieriges Szenario, das als disjunktives Ziel bezeichnet wird.

Das Szenario: Ein Waldbrand entsteht, wenn entweder ein Streichholz fallen gelassen wird oder ein Blitz einschlägt.
Die Situation: Sowohl das Streichholz wird fallen gelassen ALS AUCH ein Blitz schlägt ein. Der Wald brennt.
Die Verwirrung: Ist das Streichholz die Ursache? Ist der Blitz die Ursache?
Das Urteil des Artikels: Nach ihrer Ansicht sind beide Teil der Ursache. Wenn Sie das Streichholz entfernen, verbrennt der Blitz trotzdem den Wald. Wenn Sie den Blitz entfernen, verbrennt das Streichholz ihn trotzdem. Da sie konkurrieren, um dasselbe Ziel zu erreichen, ist die „Ursache" die Kombination beider Ereignisse.

Dies stimmt mit einer berühmten Theorie von Halpern und Pearl (HP) überein, die besagt, dass, wenn zwei Dinge konkurrieren, um denselben Job zu erledigen, sie beide „Teil der Ursache" sind.

5. Wie es sich mit anderen Detektiven vergleicht

Die Autoren vergleichen ihr Werkzeug mit zwei anderen berühmten „Detektiven":

Batusov und Soutchanski: Sie hatten ein vorheriges Werkzeug, das die Geschichte betrachtete und die „minimale" Abfolge von Schritten fand, die benötigt wurden. Das neue Werkzeug stimmt in vielen Fällen mit ihnen überein, verwendet aber die „Was-wäre-wenn"-Methode (kontrafaktisch), um präziser zu sein, warum diese Schritte wichtig sind.
Halpern und Pearl (HP): Ihr Werkzeug ist sehr beliebt, basiert aber auf einem starren mathematischen Modell (wie einem Flussdiagramm). Die Autoren argumentieren, dass ihr Werkzeug besser für Roboter geeignet ist, weil es den Zeitfluss und Aktionen natürlicher handhabt, ohne die Geschichte zuerst in ein starres Flussdiagramm zwängen zu müssen.

6. Die Einschränkung: Wenn Dinge chaotisch werden

Die Autoren geben zu, dass ihr Werkzeug nicht perfekt ist.

Das Problem: Wenn zwei verschiedene „Geschichten" (Abläufe von Aktionen) gleichzeitig passieren und sich vermischen (verschränkt werden), könnte das Werkzeug verwirrt werden.
Das Ergebnis: Es könnte sagen: „Die Ursache ist das ganze chaotische Gemisch", anstatt genau zu identifizieren, welcher spezifische Schritt der Übeltäter war. Sie erkennen an, dass dies ein schwieriges Problem ist, über das Philosophen und Informatiker immer noch streiten.

Zusammenfassung

Dieser Artikel stellt eine neue Möglichkeit vor, wie Computer Kausalität verstehen können. Anstatt nur eine Liste von Ereignissen zu betrachten, simuliert es das „Zurückspulen des Bandes" und entfernt spezifische Aktionen, um zu sehen, ob das Ergebnis trotzdem eintritt. Es bewältigt komplexe Situationen, in denen mehrere Aktionen konkurrieren, um ein Ziel zu erreichen, und bietet eine einfachere, natürlichere Möglichkeit für Roboter, zu verstehen, „wer was getan hat", in ihrer eigenen Geschichte.

Technische Zusammenfassung: Eine kontrafaktische Ursache im Situationskalkül

Problemstellung
Die jüngsten Arbeiten von Batusov und Soutchanski etablierten einen Begriff der „tatsächlichen Erreichungsursache" innerhalb des Situationskalküls, der in der Lage ist, die Ursache quantifizierter Effekte in einer gegebenen Aktionsgeschichte zu bestimmen. Während dieser Ansatz Handlungsvoraussetzungen und quantifizierte Effekte erfolgreich behandelt – Einschränkungen früherer Ansätze auf Basis struktureller Gleichungsmodelle (SEM) wie denen von Halpern und Pearl (HP) –, fehlt ihm eine Definition, die auf einer kontrafaktischen Perspektive gründet. Der HP-Ansatz ist zwar einflussreich, beruht jedoch auf SEMs, die oft Schwierigkeiten mit zeitlicher Schlussfolgerung, Quantoren und der Unterscheidung von Handlungen und Effekten in komplexen Domänen haben. Die Autoren identifizieren eine Lücke bei der Definition tatsächlicher Kausalität in Handlungssprachen, die sowohl einfach als auch explizit kontrafaktisch ist, insbesondere im Hinblick darauf, wie disjunktive Ziele und Präemption ohne übermäßige Komplexifizierung der Definition gehandhabt werden können.

