एक तर्कनिर्माण ढांचा (आर्गुमेंटेशन फ्रेमवर्क) कृत्रिम बुद्धिमत्ता और ज्ञान प्रतिनिधित्व में उपयोग की जाने वाली एक औपचारिक संरचना है, जो तर्कों और उनके बीच के विरोधों को मॉडल करती है। यह विश्लेषण के लिए एक गणितीय आधार प्रदान करता है कि तर्कों का एक समूह सामूहिक रूप से कब स्वीकार्य हो सकता है, भले ही वे एक-दूसरे का खंडन करते हों। यह ढांचा व्यक्तिगत तर्कों की आंतरिक सामग्री को अलग रखता है, और इसके बजाय उनके बीच विद्यमान द्विआधारी आक्रमण संबंध पर ध्यान केंद्रित करता है। यह अमूर्तन उन तर्क पैटर्नों के अध्ययन की अनुमति देता है जो खंडनीय (डिफीज़िबल) होते हैं, जिसका अर्थ है कि नए प्रतितर्कों के सामने निष्कर्ष वापस लिए जा सकते हैं, जो मानव सामान्य ज्ञान तर्क की एक प्रमुख विशेषता है।
1995 में फान मिन्ह डुंग द्वारा प्रस्तुत, यह ढांचा कम्प्यूटेशनल आर्गुमेंटेशन का आधारशिला बन गया है। इसका उपयोग विविध अनुप्रयोगों में होता है, कानूनी तर्क और बहु-एजेंट प्रणालियों से लेकर प्राकृतिक भाषा प्रसंस्करण और निर्णय समर्थन तक। मूल विचार सरल है: तर्कों के एक समूह और एक संबंध को देखते हुए जो दर्शाता है कि कौन से तर्क किन पर आक्रमण करते हैं, विभिन्न शब्दार्थ (सेमैंटिक्स) परिभाषित किए जा सकते हैं जो निर्दिष्ट करते हैं कि कौन से तर्क स्वीकार्य माने जाते हैं। ये शब्दार्थ स्वीकार्यता (एडमिसिबिलिटी) की धारणा पर आधारित हैं, जहां तर्कों का एक समूह स्वीकार्य है यदि वह सभी आक्रमणों के खिलाफ अपनी रक्षा कर सकता है।
औपचारिक परिभाषा
औपचारिक रूप से, एक तर्कनिर्माण ढांचा एक जोड़ी ⟨A, R⟩ है, जहां A तर्कों का एक परिमित समूह है और R, A पर एक द्विआधारी संबंध है, अर्थात R ⊆ A × A। दो तर्कों a और b के लिए, संकेतन (a, b) ∈ R (या a R b) का अर्थ है कि तर्क a, तर्क b पर आक्रमण करता है। ढांचे को अक्सर एक निर्देशित ग्राफ के रूप में दर्शाया जाता है, जहां नोड तर्क होते हैं और किनारे आक्रमणों को दर्शाते हैं। यह ग्राफ-आधारित प्रतिनिधित्व ढांचे की अपील का केंद्र है, क्योंकि यह स्वीकार्यता की गणना के लिए ग्राफ-सैद्धांतिक एल्गोरिदम के अनुप्रयोग की अनुमति देता है।
एक समूह S ⊆ A को संघर्ष-मुक्त कहा जाता है यदि S में कोई तर्क a और b नहीं हैं जैसे कि a, b पर आक्रमण करता है। एक तर्क a ∈ A, S के संबंध में स्वीकार्य है यदि प्रत्येक तर्क b के लिए जो a पर आक्रमण करता है, S में एक तर्क c मौजूद है जो b पर आक्रमण करता है। इस मामले में, c को b के खिलाफ a की रक्षा करना कहा जाता है। एक संघर्ष-मुक्त समूह S स्वीकार्य है यदि S में प्रत्येक तर्क S के संबंध में स्वीकार्य है। ये परिभाषाएँ विभिन्न विस्तार-आधारित शब्दार्थों का आधार बनती हैं।
विस्तार-आधारित शब्दार्थ
