래미화 문제

철학과 인공지능(특히 지식 기반 시스템)에서, 래미테이션 문제는 행동의 간접적인 결과와 관련이 있다. 그것은 또한 어떤 작용으로 인해 암묵적으로 일어나는 일을 어떻게 표현하는지 또는 작용의 2차적 및 3차적 영향을 어떻게 제어하는지에 대한 것으로 나타날 수 있다. 프레임 문제와 강하게 연결되며, 프레임 문제의 자격 측면과 반대다.

한계 이론은 운영 사용에 도움이 된다. 예를 들어, 인구 설계의 KBE 유도(지형물 등, 형상 이론에서 유사한 우려가 적용됨)에서 동등성 가정은 잠재적으로 크고 아마도 계산적으로 불확실한 솔루션 세트가 능숙하게 처리되는 수렴을 허용한다. 그러나, 일련의 계산에서, 다운스트림 이벤트는 자신의 알고리즘에 문제가 있는 초기 래미화 분해능에서 얻은 결과의 일부 유형을 매우 잘 발견할 수 있다.