Wat is modelgebaseerd redeneren?

Modelgebaseerd redeneren is het gebruik van een werkmodel en bijbehorende waarnemingen uit de praktijk om conclusies te trekken. Het speelt een belangrijke rol in kunstmatige logische systemen en in de redenering in de wetenschappen. Het creëren van het model is het tijdrovende aspect van deze aanpak, omdat het noodzakelijk is om het model zo diep, complex en gedetailleerd mogelijk te maken om de beste resultaten te bereiken. Zodra een werkmodel is opgesteld, kan het ook periodieke updates vereisen.

In een voorbeeld van modelgebaseerd redeneren zou een bedrijf een werkend neurologisch model van het menselijk lichaam kunnen ontwikkelen. Het model bevat normaal gesproken informatie over het netwerk van verbindingen in het centrale en perifere zenuwstelsel. Gegevens over symptomen van neurologische problemen kunnen in het systeem worden ingebouwd, met behulp van observaties om een ​​matrix van bekende informatie te creëren. Een gebruiker kan mogelijk met het model communiceren door symptomen van de patiënt in te voeren, zoals onduidelijke spraak en ongelijk verwijde pupillen, en het zou een mogelijke diagnose, zoals een beroerte, opleveren.

Dergelijke systemen kunnen een breed scala aan toepassingen in de wetenschappen hebben. Met kunstmatige systemen kunnen onderzoekers hypothesen verkennen en testen. Op modellen gebaseerde redenering kan ook de ruggengraat zijn van een monitoringsysteem dat waarschuwingen verzendt op basis van invoer. Met klimaatmodellering kunnen computers bijvoorbeeld informatie over de huidige weersomstandigheden opnemen en deze door een model laten lopen om informatie te verschaffen over ontluikende tropische stormen en andere zorgwekkende meteorologische gebeurtenissen. Door bepaalde taken te automatiseren, kunnen onderzoekers zich concentreren op andere onderwerpen waarvoor een complexere redenering nodig is.

Hetzelfde concept kan ook ten grondslag liggen aan sommige vormen van wetenschappelijk denken. Onderzoekers onderhouden werkmodellen over wetenschappelijke concepten, zoals hoe tektonische platen werken, en maken observaties om het model te versterken en een compendium van ondersteunende informatie te ontwikkelen. Hiermee kunnen ze conclusies trekken over wetenschappelijke gebeurtenissen, op basis van wat ze weten van het model en de observaties die ze hebben gedaan. Als onderzoekers bijvoorbeeld een vulkaan volgen, kan de redenering op basis van het model hen in staat stellen een evacuatiewaarschuwing te geven als het gedrag van de vulkaan consistent is met een op handen zijnde uitbarsting.

Het ontwikkelen van modellen kan tijd, geduld en input van een aantal bronnen vergen. Hoe meer gegevenspunten, hoe nauwkeuriger en gedetailleerder modelgebaseerd redeneren kan zijn. Dit kan modelbouwers helpen potentieel kostbare fouten te voorkomen, zoals het niet anticiperen op een probleem dat met meer gegevens zou zijn opgetreden. Wanneer waarnemingen binnenkomen, kunnen deze worden toegevoegd aan het geheel van kennis, wat kan leiden tot verschuivingen naar het model. Een waarneming kan bijvoorbeeld aantonen dat een regel op basis van het model eigenlijk onjuist is, of geen rekening houdt met een bepaalde variabele.