डुंग के मूल पेपर ने कई शब्दार्थों को परिभाषित किया जो स्वीकार्य तर्कों के समूह उत्पन्न करते हैं, जिन्हें विस्तार (एक्सटेंशन) कहा जाता है। सबसे बुनियादी पूर्ण शब्दार्थ है। एक स्वीकार्य समूह S एक पूर्ण विस्तार है यदि इसमें वे सभी तर्क शामिल हैं जो S के संबंध में स्वीकार्य हैं। पूर्ण विस्तार हमेशा मौजूद होते हैं, लेकिन कई हो सकते हैं। आधारभूत (ग्राउंडेड) शब्दार्थ न्यूनतम पूर्ण विस्तार (समूह समावेशन के संबंध में) का चयन करता है, जो अद्वितीय होता है। इसकी गणना खाली समूह से शुरू करके और एक निश्चित बिंदु तक पहुंचने तक सभी स्वीकार्य तर्कों को पुनरावृत्त रूप से जोड़कर की जाती है। आधारभूत विस्तार सबसे संदेहवादी स्थिति का प्रतिनिधित्व करता है, जिसमें केवल वे तर्क शामिल होते हैं जो सभी संभावित रक्षाओं पर विचार करने पर भी अपराजित रहते हैं।
पसंदीदा (प्रिफर्ड) शब्दार्थ अधिकतम (समूह समावेशन के संबंध में) स्वीकार्य समूहों का चयन करता है। ये विस्तार अधिक विश्वासपूर्ण (क्रेडुलस) स्थितियों का प्रतिनिधित्व करते हैं, क्योंकि वे स्वीकार्यता बनाए रखते हुए जितना संभव हो उतने तर्क शामिल करते हैं। स्थिर (स्टेबल) शब्दार्थ, एक और महत्वपूर्ण शब्दार्थ, आवश्यकता है कि एक संघर्ष-मुक्त समूह S, S में नहीं होने वाले प्रत्येक तर्क पर आक्रमण करता है। स्थिर विस्तार पसंदीदा विस्तार होते हैं लेकिन सभी पसंदीदा विस्तार स्थिर नहीं होते। आदर्श (आइडियल) शब्दार्थ, जो बाद में पेश किया गया, आधारभूत और पसंदीदा के बीच एक मध्य मार्ग प्रदान करता है, जो अधिकतम स्वीकार्य समूह का चयन करता है जो सभी पसंदीदा विस्तारों में निहित होता है।
अमूर्त और संरचित तर्कनिर्माण
ऊपर वर्णित ढांचा अमूर्त है क्योंकि यह तर्कों की आंतरिक संरचना पर विचार नहीं करता है। इसके विपरीत, संरचित तर्कनिर्माण दृष्टिकोण, जैसे ASPIC+ और डिफीज़िबल लॉजिक प्रोग्रामिंग (DeLP), अनुमान नियमों का उपयोग करके ज्ञान आधार से तर्कों का निर्माण करते हैं और फिर उन तर्कों से एक अमूर्त ढांचा प्राप्त करते हैं। यह ज्ञान के अधिक सूक्ष्म प्रतिनिधित्व की अनुमति देता है, लेकिन बढ़ी हुई कम्प्यूटेशनल जटिलता की कीमत पर। अमूर्त ढांचा उच्च-स्तरीय विश्लेषण उपकरण के रूप में उपयोगी बना हुआ है, और अमूर्त ढांचे के बारे में कई परिणाम संरचित सेटिंग्स में स्थानांतरित किए जा सकते हैं।
कम्प्यूटेशनल गुण
विभिन्न शब्दार्थों के तहत विस्तारों की गणना का व्यापक अध्ययन किया गया है। परिमित ढांचे के लिए, आधारभूत विस्तार की गणना बहुपद समय में की जा सकती है, क्योंकि इसमें एक सरल पुनरावृत्त प्रक्रिया शामिल है। हालांकि, यह निर्धारित करना कि क्या एक दिया गया तर्क कम से कम एक पसंदीदा विस्तार में है (विश्वासपूर्ण स्वीकृति) NP-पूर्ण है, और यह निर्धारित करना कि क्या यह सभी पसंदीदा विस्तारों में है (संदेहवादी स्वीकृति) co-NP-पूर्ण है। स्थिर शब्दार्थ समान रूप से जटिल हैं, स्थिर विस्तार का अस्तित्व NP-पूर्ण होने के साथ। इन जटिलता परिणामों ने एल्गोरिदम और सॉल्वरों के विकास को प्रेरित किया है, जो अक्सर प्रस्तावक संतुष्टि (SAT) या उत्तर समुच्चय प्रोग्रामिंग (ASP) में कटौती पर आधारित होते हैं। अंतर्राष्ट्रीय प्रतियोगिता ऑन कम्प्यूटेशनल मॉडल्स ऑफ आर्गुमेंटेशन (ICCMA) 2015 से ऐसे सॉल्वरों को बेंचमार्क करने के लिए आयोजित की गई है।
