Fachpraktikum Künstliche Intelligenz (01522) im Wintersemester 2021/22

Erläuterungen:

Das Themengebiet des Schlussfolgerns (engl. Reasoning) ist im Bereich der Künstlichen Intelligenz einzuordnen und befasst sich mit der Ermittlung von Konklusionen aus gegebenem Wissen. Als Teilgebiet des Schlussfolgerns befasst sich die formale Argumentation mit der Interaktion zwischen Argumenten und Gegen­ar­gu­men­ten. Obgleich verschiedene Ansätze im Bereich der formalen Argumentation existieren, liegt der Fokus dieses Fachpraktikums auf den sogenannten abstrakten Argumen­ta­tions­sys­temen nach Dung [1]. Hierbei werden Ar­gu­men­ta­tions­sze­na­rien als gerichtete Graphen repräsentiert, wobei die Argumente als Knoten und die Konflikte zwischen ihnen als gerichtete Kanten dargestellt werden. Genauer stellt eine Kante in einem solchen Graphen einen Angriff eines Arguments auf ein anderes dar. Im Kontext solcher abstrakter Argu­men­ta­tions­sys­teme ist es üblicherweise von Interesse, sogenannte Extensionen zu identifizieren, d.h. Mengen von Argumenten, die gemeinsam akzeptierbar sind und somit eine kohärente Perspektive auf das Ergebnis der Argumentation bieten.
Bisherige Arbeiten zur Schlussfolgerung mit Hilfe abstrakter Argumentation konzentrieren sich meist auf korrekte und vollständige Ansätze. Solche Verfahren haben zwar den Vorteil, immer die korrekten Ergebnisse zu liefern, können aber je nach Datenlage sehr lange Berech­nungs­zeiten mit sich bringen. Daher sollte das Potenzial von appro­xi­ma­tiven Methoden nicht außer Acht gelassen werden. Solche Verfahren haben den Vorteil, in der Regel deutlich schneller zu sein als exakte, jedoch auch den Nachteil, dass nicht garantiert werden kann, dass die Ergebnisse auch tatsächlich korrekt sind. In [3] wird eine bestimmter Typ neuronaler Netze, ein Graph Convolutional Network, trainiert, um zu entscheiden, ob Argumente in einer Extension enthalten sind oder nicht. Da die Gesamt­klas­sifi­zie­rungs­ge­nauig­keit nur bei etwa 80% liegt, werden in den beiden Folgearbeiten [1] und [4] anspruchsvollere Ansätze vorgestellt.
Das Ziel dieses Fachpraktikums besteht darin, zunächst die Resultate aus [1], [3], und [4] zu reproduzieren und darauf aufbauend die approximierten Resultate als Heuristik in einen exakten Ansatz, wie etwa in [5] beschrieben, einzubetten, um die Berechnungs- bzw. Lösungs­ge­schwin­dig­keit eines solchen Verfahrens zu erhöhen. Somit sollen die Vorteile beider Ansätze – Exaktheit auf der einen und hohe Geschwindigkeit auf der anderen Seite – kombiniert werden, um die praktische Anwendung von Argumentationssystemen zu erleichtern.

• [1] Craandijk, D., Bex, F. (2020). Deep Learning for Abstract Argumentation Semantics. In Proceedings of the Twenty-Ninth International Joint Conference on Artificial Intelligence (IJCAI-20) (pp. 1667-1673).
• [2] Dung, P. M. (1995). On the acceptability of arguments and its fundamental role in nonmonotonic reasoning, logic programming and n-person games. Artificial intelligence, 77(2) (pp. 321-357).
• [3] Kuhlmann, I., Thimm, M. (2019). Using Graph Convolutional Networks for Approximate Reasoning with Abstract Argumentation Frameworks: A Feasibility Study. In International Conference on Scalable Uncertainty Management (pp. 24-37). Springer, Cham.
• [4] Malmqvist, L., Nightingale, P., Manandhar, S. (2020). Determining the Acceptability of Abstract Arguments with Graph Convolutional Networks. Third International Workshop on Systems and Algorithms for Formal Argumentation (SAFA2020).
• [5] Geilen, L., Thimm, M. (2017). Heureka – A General Heuristic Backtracking Solver for Abstract Argumentation. In Proceedings of the 2017 International Workshop on Theory and Applications of Formal Argument (TAFA’17).

Inhaltliche Voraussetzungen:

Grundlagen der Graphentheorie sind für das Verständnis von abstrakten Argumentationssystemen von Vorteil. Erfahrungen mit Python und Bibliotheken wie TensorFlow/PyTorch sind hilfreich und müssen ggfs. im Eigenstudium für das Praktikum gemacht werden.

Formal nach Prüfungsordnung:

• B.Sc. Informatik: Studieneingangsphase ist abgeschlossen, die Module Grundpraktikum Programmierung, Grundlagen der Theoretischen Informatik und Softwaresysteme sind bestanden
• M.Sc. Informatik: erfolgreicher Abschluss von zwei Wahlpflichtmodulen
• M.Sc. Praktische Informatik: erfolgreicher Abschluss von zwei Wahlpflichtmodulen
• M.Sc. Wirtschaftsinformatik: erfolgreicher Abschluss von drei Wahlpflichtmodulen

Für alle bereits seit dem Sommersemester 2019 oder früher eingeschriebenen Studierenden in Studiengängen der Informatik gelten Übergangsbestimmungen gemäß der Prüfungsordnung.

Bemerkungen:

Das Fachpraktikum beginnt mit einer Online-Einführungsveranstaltung, bei der eine Übersicht über die formale Argumentation, sowie die zu bearbeitende Problemstellung gegeben wird. In einer ersten Phase des Praktikums werden zunächst in kleineren Teams die Ansätze aus [1], [3], und [4] reproduziert und damit Erfahrungen mit dem Thema gesammelt. In der zweiten Phase the Praktikums wird darauf aufbauend 1.) ein neuer Ansatz zur Approximation entwickelt und 2.) dieser als Heuristik in den Ansatz aus [5] integriert. Am Ende des Praktikums ist die entwickelte Software und eine schriftliche Ausarbeitung abzugeben. In einer finalen Veranstaltung hält jeder Teilnehmer einen Vortrag von ca. 10 Minuten zu einem Teilaspekt des Praktikums.