Abschlussarbeit

Beschreibung:

Argumentation ist ein Konzept, das tief in der menschlichen Kultur verwurzelt ist und das als wesentliches Element unserer Intelligenz angesehen werden kann. Folglich ist es von hoher Bedeutung, dieses Konzept auch in der Künstlichen Intelligenz zu modellieren. In der Literatur wurden bereits vielzählige Konzepte zur Repräsentation von Argumenten und ihrer Interaktion vorgestellt. Ein Themengebiet des Forschungszweigs der Argumentation in der Künstlichen Intelligenz ist die abstrakte Argumentation [1]. Dabei werden Argumentationsstrukturen als gerichtete Graphen - sogenannte (abstrakte) Argumentationssysteme - aufgefasst. Genauer gesagt repräsentieren dabei die Knoten die Argumente und die gerichteten Kanten Angriffe zwischen den Argumenten.

Das Ziel bei der (abstrakten) Argumentation ist die Ableitung von Konklusionen aus dem bereits vorhandenen Wissen. Dies geschieht in der Regel in Form von Extensionen. Eine Extension ist eine Menge von Argumenten, die als sinnvolle Einheit angesehen werden können. Die Argumente innerhalb einer Extension unterliegen also bestimmten Regeln, z.B. dürfen sie sich nicht gegenseitig angreifen. Welche Eigenschaften eine Extension genau erfüllen muss, hängt davon ab, welcher Semantik sie entspricht.

Das umgekehrte Problem - das Problem, aus einer gegebenen Extension bzw. einer Menge von Extensionen das Ausgangsargumentationssystem zu rekonstruieren - fand in der Forschung bisher nur wenig Beachtung. Eine verwandte Problemstellung ist die Elizitierung von abstrakten Argumentationssystemen [3]. Dabei besitzt ein Agent Wissen über ein Argumentationssystem, welches durch das Stellen von Fragen an den Agenten “entlockt” (elizitiert) werden soll. (Beispiel: “Ist {a,b,c} eine präferierte Extension?”) Da die Elizitierung des exakten Argumentationssystems sehr komplex ist, wurde sich zunächst auf die Elizitierung sigma-äquivalenter Argumentationssysteme beschränkt, wobei sigma eine Semantik repräsentiert. Zwei Argumentationssysteme sind sigma-äquivalent, wenn sie die gleichen Extensionen bezüglich der Semantik sigma besitzen.

Ziel der Masterarbeit ist die Entwicklung von Algorithmen zur Elizitierung von sigma-äquivalenten abstrakten Argumentationssystemen unter der Bedingung, dass nur Fragen mit Bezug auf die verschiedenen Extensionen des Systems gestellt werden dürfen. Einige hilfreiche Erkenntnisse bezüglich der Verhältnisse der Semantiken zueinander sind bereits in der Literatur zu finden [2,4,5].

• [1] Phan Minh Dung. On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial intelligence 77.2. 1995.
• [2] Paul E. Dunne et al. Characteristics of multiple viewpoints in abstract argumentation. Artificial Intelligence 228. 2015.
• [3] Isabelle Kuhlmann. Towards Eliciting Attacks in Abstract Argumentation Frameworks. Online Handbook of Argumentation for AI. 2021.
• [4] Isabelle Kuhlmann et al. Distinguishability in Abstract Argumentation. 18th International Conference on Principles of Knowledge Representation and Reasoning. 2021.
• [5] Emilia Oikarinen and Stefan Woltran. Characterizing strong equivalence for argumentation frameworks. Artificial intelligence 175.14-15. 2011