Waarom is dit belangrijk?
Aanpakken van het frame-probleem laat een programma de gevolgen van een stap afleiden zonder elke andere eigenschap opnieuw te controleren. In de wetenschap gebruiken onderzoekers die aanpak in de kunstmatige intelligentie en bij de studie van hoe kennis wordt bijgewerkt. Studenten en onderzoekers lopen het risico dat een onvolledig programma een stap verkeerd inschat, of dat het nalopen van alle feiten het rekenwerk te zwaar maakt.
Zo werkt het in de praktijk
De International Planning Competition gebruikt de planningstaal PDDL voor een domein, een starttoestand en een doel. Die taal bouwt voort op STRIPS van het Stanford Research Institute. STRIPS vermijdt het frame-probleem wanneer de toestand volledig bekend is.
Onderzoek naar het frame-probleem leverde de opvolgregels van Ray Reiter op. Elke veranderlijke eigenschap krijgt één regel in de situatiecalculus, een logica voor toestanden na acties. Het Yale-schietprobleem van Hanks en McDermott liet zien dat minimale verandering niet altijd de bedoelde afloop geeft.
In answer-set programming, rekenen met logische aannames, blijft een feit waar op het volgende tijdstip zolang andere regels dat toelaten. De frame rule in separation logic, een bewijsmethode voor programma's en geheugen, laat een bewijs over één geheugengebied geldig blijven naast een apart gebied.




