Технология аргументации

В 1980-х и 1990-х годах философские теории аргументации в целом и теория аргументации в частности использовались для решения ключевых вычислительных задач, таких как моделирование немонотонного и опровергаемого рассуждения, а также проектирование надёжных протоколов координации для многоагентных систем^[1]. В то же время были разработаны механизмы вычисления семантики каркасов аргументации как способ вычислительной оценки того, что разумно считать истинным в условиях конфликтующих аргументов^[2].

Отраслевая область получила новый импульс после проведения в 2000 году воркшопа в Шотландском нагорье, итогом которого стала книга, написанная в соавторстве философами аргументации, риториками, юристами и исследователями ИИ^[3]. С тех пор область развивается благодаря специализированным мероприятиям, таким как Международный воркшоп по вычислительным моделям естественной аргументации (CMNA)^[4] (ежегодно с 2001 года), Международный воркшоп по аргументации в многоагентных системах (ArgMAS, ежегодно с 2004 года), Воркшоп по майнингу аргументов^[5] (ежегодно с 2014 года) и конференция по вычислительным моделям аргументации (COMMA)^[6], проводимая раз в два года с 2006 года. С 2010 года в этой области выпускается собственный журнал «Argument & Computation», который издавался Taylor & Francis до 2016 года^[7], а затем — IOS Press^[8].

Одной из трудностей развития технологии аргументации было отсутствие стандартизации представления и понимания аргументов в машиночитаемой форме. Многие программные инструменты для ручного анализа аргументов разрабатывали собственные, зачастую уникальные форматы, отражающие различные взгляды на структуру аргументов^[9]. Отсутствие стандарта приводило к невозможности обмена данными между инструментами и проектами, а также к низкому вторичному использованию трудоёмких ресурсов. Для решения этой проблемы был предложен Формат обмена аргументами^[10], который зафиксировал минимальное множество общих характеристик структуры аргументации с возможностью их расширения.

С 2018 года область интенсивно развивается. Среди крупных проектов — Grand Challenge IBM, система Project Debater, результаты которой опубликованы в Nature в марте 2021 года^[11], всегерманская программа фонда DFG «Надёжные машины аргументации» (RATIO)^[12], начатая в 2019 году. Видеоролик 2021 года, озвученный Стивеном Фраем, даёт обзор общественных мотиваций к развитию технологии аргументации.

Технология аргументации применяется в различных сферах, включая образование, здравоохранение, выработка политических решений, политология, аналитика разведданных и управление рисками, и включает в себя множество подотраслей, методологий и технологий^[13].

Программные помощники по аргументации — это программные средства, которые помогают пользователям при написании аргументов. Они могут содействовать в составлении и коллективном рецензировании содержимого, в том числе в диалоговых контекстах. Такие функции доступны как через веб-сервисы, так и через плагин-архитектуру текстовых редакторов и веб-браузеров. Значительно расширить возможности, например, интернет-форумов можно с помощью таких программных инструментов и сервисов.

ArguBlogging (аргублоггинг) — это программное обеспечение, позволяющее пользователям выделять фрагменты гипертекста на веб-страницах в своих веб-браузерах и выражать согласие или несогласие с выделенным содержимым, публикуя свои аргументы в блогах с привязанными к ним данными об аргументации^[14]. Реализуется в виде букмарклета, расширяя функциональность браузеров и работая с платформами вроде Blogger и Tumblr^[14].

Карты аргументов — визуальные, диаграммные представления аргументов. Такие схемы способствуют диаграммному мышлению и позволяют быстро и эффективно понять суть обсуждаемых вопросов. Карты аргументов могут предоставлять структурированные, полуформальные средства для отображения аргументов с помощью интерактивного визуального языка. Направление исследований включает проектирование онлайн-платформ для коллективного заполнения карт, интеграции данных, оптимизации и оценки аргументов.

Добыча аргументов — это исследовательское направление в области обработки естественного языка. Его цель — автоматическое выделение и идентификация структур аргументации в текстах на естественном языке с помощью программных средств.

Поисковые системы аргументов — это такие системы, которые по тематическому запросу пользователя выдают списки аргументов «за» и «против»^[16][17] или тематически связанных аргументов^[18]. Такие движки могут использоваться для поддержки принятия обоснованных решений и как помощники дебатёров.

Системы автоматизированной оценки аргументированных эссе призваны помогать студентам улучшать навыки письменной речи, измеряя качество аргументированности текста^[19][20].

Технологии дебатов нацелены на взаимодействие человека и машины. Особое место занимают системы, поддерживающие, анализирующие и участвующие в дебатах. Один из наиболее известных примеров — система Project Debater компании IBM^[11], сочетающая заранее подготовленное общение и масштабную обработку новостных статей для идентификации и построения аргументов в реальном времени в условиях конкурентных дебатов. Технологии дебатов также включают инструменты аналитики, разрабатываемые для понимания хода дебатов, зачастую с применением методов науки о данных. Такие системы разрабатываются как в академической^[22], так и в коммерческой^[23] среде.

Системы поддержки принятия решений на основе технологии аргументации могут снижать индивидуальные и групповые когнитивные искажения, обеспечивая более обоснованные решения. Аргументированные системы поддержки помогают пользователю отличать утверждения от доказательств, выражать степень уверенности в аргументах и оценивать силу конкурирующих утверждений^[24]. Их используют, например, для прогнозирования тенденций рынка недвижимости^[24], анализа рисков^[25], этических и юридических решений.

Система поддержки этических решений — это система поддержки принятия решений, которая помогает пользователям в моральных рассуждениях и принятии этических решений^[26][27].

Юридическая система поддержки решений — это специализированная система поддержки принятия решений, призванная помогать пользователям в правовых рассуждениях и юридическом выборе.

Объяснимый искусственный интеллект — это система искусственного интеллекта, чьи действия могут быть легко поняты человеком.

Интеллектуальная обучающая система — это компьютерная система, предназначенная для индивидуализированного обучения и обратной связи без прямого участия преподавателя. Пересечение технологий аргументации и обучающих систем включает специализированные средства, направленные на обучение критическому мышлению, аргументации^[28], этике^[29], праву^[30], математике^[31] и философии.

Юридическая экспертная система — это специализированная экспертная система с применением искусственного интеллекта для автоматизации принятия решений в области права.

Машинная этика — часть этики искусственного интеллекта, посвящённая моральному поведению искусственных агентов. Поскольку люди спорят о морали и этическом поведении, аргументация может рассматриваться как компонент систем машинной этики и компонентов морального рассуждения.

В информатике и математической логике помощник по доказательствам или интерактивный проверяющий теорем — это программное средство, поддерживающее разработку формальных доказательств в сотрудничестве человека и машины. Обычно предусматривается специальный редактор или другой пользовательский интерфейс, с помощью которого человек управляет поиском доказательств, детали и этапы которых сохраняются компьютером.

Этические вопросы, связанные с технологиями аргументации, включают проблемы приватности, прозрачности, общественных последствий и разнообразия при представлении информации. Они затрагивают разные уровни, такие как технология, дизайн пользовательского интерфейса, пользователь, контекст услуги и общество в целом. Существует опасение по поводу неэтичного использования технологий, в частности, автоматической генерации аргументов по спорным темам с заданной позицией и внедрения их на социальных платформах^[32]. Другой вопрос — в дизайне алгоритмов вывода заключений: например, обеспечить выявление необходимости дополнительных ключевых данных, а не просто составление перечней «лучших» выводов, или же создание разных версий вывода на одном и том же наборе данных по различным методикам оценки.