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. Log-Answer, ein Frage-Antwort-System mit offener Domäne, das E-KRHyper und die freie Enzyklopädie Wikipedia zur Beantwortung natürlichsprachlicher Fragen nutzt, wird zu einem System zur rationalen Fragebeantwortung ausgebaut, die ein exzellentes Testfeld zur Evaluation des rationalen Schließens bietet.