Argumentation and Machine Learning: When the Whole is Greater than the Sum of its Parts
Data: 12 agosto 2019, sessione mattutina
Docenti: Federico Cerutti
Sede: Macao, Cina, The Venetian Macao Resort Hotel, Naples 2703-2704
Quando: lunedi' 12 agosto 2019, sessione mattutina.
Dove: Macao, Cina, The Venetian Macao Resort Hotel, Naples 2703-2704.
Docente: Federico Cerutti.
Registrazione
Descrizione breve
L'argumentation technology e' un'area interdisciplinare che negli ultimi due decenni si e' affermata come uno dei paradigmi piu' promettenti per il ragionamento di senso comune e la risoluzione di conflitti, fino a essere impiegata anche in progetti industriali e commerciali come IBM Debater.
Il tutorial introduce dottorandi, ricercatori agli inizi della carriera ed esperti di machine learning a tre filoni principali: i fondamenti dell'argumentation con esempi concreti, gli approcci di argumentation che sfruttano il machine learning, e gli approcci di machine learning che sfruttano l'argumentation, per esempio in chiave di explainability.
Non e' richiesta una conoscenza preliminare della teoria dell'argomentazione.
Descrizione del tutorial
La prima parte mette in evidenza gli elementi teorici che stanno alla base di gran parte delle correnti dell'argumentation, mostrando il legame con epistemologia, diritto e complessita' computazionale. Vengono discussi prototipi di ricerca applicati a casi reali che estendono l'uso dell'argumentation dal ragionamento giuridico al sense-making nell'intelligence analysis.
La seconda parte affronta il contributo del machine learning su due problemi centrali: l'acquisizione della conoscenza, dove l'argument mining gioca un ruolo cruciale, e il miglioramento delle prestazioni degli algoritmi di reasoning attraverso tecniche di selezione automatica e supporto predittivo. Il tutorial passa anche in rassegna gli algoritmi per il calcolo delle estensioni semantiche degli argumentation frameworks.
La parte finale considera i sistemi di apprendimento che includono l'argumentation nell'architettura: in alcuni casi come regolarizzatore, in molti altri come supporto all'explainability e all'accountability algoritmica. L'obiettivo complessivo e' offrire una visione aggiornata e operativa della convergenza fra argumentation technology e machine learning.