Argumentatives Schlussfolgern in unsinnigen Situationen

• Antragsteller: Professor Dr. Matthias Thimm
• Fachliche Zuordnung: Künstliche Intelligenz und Maschinelle Lernverfahren ; Theoretische Informatik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 550735820

Im Projekt ARNS betrachten wir das Problem des argumentativen Schlussfolgerns in logik-basierten Wissensrepräsentationsansätzen, wenn die repräsentierte Information fehlerhaft im Sinne der Nichtexistenz von nicht-trivialen Schlussfolgerungen ist. Wir werden den formalen Rahmen der abstrakten Argumentation und den Begriff der "vacuity" betrachten, der solche fehlerhaften Situationen charakterisiert. Genauer gesagt ist ein abstrakter Argumentationsgraph "vacuous" (in Bezug auf eine gegebene Semantik), wenn es keine nicht-leere Menge von akzeptablen Argumenten gibt. In diesem Projekt wird der Begriff der "vacuity" eingehend untersucht und es werden Methoden entwickelt, um damit umzugehen. Insbesondere werden wir neue Argumentationssemantiken und Methoden zur Erklärung und Messung von "vacuity" entwickeln, sowie die Konzepte der "initial sets" und Serialisierungssequenzen für fehlerhaften Situationen einführen, die helfen, die genauen Probleme im repräsentierten Wissen aufzuzeigen. Während wir uns hauptsächlich auf den Formalismus der abstrakten Argumentation konzentrieren werden, werden wir die neu entwickelten Konzepte auch auf Verallgemeinerungen von abstrakten Argumentationsgraphen anwenden, insbesondere auf bipolare Argumentationsgraphen, Argumentationsgraphen mit rekursiven Angriffen und Argumentationsgraphen mit kollektiven Angriffen, sowie auf strukturierte Formalismen, insbesondere ASPIC+.

• DFG-Verfahren: Sachbeihilfen