Sprachrepräsentationen für Rechnerische Argumentation

Abstract

Rechnerische Argumentation gilt als eines der komplexesten Anwendungsfelder der Künstlichen Intelligenz. Wie frühere Forschung zeigte, erfordert sie daher hochentwickelte numerische Sprachrepräsentationen. Obwohl das Lernen solcher Repräsentationen zu einem Kernforschungsfeld in der Verarbeitung natürlicher Sprache zählt, gibt es bis heute keine systematische Forschung, die Sprachrepräsentationen für rechnerische Argumentation untersucht. Wir adressieren diese Forschungslücke indem wir fünf Herausforderungen an der Schnittstelle der beiden Areale ableiten und in anwendungsbezogenen Fallstudien bearbeiten: Externes Wissen, Domänenwissen, geteiltes Wissen zwischen Aufgaben, Mehrsprachigkeit und ethische Überlegungen. In diesem Zuge schlagen wir neue Methoden (z.B. zur effizienten Wissensinjizierung), Ressourcen (z.B. neue Annotationsebenen zur Argumentationsstruktur) und Maße (z.B. zur Bestimmung stereotypischer Verzerrungen) vor. Unsere Beiträge werden effektive, effiziente, inklusive und faire Argumentationstechnologien voranbringen.