框架问题
Parent: ai_keywords
框架问题（Frame Problem）
【核心定义】
框架问题最早由 McCarthy 和 Hayes（1969）在情境演算中提出，指在人工智能规划与推理中，智能体执行一个动作时，如何高效、完备地确定世界状态中哪些属性保持恒定、哪些发生改变，而无需显式列举所有不受影响的事实。其本质是表征变化与不变性的知识爆炸问题，是经典逻辑推理向动态环境扩展的核心瓶颈。
【关键技术点】
-
框架公理（Frame Axiom）
为每个动作显式声明所有不受其影响的属性。例如，“移动物体不会改变其颜色”。该方法在动作种类和属性增多时导致公理数量组合爆炸。 -
后继状态公理（Successor State Axiom）
源于 Reiter 对情境演算的改进，将每个属性的变化条件与动作的因果关系结合，统一表述“属性在动作后为真 iff 该动作将其变为真，或属性之前为真且动作未将其变为假”。显著压缩了公理规模。 -
非单调逻辑与继承（Default Reasoning）
通过预设“若未明确断言改变，则默认保持不变”，利用缺省规则（如 McCarthy 的“异常理论”）实现简洁推理。但需处理异常的预期与撤销，防止非单调推理中的不一致。 -
基于模型的诊断与因果理论
在机器人规划中，采用因果关系的结构化描述（如因果规则图），只追踪受动作因果链影响的属性，避免全局遍历。相似思路用于动态系统的定性推理。
【医学/神经科学应用场景】
首都医科大学神经病学背景示例：脑卒中后功能康复的规划推理
患者发生左侧大脑中动脉区梗死，治疗动作包括“静脉溶栓”与“早期康复训练”。AI 临床决策支持系统需回答：该动作改变了哪些神经功能指标（如 NIHSS 评分、患侧肌力）、哪些保持不变（如血型、既往降压药方案）。若采用朴素框架公理，系统需为每个动作附加数十条“不会改变记忆”“不会改变晶体折射率”等冗余陈述，导致知识库臃肿且推理效率低下。
应用后继状态公理：定义“患侧肌力”的变化条件——动作“溶栓”若成功使血流通畅，则肌力提升；否则维持原值。同时，默认未在条件中提及的属性（如身高、语言侧半球优势）自动不变。结合非单调继承，系统自动假设“除非新证据（如出血转化）出现，否则心率不受溶栓影响”。这一机制使神经康复规划器能在复杂临床动态中快速推理，避免无意义的不变量罗列，从而为北京地区脑卒中绿色通道提供实时、鲁棒的决策支持。