AI में अनुप्रयोग
तर्कनिर्माण ढांचे ने Artificial intelligence के कई क्षेत्रों में अनुप्रयोग पाए हैं। कानूनी तर्क में, वे एक मामले के पक्ष और विपक्ष को मॉडल करने में मदद करते हैं, जहां क़ानून और मिसालें एक-दूसरे पर आक्रमण करती हैं। बहु-एजेंट प्रणालियों में, एजेंट बातचीत या सर्वसम्मति तक पहुंचने के लिए तर्कनिर्माण का उपयोग कर सकते हैं, प्रत्येक एजेंट दूसरों के तर्कों पर आक्रमण करने वाले तर्क प्रस्तावित करता है। Machine learning में, तर्कनिर्माण का उपयोग व्याख्यात्मक AI के लिए किया गया है, जहां एक मॉडल की भविष्यवाणी के पीछे का तर्क एक तर्कनिर्माण ढांचे के रूप में दर्शाया जाता है, जिससे उपयोगकर्ता निर्णय को प्रश्न और चुनौती दे सकते हैं। उदाहरण के लिए, एक क्लासिफायर के आउटपुट को समर्थन तर्कों के एक समूह द्वारा उचित ठहराया जा सकता है, और प्रतितर्कों को आक्रमण के रूप में प्रस्तुत किया जा सकता है।
प्राकृतिक भाषा प्रसंस्करण में, तर्कनिर्माण ढांचे का उपयोग तर्क खनन (आर्गुमेंट माइनिंग) के लिए किया जाता है, जो पाठ से तर्कों और उनके संबंधों को निकालने का कार्य है। निकाली गई संरचना का विश्लेषण ढांचे के शब्दार्थों का उपयोग करके किसी स्थिति की समग्र ताकत निर्धारित करने के लिए किया जा सकता है। इसके अनुप्रयोग बहस विश्लेषण, फर्जी खबरों का पता लगाने और राय सारांशीकरण में हैं। ढांचे की परस्पर विरोधी जानकारी को संभालने की क्षमता इसे इन कार्यों के लिए विशेष रूप से उपयुक्त बनाती है, जहां स्रोत अक्सर असहमत होते हैं।
अन्य औपचारिकताओं से संबंध
तर्कनिर्माण ढांचे अन्य गैर-एकरस (नॉन-मोनोटोनिक) औपचारिकताओं से निकटता से संबंधित हैं, जैसे डिफ़ॉल्ट तर्क और विफलता के रूप में निषेध के साथ तर्क प्रोग्रामिंग। वास्तव में, डुंग ने दिखाया कि तर्क प्रोग्रामिंग को तर्कनिर्माण के एक विशेष मामले के रूप में व्याख्या किया जा सकता है, जहां प्रत्येक नियम एक तर्क से मेल खाता है और आक्रमण परस्पर विरोधी निष्कर्षों से उत्पन्न होते हैं। इस संबंध ने विचारों के एक उपयोगी आदान-प्रदान को जन्म दिया है, जिसमें एल्गोरिदम और शब्दार्थ क्षेत्रों के बीच स्थानांतरित किए जाते हैं। ढांचा खेल सिद्धांत से भी संबंधित है, क्योंकि तर्कों की स्वीकार्यता को दो-खिलाड़ी संवाद खेल में जीतने की रणनीतियों के अस्तित्व के संदर्भ में चित्रित किया जा सकता है, जहां एक खिलाड़ी एक तर्क प्रस्तावित करता है और दूसरा उस पर आक्रमण करता है।
विस्तार और विविधताएँ