Methodik
Die Autoren schlagen einen neuen Begriffs der Ursache vor, der auf einer kontrafaktischen Analyse innerhalb der Logik ES basiert, einer modalen Variante des Situationskalküls. Diese Logik vereinfacht die klassische Formalisierung, indem sie explizite Situationsbegriffe vermeidet, während sie Regression- und Progressionsfähigkeiten beibehält.

Formaler Rahmen: Die Arbeit nutzt eine Grundaktionstheorie (BAT) $\Sigma$ , die Axiome des Anfangszustands, Handlungsvoraussetzungen und Axiome für Nachfolgezustände umfasst (Reiters Lösung des Frame-Problems).
Definition minimaler Ursache: Die Autoren definieren zunächst eine „minimale Ursache" allgemein als eine Aktionssequenz $z$ , die ein Ziel $\phi$ erreicht (wobei $\phi$ anfangs falsch war), sodass $z$ gemäß spezifischen Kriterien (Länge, Größe der Fluentsmenge oder eine Kombination) minimal ist. Dies etabliert eine Basiskontrafaktik: Wenn $z$ nicht stattgefunden hätte, würde $\phi$ nicht gelten.
Erreichungsursache in Narrativen: Der Kernbeitrag ist die Definition einer Erreichungsursache für eine spezifische kausale Konstellation $C = \langle z, \phi \rangle$ $C = ⟨ z, ϕ ⟩$ , wobei $z$ $z$ eine bekannte Aktionsgeschichte (Narrativ) ist, die zu $\phi$ $ϕ$ führt.
- Ein Präfix $z' \subseteq z$ $z^{'} \subseteq z$ ist eine Ursache, wenn:
  1. $\phi$ nach jeder Erweiterung von $z'$ innerhalb von $z$ gilt.
  2. Im kontrafaktischen Szenario, in dem $z'$ entfernt wird, die verbleibenden Aktionen in $z$ (gefiltert, um Ausführbarkeit zu gewährleisten) nicht zu $\phi$ führen.
  3. $z'$ minimal ist (kein echtes Teilsequenz erfüllt die oben genannten Bedingungen).
- Entscheidend führen die Autoren eine Filter-Funktion ein, um die kontrafaktische Entfernung von Aktionen zu handhaben. Wenn das Entfernen eines Präfixs $z'$ nachfolgende Aktionen im Narrativ nicht ausführbar macht (z. B. das Fallenlassen eines Objekts, das man nicht mehr hält), entfernt die Filterfunktion diese abhängigen Aktionen aus dem kontrafaktischen Szenario.

