مشكلة التأهيل
تشكل مشكلة التأهيل قضية أساسية في مجال الذكاء الاصطناعي من حيث تمثيل المعرفة والتفكير العملي. يركز على كيفية تحديد جميع الشروط أو العوامل المطلوبة للتنفيذ الناجح لأي عمل أو حدث في بيئة متغيرة. يتضمن هذا السؤال تحديد ومعالجة العقبات المختلفة التي قد تمنع حدوث النتيجة المرجوة.
وقد أشار إليها جون مكارثي لأول مرة في عام 1977. وتشكل هذه المشكلة، إلى جانب مشكلة الإطار ومشكلة التفرع، المشاكل الأساسية الثلاث في نظرية الفعل الرسمي. تتعلق مشكلة الإطار بتحديد ما يبقى دون تغيير بعد حدوث فعل ما، في حين تتعلق مشكلة التفرع بالتأثيرات غير المباشرة التي قد يخلفها فعل ما.
في التطبيقات العملية، تتجلى مشكلة التأهيل في السؤال حول كيفية ضمان أن الإجراء يمكن أن يحقق التأثير المتوقع في موقف معين. على سبيل المثال، قد يكون نظام الذكاء الاصطناعي للسيارة ذاتية القيادة قد تعلم إشارات المرور وإشاراتها في مجموعة بيانات التدريب الخاصة به، ولكن إذا واجه مراقب حركة مرور يحمل علم إشارة أو ضابط شرطة في حالة طوارئ، فقد لا يستجيب النظام بشكل صحيح لأن هذه المواقف لم يتم تضمينها في بيانات التدريب الخاصة به.
إحدى الطرق لحل مشكلة التأهيل هي استخدام نهج البرمجة المنطقية، كما هو الحال في لغة برمجة Flux، حيث يتم التعامل مع مشكلة الإطار الأساسية من خلال حل مبني على Fluent Calculus. تسمح أنظمة التدفق بالتخطيط تحت افتراض افتراضي مفاده أن الإجراءات سوف تنجح كالمعتاد، وتكون قادرة على التفكير في هذه الافتراضات من أجل التعافي من فشل الإجراءات غير المتوقعة.
علاوة على ذلك، يتضمن حل مشكلة التأهيل استخدام أساليب التفكير غير الرتيبة التي تسمح بأخذ المتطلبات الأساسية المحتملة ولكن غير المدرجة صراحة في الاعتبار بالنظر إلى التأثيرات المتوقعة لأي إجراء. يمكن تحقيق ذلك من خلال السماح لمسلمات الحدث بأن تكون قابلة للدحض، أي إذا تم استيفاء جميع المقدمات التصريحية للحدث، فمن الممكن دحض الاستنتاج بأن الحدث سيكون له تأثيره المتوقع.