Maschinelles Lernen von formaler Kommunikation

点击翻译按钮获取中文摘要

Das Ziel dieses Projektes im Bereich der Verteilten Künstlichen Intelligenz (VKI) ist die Entwicklung von effizienten Verfahren für i) die maschinelle Vorhersage von semantisch reichhaltiger Kommunikation, erlernt aus der Beobachtung vorangegangener formalsprachlicher Kommunikationen und ii) das maschinelle Verstärkungs-Lernen (Reinforcement Learning) aktiver Kommunikationsfähigkeiten. Kommunikation wird dabei zur rationalen Nutzenmaximierung in offenen stochastischen Umgebungen mit eigennützigen Kommunikationsteilnehmern eingesetzt. Intelligente Computersysteme mit derartigen echten Kommunikationsfähigkeiten wären äußerst nützlich für eine Reihe wichtiger Anwendungen, wie Mensch- Computer-Interaktion (z.B. interaktive Software-Assistenten und Benutzerschnittstellen), automatische Verhandlung und Argumentation, sowie verteilte Koordinations- und Planungsverfahren. Das Projekt zielt ausdrücklich auf einen hohen Grad an Adaptivität, Flexibilität und semantischer Repräsentationsfähigkeit und hebt damit bisherige Kommunikations- Frameworks im Bereich der KI, die lediglich mit einer statisch begrenzten Menge von festen Interaktionsregeln (z.B. Mechanism Design) oder Mustererkennungsverfahren arbeiten (z.B. traditionelle Software- Benutzerassistenten), auf eine neue Ebene. Wir planen Verfahren aus dem Bereich des Probabilistischen Relationalen Maschinellen Lernens und des Multiagent Reinforcement Learning zu kombinieren und sie um eine semantisch reichhaltige formal-logische Repräsentation zu erweitern. Die neu entwickelten Verfahren wollen wir an einem bereits von uns entwickelten Framework für freie Verhandlungen zwischen Softwareagenten und zwischen Softwareagenten und Menschen empirisch und theoretisch evaluieren und deren Relevanz in realen Experimenten nachweisen.