Hauptbeiträge

Kontrafaktische Definition in Handlungssprachen: Die Arbeit liefert eine Definition der tatsächlichen Erreichungsursache, die explizit kontrafaktisch ist und sich von den rekursiven, nicht-kontrafaktischen Definitionen von Batusov und Soutchanski unterscheidet.
Verallgemeinerung: Der vorgeschlagene Begriff verallgemeinert sich natürlich auf das Konzept der Erreichungsursache im Kontext von Aktionsgeschichten.
Handhabung disjunktiver Ziele und Präemption: Die Autoren analysieren, wie ihre Definition disjunktive Ziele (z. B. $A \lor B$ ) handhabt. Sie stellen fest, dass in Fällen von Präemption (wo mehrere konkurrierende Aktionen ein Ziel erreichen könnten) ihre Definition die gemeinsame Menge konkurrierender Ereignisse als Ursache behandelt, anstatt ein einzelnes präemptiertes Ereignis zu isolieren. Dies stimmt mit der modifizierten HP-Rechnung überein, bei der die Konjunktion von Ereignissen die Ursache ist.
Formaler Vergleich: Die Arbeit bezieht ihre Rechnung formal auf die Arbeit von Batusov und Soutchanski (Theorem 1) und zeigt, dass die Menge der Erreichungskausalketten im Batusov-Soutchanski-Rahmen eine Teilmenge der von der kontrafaktischen Definition der Autoren identifizierten Präfixe ist.
Vergleich mit HP: Die Autoren vergleichen ihren Ansatz mit der HP-Rechnung und heben hervor, dass HP zwar leistungsfähig ist, aber empfindlich auf Domänenmodellierungsentscheidungen reagiert. Im Gegensatz dazu bietet der Situationskalkül-Ansatz einen einheitlichen Standard (die BAT), steht jedoch vor Herausforderungen bei der Modellierung von verschachtelten, nicht-atomaren konkurrierenden Ereignissen ohne „Hard-Coding" kausaler Beziehungen.

Ergebnisse und Analyse

Beispielanalyse: Durch Beispiele (z. B. eine Blockwelt mit Greifen, Fallenlassen, Löschen und Reparieren) demonstrieren die Autoren, dass ihre Definition erfolgreich minimale Präfixe identifiziert, die Ziele erreichen, während redundante Aktionen herausgefiltert werden.
Disjunktive Ziele: In Szenarien mit disjunktiven Zielen (z. B. Objekt C oder Objekt D halten) identifiziert die Definition korrekt, dass, wenn beide Aktionen erforderlich sind, um sicherzustellen, dass das Ziel im kontrafaktischen Fehlen des Präfixs gilt, das gesamte Präfix die Ursache ist. Wenn eine Aktion allein im kontrafaktischen Fall ausreicht, ist sie nicht die Ursache.
Einschränkungen: Die Autoren räumen ein, dass ihre Definition in Fällen von Präemption, die nicht-atomare, verschachtelte Ereignisse betreffen, kontraintuitiv erscheinen mag. Wenn beispielsweise eine Sequenz $z$ ein Ziel erreicht und das Entfernen eines Präfixs $z'$ den Rest von $z$ nicht ausführbar macht, könnte die Definition Aktionen in $z'$ einschließen, die für das Ziel selbst redundant erscheinen, aber notwendig sind, um den Rest des Narrativs zu ermöglichen. Dies ist eine Konsequenz der strengen kontrafaktischen Anforderung, dass das gesamte verbleibende Narrativ scheitern muss, das Ziel zu erreichen.

Bedeutung und Behauptungen
Die Autoren bescheiden behaupten, dass ihre Rechnung nicht strikt „besser" als bestehende Formalismen ist, sondern eine einfachere, kontrafaktisch basierte Alternative innerhalb des Situationskalküls bietet.

Einfachheit: Die Definition stützt sich auf die „aber-wenn-nicht"-Intuition (wäre die Handlung nicht geschehen, wäre das Ziel nicht wahr), angepasst an reichhaltige Handlungsszenarien, und vermeidet die komplexen rekursiven Strukturen früherer Kausalitätsdefinitionen im Situationskalkül.
Anwendbarkeit: Der Ansatz wird als vorteilhaft für Anwendungen erachtet, die kausales Schlussfolgern in Handlungssprachen erfordern, wie z. B. GOLOG-basierte Robotikprogrammierung.
Nuance: Die Arbeit hebt die spezifischen Nuancen der Anwendung von Kontrafaktika auf disjunktive Ziele hervor, eine bekannte Schwierigkeit bei Definitionen tatsächlicher Kausalität, und positioniert ihren Ansatz des gemeinsamen Ereignisses als vernünftige Lösung, die mit aktuellen HP-Modifikationen konsistent ist.

Die Arbeit schließt mit dem Vorschlag zukünftiger Arbeiten, diese Rechnung auf epistemische Settings (Schlussfolgern über das Wissen von Ursachen) zu erweitern und die Methode für praktische Robotikprogrammierungsaufgaben anzupassen.