RatioLog - Rationale Erweiterungen des Logischen Schließens
Zusammenfassung der Projektergebnisse
Im täglichen Leben sind Menschen mit Problemen konfrontiert, die durch Mehrdeutigkeit und Unsicherheit charakterisiert sind. Dabei folgt das menschliche logische Schließen nicht immer den Regeln der klassischen Logik. Dadurch sind Menschen zwar einerseits anfällig für logische Fehlschlüsse und Täuschungen, andererseits aber in der Lage, logische Schlussfolgerungen zu ziehen, zu denen automatische Theorembeweiser nicht in der Lage sind: Menschen können trotz unvollständigem und inkonsistentem Wissen Schlussfolgerungen ziehen, mit Normen und sogar widersprüchlichen Normen umgehen und ihre Entscheidungen schnell überdenken, wenn sie mit neuen Informationen konfrontiert werden. Im Rahmen des RatioLog-Projekts wurden verschiedene Ansätze verfolgt, um diese Vielseitigkeit des menschlichen Schließens nachzuempfinden. Hierfür kamen diverse Techniken zum Einsatz. Zum einen wurde auf automatisches Theorembeweisen gesetzt. Der Theorembeweiser Hyper, der auch als Reasoning-Komponente im LogAnswer-System zum Einsatz kommt, wurde im Rahmen des Projekts um viele Funktionen wie die Behandlung der Unique Name Assumption, Verarbeitung von sehr großen Wissensbasen, Zirkumskription und auch für deontische Logik erweitert. Diese Erweiterungen erlauben es, dass Hyper nun in vielen Bereichen des Commonsense-Reasonings eingesetzt werden kann. Beispielsweise können mit deontischer Logik gesellschaftliche Normen formalisiert werden und mit Hyper daraus Schlüsse gezogen werden. Einen weiteren wichtigen Aspekt beim menschlichen Schließen stellt sich dynamisch veränderndes Wissen dar. Deshalb wurde im Rahmen des Projekts die Veränderung der Instanzbasis von Wissensbasen untersucht. Für die Berechnung der Resultate dieser Veränderungen kamen auch hier wieder die entwickelten Erweiterungen von Hyper zum Einsatz. Wie oben gesagt, werden Menschen im täglichen Leben ständig mit unsicherem Wissen und Ausnahmen konfrontiert und sind trotzdem in der Lage, logische Schlüsse zu ziehen. Um diesen Aspekt des menschlichen Schließens zu modellieren, haben wir uns im Projekt mit Theorien der Argumentation auf Grundlage des Defeasible Reasoning beschäftigt. Die Anwendbarkeit von verschiedenen Ansätzen des Defeasible Reasonings mit Spezifizität auf die Beantwortung natürlichsprachlicher Fragen wurde untersucht. Dabei wurde das Kriterium der Spezifizität einer Antwort auf eine natürlichsprachlichen Frage weiterentwickelt zu einer validen Ordnungsrelation. Um die im Projekt entwickelten Ansätze zu evaluieren, wurden Daten des LogAnswer-Systems auf den Datensätzen der CLEF-2008 herangezogen. Darüber hinaus wurden Techniken aus dem Maschinellen Lernen im Projekt eingesetzt, um die vom LogAnswer-System gelieferten Antwortkandidaten zu bewerten. Für diese Aufgabe wurde Case-Based-Reasoning verwendet.
Projektbezogene Publikationen (Auswahl)
-
Semantically guided evolution of SHI ABoxes. In Didier Galmiche and Dominique Larchey-Wendling, editors, Automated Reasoning with Analytic Tableaux and Related Methods 22nd International Conference, TABLEAUX 2013, Nancy, France, 2013, Proceedings, volume 8123 of Lecture Notes in Computer Science, pages 134–148. Springer, 2013
Ulrich Furbach and Claudia Schon
-
The RatioLog project: Rational extensions of logical reasoning. KI, 29(3):271–277, 2015
Ulrich Furbach, Claudia Schon, Frieder Stolzenburg, Karl-Heinz Weis, and Claus-Peter Wirth