अपनी शुरुआत के बाद से, मूल ढांचे के कई विस्तार प्रस्तावित किए गए हैं। द्विध्रुवीय तर्कनिर्माण ढांचे समर्थन के लिए एक दूसरा संबंध जोड़ते हैं, जिससे तर्क एक-दूसरे को मजबूत कर सकते हैं। भारित तर्कनिर्माण ढांचे आक्रमणों को भार निर्दिष्ट करते हैं, जो संघर्ष की सापेक्ष ताकत का प्रतिनिधित्व करते हैं। मूल्य-आधारित तर्कनिर्माण ढांचे उन मूल्यों को शामिल करते हैं जिन्हें तर्क बढ़ावा देते हैं, जिससे अधिक सूक्ष्म तुलना की अनुमति मिलती है। संभाव्य तर्कनिर्माण ढांचे तर्कों या आक्रमणों को संभावनाएं निर्दिष्ट करते हैं, जिससे अनिश्चितता के तहत तर्क करना संभव हो जाता है। ये विविधताएं ढांचे की अभिव्यंजक शक्ति को बढ़ाती हैं लेकिन शब्दार्थ और गणना को भी जटिल बनाती हैं।
ढांचे को अन्य AI तकनीकों के साथ भी एकीकृत किया गया है। उदाहरण के लिए, Deep learning में, तर्कनिर्माण का उपयोग कई Neural network मॉडलों के आउटपुट को संयोजित करने के लिए किया गया है, जहां प्रत्येक मॉडल की भविष्यवाणी एक तर्क है और असहमति आक्रमण हैं। यह समूह दृष्टिकोण मजबूती में सुधार कर सकता है और संघर्ष समाधान के लिए एक तंत्र प्रदान कर सकता है। Large language model के संदर्भ में, तर्कनिर्माण ढांचे का उपयोग मॉडल के तर्क को संरचित करने के लिए किया जा सकता है, जिससे इसके आउटपुट अधिक पारदर्शी और सत्यापन योग्य हो जाते हैं, हालांकि यह अनुसंधान का एक सक्रिय क्षेत्र बना हुआ है।
वर्तमान अनुसंधान दिशाएँ
तर्कनिर्माण ढांचे में समकालीन अनुसंधान कई मोर्चों पर केंद्रित है। एक बड़े पैमाने के ढांचे के लिए कुशल एल्गोरिदम का विकास है, जो समानांतर कंप्यूटिंग और अनुमानों का लाभ उठाता है। दूसरा Generative AI के साथ एकीकरण है, जहां तर्कनिर्माण सुसंगत और बचाव योग्य पाठ उत्पन्न करने के लिए एक तर्क परत के रूप में काम कर सकता है। शोधकर्ता गतिशील तर्कनिर्माण की भी खोज कर रहे हैं, जहां नए तर्क जोड़े या हटाए जाने पर ढांचा समय के साथ बदलता है, जिसके लिए विस्तारों में वृद्धिशील अद्यतन की आवश्यकता होती है। व्याख्यात्मक AI में तर्कनिर्माण का उपयोग एक बढ़ता हुआ क्षेत्र है, जिसका लक्ष्य स्वचालित निर्णयों के लिए मानव-समझने योग्य औचित्य प्रदान करना है।
ढांचे की सरलता और शक्ति ने इसे ज्ञान प्रतिनिधित्व के क्षेत्र में एक स्थायी योगदान बना दिया है। सामान्य ज्ञान तर्क को मॉडल करने की इसकी क्षमता, जहां निष्कर्ष अस्थायी और संशोधन के अधीन होते हैं, अत्यधिक प्रासंगिक बनी हुई है क्योंकि AI सिस्टम जटिल, वास्तविक दुनिया के वातावरण में तैनात किए जाते हैं। 2020 के दशक की शुरुआत तक, तर्कनिर्माण ढांचे अनुसंधान का एक जीवंत क्षेत्र बने हुए हैं, जिनके अनुप्रयोग कानूनी तकनीक से लेकर सोशल मीडिया विश्लेषण तक हैं, और वे आने वाले वर्षों के लिए AI टूलबॉक्स में एक प्रमुख उपकरण बने रहने की संभावना है।