QUIP - Eine Plattform zur Lösung komplexer Inferenzaufgaben

Durch die stetig wachsende Anzahl von Informationsquellen (wie etwa das Internet) werden automatisierte Systeme, die rationale Entscheidungen auf Basis von inkonsistentem und unvollständigem Wissen treffen können, immer mehr an Bedeutung gewinnen. Die Forschung auf dem Gebiet der künstlichen Intelligenz (KI) stellt eine Vielzahl von etablierten logikbasierten Methoden zur Verfügung, um mit verschiedenen Aspekten des Schliessens unter unvollständinger Information umzugehen. Insbesondere seien hier die sogenannten "nicht-monotonen" Logiken genannt, die zu dieser Gruppe von Formalismen zählen. Obwohl die entsprechenden Methoden eingehend theoretisch analysiert wurden, existieren für die wenigsten von ihnen konkrete Implementierungen. Ein Grund dafür liegt an der hohen Berechnungskomplexität dieser Formalismen. In diesem Projekt planen wir die Untersuchung von Methoden, um verschiedene Formalismen der Wissensrepräsentation in dynamischen Umgebungen in einer uniformen Weise zu implementieren. Die Grundidee ist, jeden der betrachteten Formalismen in eine gemeinsame logische Sprache zu übersetzen, für die es bereits effiziente Lösungssysteme gibt. Den Ausgangspunkt der Untersuchungen bilden zunächst Formalismen aus dem Bereich der nicht-monotonen Logiken, weitere (eventuell kompliziertere) Formalismen werden im Anschluss betrachtet. Die gemeinsame logische Basis bildet die Sprache der quantifizierten Boole`schen Formeln (QBFs), welche die gewünschte Ausdrucksstärke besitzt, um viele wichtige Wissensrepräsentationsmechanismen beschreiben zu können. Wir planen sowohl die Entwicklung geeigneter Translationen, als auch die Adaptierung und Verbesserung existierender QBF-Algorithmen. Das Ergebnis des Projektes wird eine Plattform für das rasche Entwickeln von automatischen Beweisern für Wissensrepräsentationsmechanismen sein. Das System wird dabei nicht nur für Forscher von Nutzem sein, sondern kann auch für Lehrzwecke an Universitäten eingesetzt werden, sodass Studenten Inhalte von KI- Lehrveranstaltungen in praktisch anschaulicher Weise erlernen können. Ein weiterer wichtiger Aspekt des zu entwickelnden Systems ist der mögliche Einsatz als Inferenzsystem in Multi- Agenten Systemen, welches verschiedenste Typen von intelligenten Agenten beherbergen kann. Solche Agenten können auf Basis von unterschiedlichen Inferenzstrategien operieren und Lösungsanfragen der Agenten können durch das vorgeschlagene System in uniformer Weise bearbeitet werden.