Neue Berechnungsmethoden für Argumentationsmodelle in der KI
A Novel Computational Workflow for Argumentation in AI
Wissenschaftsdisziplinen
Informatik (100%)
Keywords
-
Artificial Intelligence,
Computational Argumentation,
Complexity Analysis
In diesem Forschungsprojekt widmen wir uns dem Gebiet der Argumentationstheorie, konkreter forschen wir im Bereich des automatischen Schließens basierend auf Argumenten. Dieses Gebiet ist in der künstlichen Intelligenz (KI) angesiedelt. Forschung in der Argumentationstheorie innerhalb der KI behandelt, unter anderem, Fragestellungen wie man Argumente formal repräsentieren kann, wie man Argumente zueinander in Beziehung stellen kann und wie man automatische Schlussfolgerungen berechnen kann anhand vorhandener Argumente. Argumente sind im allgemeinen komplexe Strukturen und können vielfältige Formen annehmen. Beispielsweise gibt es Argumente die überzeugen sollen anhand der Autorität der argumentierenden Person. Andere Argumente sollen auf einer emotionalen Ebene überzeugen, oder manche Argumente sollen logisch sein. Argumente können an sich ebenso einfach wie komplex sein. In diesem Projekt verfolgen wir primär das Ziel der automatischen Berechnung von Schlussfolgerungen von Argumenten. Um solche Folgerungen mit einem Computer berechnen zu können benötigen wir formale Spezifikationen dieser Schlussweisen. Der Grund ist recht direkt: Präzise Spezifikationen erlauben es ein Computerprogramm zu schreiben, welches die Schlüsse berechnen kann. Das Gebiet in dem wir uns befinden kann man ins Deutsche als rechnergestützte Argumentation übersetzen. In diesem Bereich wurden mehrere Ansätze vorgeschlagen wie man Argumente formal spezifizieren kann. Ein häufiger Ansatz in diesem Gebiet folgt diesen Schritten: Zuerst werden alle Argumente konstruiert die möglich sind, dann werden Argumente zueinander in Beziehung gesetzt (beispielsweise pro und kontra), und schlussendlich wird berechnet welche Argumente sich schlüssig verteidigen können. Obgleich diese Vorgehensweise auf einer konzeptuellen Ebene sinnig erscheint, ist sie für Berechnungen nicht ideal: Die Berechnung aller möglichen Argumente kann viel Laufzeit beanspruchen und auch potentiell redundante Argumente erzeugen. Eine hohe Anzahl von Argumenten (die jeweils auch komplex sein können) kann ein Hindernis sein für Computer und für Menschen. Computer benötigen unter Umständen lange für die Berechnung und für Menschen kann es schwierig sein viele Argumente zu sichten. An diesem Punkt setzen wir in unserem Projekt an und erforschen alternative Wege um argumentative Schlussfolgerungen zu berechnen. Insbesondere erforschen wir Wege Konklusionen (argumentative Schlussfolgerungen) direkt zu berechnen, ohne Argumente explizit zu machen. Dies ist keineswegs einfach, aber erste Forschungsergebnisse haben gezeigt, dass dies, zumindest in gewissen Situationen, machbar ist. Kurz gesagt wollen wir alternative Abläufe für argumentbasierte Schlussweisen erforschen, welche Argumente nicht explizit generieren, und nur Argumente darstellen wenn diese benötigt werden. Basierend auf diesem Ansatz planen wir akademische Prototypen (Software) zu erstellen um Vorteile, aber auch mögliche Nachteile, dieses Ansatzes zu zeigen.
- Technische Universität Graz - 100%
- Stefan Woltran, Technische Universität Wien , nationale:r Kooperationspartner:in
- Ringo Baumann, Universität Leipzig - Deutschland
- Matti Järvisalo, University of Helsinki - Finnland
Research Output
- 5 Zitationen
- 5 Publikationen
-
2025
Titel Completing Structured Arguments in Assumption-Based Argumentation DOI 10.1007/978-3-032-04587-4_7 Typ Book Chapter Autor Popescu A Verlag Springer Nature Seiten 95-111 Link Publikation -
2023
Titel Reasoning in Assumption-Based Argumentation Using Tree-Decompositions DOI 10.1007/978-3-031-43619-2_14 Typ Book Chapter Autor Popescu A Verlag Springer Nature Seiten 192-208 Link Publikation -
2025
Titel Dynamic Programming Algorithms for Probabilistic Bipolar Argumentation Frameworks DOI 10.1145/3672608.3707819 Typ Conference Proceeding Abstract Autor Popescu A Seiten 1051-1052 -
2024
Titel A Semantical Approach to Abstraction in Answer Set Programming and Assumption-Based Argumentation DOI 10.1007/978-3-031-74209-5_18 Typ Book Chapter Autor Apostolakis I Verlag Springer Nature Seiten 228-234 Link Publikation -
2024
Titel Ranking Transition-Based Medical Recommendations Using Assumption-Based Argumentation DOI 10.1007/978-3-031-63536-6_12 Typ Book Chapter Autor Skiba K Verlag Springer Nature Seiten 202-220 Link Publikation