反应式知识表示与异步推理

在复杂概率模型中进行精确推理通常会产生高昂的计算成本，这一问题在需要频繁实时信念更新的自主代理系统中尤为突出。现有方法在持续推理中效率低下，因为它们在任何变化发生时都会重新评估整个模型，未能利用现实世界信息流具有异质更新率的特点。为了解决这一问题，本文从反应式、异步的概率推理角度出发，提出了一种名为Resin的概率编程语言，该语言结合了概率逻辑与反应式编程。此外，为了提供高效的精确语义，本文还提出了反应式电路（Reactive Circuits, RCs）。RCs被定义为基于代数电路和异步数据流的元结构，是时间动态的有向无环图，能够根据输入信号的波动性自主调整自身结构。在高保真度的无人机群模拟实验中，本文的方法相比频率无关推理实现了多个数量级的速度提升。结果表明，RCs的结构适应性成功捕捉了环境动态，显著降低了延迟并促进了反应式实时推理。通过根据异步输入的估计变化频率对计算进行分区，大型推理任务可以分解为独立记忆化的子问题，从而确保仅重新评估受新信息影响的模型组件，大幅减少流式场景中的冗余计算。