Neue Berechnungsmethoden für Argumentationsmodelle in der KI

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.

In diesem Forschungsprojekt haben wir computationale Argumentation untersucht. Argumentation ist ein traditionsreiches Gebiet, das bis in die klassische griechische Philosophie zurückreicht. Die "computationale" Variante, sogenannte Computational Argumentation, ist ein Teilgebiet der modernen Künstlichen Intelligenz (KI). Dabei geht es darum, wie man Argumente darstellt, wie verschiedene Argumente miteinander in Beziehung stehen und wie man auf der Grundlage solcher Argumente schlussfolgert. Ein Argument kann zum Beispiel aus Prämissen und einer Schlussfolgerung bestehen, etwa: "Jan behauptet, dass John in Amsterdam ist", wobei die Schlussfolgerung lautet, dass John in Amsterdam ist. Ein anderes Argument könnte zum Schluss kommen, dass Jan hinsichtlich Johns Aufenthaltsort nicht die Wahrheit sagt, was ein Gegenargument zum ersten Argument darstellt. Auf der Basis solcher Argumente und ihrer Beziehungen kann man festlegen, wie argumentatives Schließen durchgeführt wird, z. B. kann ein Argument als akzeptabel gelten, wenn es keinen Grund für das Gegenteil gibt, also kein Gegenargument bekannt ist. Wird ein Gegenargument verfügbar, hängt der Status vom Gegenargument ab. In diesem Forschungsprojekt haben wir einen rechnergestützten Workflow betrachtet, um argumentatives Schließen wie oben beschrieben automatisch durchzuführen. Allgemein begegnet man Herausforderungen wie komplexen Argumentstrukturen, vielen Argumenten und möglicherweise komplizierten Beziehungen zwischen Argumenten. Wir sind diesen Herausforderungen begegnet, indem wir mehrere Aspekte kombinierten: Wir nutzen die interne Struktur von Argumenten, Informationen über die Stärke von Argumenten (ist eines stärker als ein anderes?), den Vertrauensgrad in Argumente sowie Eigenschaften des argumentativen Schließens. Wir entwickelten neuartige algorithmische Ansätze und Open-Access-Softwarewerkzeuge, die argumentatives Schließen effizient ausführen, und testeten diese Werkzeuge auf verschiedene Weise. So organisierten wir beispielsweise einen internationalen Wettbewerb solcher Werkzeuge, um führende Lösungen aus aller Welt zu vergleichen, und wir arbeiteten mit der niederländischen Nationalpolizei an einer Anwendung für argumentatives Schließen zusammen. Zudem ergänzten wir diese Ergebnisse um Ansätze, die Darstellung der Resultate argumentativen Schließens vereinfachen. Wir entwickelten Methoden, komplexe Argumentnetzwerke und komplexe interne Strukturen darzustellen, indem möglicherweise irrelevante Teile abstrahiert werden, wobei die Schlüssigkeit des argumentativen Schließens gewahrt bleibt. Insgesamt hat dieses Forschungsprojekt mehrere Aspekte des automatisierten argumentativen Schließens vorangebracht; dennoch bleiben verschiedene Herausforderungen für zukünftige Arbeiten bestehen. Insbesondere denken wir, dass (i) Wege zur Visualisierung und Darstellung vereinfachten argumentativen Schließens zur besseren Verständlichkeit und (ii) die Verknüpfung moderner Machine-Learning-Ansätze mit Computational Argumentation, etwa in Form des Erlernens, wie Argumente oder ihre interne Struktur konstruiert werden, zu einer weiteren Ausweitung der Anwendbarkeit von Computational Argumentation führen können.