AURA - Abstraktion für verständliches Schließen in der KI

In den letzten Jahren hat die Forschung im Bereich der Kunstlichen Intelligenz (KI) stark zugenommen. Die Fahigkeiten der dabei entwickelter KI-Agenten verbessern sich immer mehr. Durch die zunehmende Verwendung solcher Agenten ist es wichtig fur den Menschen, ihr Verhalten zu verstehen. Diese Agenten haben jedoch meist einen sehr komplexen Aufbau, wodurch ein solches Verstandnis schwierig ist. Knowledge Representation and Reasoning (KRR) (Wissensreprasentation und Schließen) ist ein Bereich der KI, in dem seit Jahrzehnten flexible und machtige Techniken erforscht werden, um Wissen auszudrucken und Agenten mit der Fahigkeit des logischen Schließens auszustatten. Symbolische und regelbasierte Ausdrucksweisen sind der Schlussel zu mehr Transparenz in der KI. Fur den Menschen ist es jedoch noch immer herausfordernd, mit solchen Ausdrucksweisen zum Kern des Verhaltens vorzudringen, wenn sie komplexer werden oder viele ablenkende Details enthalten. Um sich diesem Problem zu stellen, wird in diesem Projekt angestrebt, Abstraktion einzusetzen. Dies ist eine Methode, die vom Menschen unterbewusst eingesetzt wird, um gegebene Probleme zu vereinfachen, sodass sie le- ichter zu verstehen und zu behandeln sind. Diese Fahigkeit ermoglicht es dem Menschen, relevante Details zu iden- tifizieren und ein ubergeordnetes Verstandnis zu erlangen. In diesem Projekt werden wir solche vom Menschen inspirierte Abstraktionen anwenden, um die Schlusselelemente von regelbasierten Programmen zu erhalten, die nur die relevanten Details widerspiegeln und eine Programmanalyse auf abstrakter Ebene ermoglichen. Wir werden eine theoretische Grundlage fur die Bestimmung von Abstraktionen schaffen, die gut im Sinne der Identifikation von Schlusselelemente fur das Schließen sind. Dies wird zur menschlichen Verstandlichkeit positiv beitragen. Außerdem werden wir uns der Herausforderung stellen, Abstraktionen, die das Wesen des logischen Schließens erfassen, automa- tisch zu berechnen. Damit wollen wir nicht nur die Erklarbarkeit von Entscheidungen, sondern auch die allgemeine Verstandlichkeit von symbolischen und regelbasierten Programmen unterstutzen. Die Untersuchungen in diesem Projekt werden dazu beitragen, eine KRR-Perspektive in die Erklarbarkeit von KI-Systemen einzubringen, indem mehr automatisierte und vom Menschen inspirierte Konzepte zur Problemlosung eingesetzt werden.