RatioLog

Menschliches Schlussfolgern folgt i.A. nicht den Regeln klassischer Logik. Erklärungen dafür können unvollständiges Wissen, unkorrekte Annahmen oder inkonsistente Normen sein. Von Anfang an legte die Forschung auf dem Gebiet der Künstlichen Intelligenz (KI) großen Wert darauf, Rationalität bzw. Mechanismen dafür in KI-Systeme einzubauen. Rationalität kann dabei nicht auf kognitive Aufgaben beschränkt werden, sondern schließt komplexes Verhalten und die Interaktion mit anderen Subjekten und der physikalischen Umgebung ein.

Dieses Projekt zielt darauf ab, ein gemeinsames Modell für das Schlussfolgern und Verhalten zu etablieren. Dazu soll das logische Schlussfolgern mit der Modellierung kontinuierlicher Systeme kombiniert werden, wobei auf vorhergehende Arbeiten über nicht-monotone Kalküle und hybride Automaten aufgebaut wird. Klassisches logisches Schlussfolgern soll um verschiedene nicht-monotone Aspekte erweitert werden, z.B. Abduktion oder widerlegbare Argumentation. Dies wird nicht nur auf theoretischem Niveau erfolgen, sondern diese Erweiterungen sollen in das existierende Beweis-System E-KRHyper eingebaut werden. LogAnswer, ein Frage-Antwort-System mit offener Domäe, das E-KRHyper und die freie Enzyklop ädie Wikipedia zur Beantwortung natürlichsprachlicher Fragen nutzt, wird zu einem System zur rationalen Fragebeantwortung ausgebaut, die ein exzellentes Testfeld zur Evaluation des rationalen Schließens bietet.

Loganswer

Projekt Seite



LogAnswer ist das Vorgängerprojekt von RatioLog und bildet dessen Grundlage. Das Ziel des Projektes war die Entwicklung eines Systems zur inhaltlichen Beantwortung natürlichsprachlicher Fragen an große textuell gegebene Wissensbestände. Die Antworten sollten dabei mittels logischer Inferenzverfahren aus semantisch strukturierten Wissensbasen hergeleitet werden. Durch den logikbasierten Ansatz kann Hintergrundwissen in Form von Implikationen dargestellt und bei der Inferenz berücksichtigt werden, ein Vorteil gegenüber den meisten herkömmlichen Frage-Antwort-Systemen.

Der LogAnswer-Prototyp nutzt semantische Netze im MultiNet-Formalismus zur Bedeutungsdarstellung der Texte. Die Wissensverarbeitung wird von einem speziellen MultiNet-Beweiser und dem Koblenzer Theorembeweiser E-KRHyper gestützt. Die Forschungsschwerpunkte liegen auf einer Steigerung der Antwortqualität durch tiefe linguistische Analyse und Einbeziehung von Hintergrundwissen, auf der Erarbeitung von Strategien zum Erreichen von akzeptablen Antwortzeiten, auf Techniken zur Robustheitssteigerung der logikbasierten Fragebeantwortung, sowie in der Erstellung einer Problemsammlung zum Testen von logischen Beweisern im Bereich natürlichsprachlicher Frage-Beantwortung.

 

Projektpartner

LogAnswer ist ein von der Deutschen Forschungsgemeinschaft (DFG) gefördertes Gemeinschaftsprojekt der Arbeitsgruppe Intelligente Informations- und Kommunikationssysteme (IICS) von Prof. H. Helbig an der FernUniversität in Hagen und der Arbeitsgruppe Künstliche Intelligenz (AGKI) von Prof. U. Furbach an der Universität Koblenz-Landau. Das IICS steuert zum Projekt die linguistischen Grundlagen und Werkzeuge bei, während die AGKI den deduktiven Bereich behandelt.

Offizielle Projektseite