Waarom is dit belangrijk?
Bouwers van kennissystemen houden hun regels bruikbaar door niet elke mogelijke voorwaarde van een handeling vooraf op te eisen. In de robotica belemmert het kwalificatieprobleem een robot bij het uitvoeren van een gewone taak, zodra een omstandigheid buiten de planning valt. Voor studenten en werknemers betekent het dat een machine een klus soms kan laten liggen, ook wanneer de opgeschreven stappen juist lijken.
Zo werkt het in de praktijk
Aan Stanford University beschreef John McCarthy circumscription als werkwijze voor programma’s met gezond verstand. Zo’n programma springt naar een conclusie: wat het niet als uitzondering kan afleiden, telt het niet mee. Die stap gebruiken programma’s wanneer zij een handeling kiezen op basis van logische zinnen.
In het tijdschrift Artificial Intelligence onderzocht Michael Thielscher een gebrek van die aanname. Als een programma zo min mogelijk uitzonderingen zoekt, kan het een verkeerd model maken. Zijn voorstel gebruikt oorzaak en gevolg, binnen het Fluent Calculus, een logische taal voor veranderende situaties.
Het kwalificatieprobleem hoort bij niet-monotone logica. Daarin kan een eerdere conclusie vervallen als er nieuwe feiten bijkomen. Circumscription geldt daarbij als extra regel naast de gewone afleidingsregels van de logica.




