Um framework de argumentação é uma estrutura formal utilizada em inteligência artificial e representação do conhecimento para modelar argumentos e os conflitos entre eles. Ele fornece uma base matemática para analisar quando um conjunto de argumentos pode ser coletivamente aceito, mesmo quando se contradizem. O framework abstrai o conteúdo interno de argumentos individuais, focando na relação binária de ataque que existe entre eles. Essa abstração permite o estudo de padrões de raciocínio derrotáveis, ou seja, conclusões que podem ser retiradas diante de novos contra-argumentos, uma característica fundamental do senso comum humano.
Introduzido por Phan Minh Dung em 1995, o framework tornou-se uma pedra angular da argumentação computacional. É utilizado em diversas aplicações, desde raciocínio jurídico e sistemas multiagentes até processamento de linguagem natural e suporte à decisão. A ideia central é simples: dado um conjunto de argumentos e uma relação que indica quais argumentos atacam quais, é possível definir várias semânticas que especificam quais argumentos são considerados aceitáveis. Essas semânticas baseiam-se na noção de admissibilidade, em que um conjunto de argumentos é aceitável se pode se defender contra todos os ataques.
Definição Formal
Formalmente, um framework de argumentação é um par ⟨A, R⟩, onde A é um conjunto finito de argumentos e R é uma relação binária em A, ou seja, R ⊆ A × A. Para dois argumentos a e b, a notação (a, b) ∈ R (ou a R b) significa que o argumento a ataca o argumento b. O framework é frequentemente representado como um grafo direcionado, onde os nós são argumentos e as arestas representam ataques. Essa representação baseada em grafos é central para o apelo do framework, pois permite a aplicação de algoritmos de teoria dos grafos para calcular a aceitabilidade.
Um conjunto S ⊆ A é dito livre de conflitos se não há argumentos a e b em S tais que a ataca b. Um argumento a ∈ A é aceitável com respeito a S se, para todo argumento b que ataca a, existe um argumento c em S que ataca b. Nesse caso, diz-se que c defende a contra b. Um conjunto livre de conflitos S é admissível se todo argumento em S é aceitável com respeito a S. Essas definições formam a base para as várias semânticas baseadas em extensões.
Semânticas Baseadas em Extensões
O artigo original de Dung definiu várias semânticas que produzem conjuntos de argumentos aceitáveis, chamados extensões. A mais básica é a semântica completa. Um conjunto admissível S é uma extensão completa se contém todos os argumentos que são aceitáveis com respeito a S. Extensões completas sempre existem, mas pode haver múltiplas. A semântica fundamentada seleciona a extensão completa mínima (com respeito à inclusão de conjuntos), que é única. Ela é calculada começando com o conjunto vazio e adicionando iterativamente todos os argumentos aceitáveis até atingir um ponto fixo. A extensão fundamentada representa a posição mais cética, contendo apenas argumentos que não são derrotados mesmo considerando todas as defesas possíveis.
A semântica preferida seleciona conjuntos admissíveis maximais (com respeito à inclusão de conjuntos). Essas extensões representam posições mais crédulas, pois incluem o maior número possível de argumentos enquanto mantêm a admissibilidade. A semântica estável, outra importante, exige que um conjunto livre de conflitos S ataque todo argumento que não está em S. Extensões estáveis são extensões preferidas, mas nem todas as extensões preferidas são estáveis. A semântica ideal, introduzida posteriormente, fornece um meio-termo entre a fundamentada e a preferida, selecionando o conjunto admissível maximal que está contido em todas as extensões preferidas.
Argumentação Abstrata e Estruturada
O framework descrito acima é abstrato porque não considera a estrutura interna dos argumentos. Em contraste, abordagens de argumentação estruturada, como ASPIC+ e Programação em Lógica Derrotável (DeLP), constroem argumentos a partir de uma base de conhecimento usando regras de inferência e, em seguida, derivam um framework abstrato desses argumentos. Isso permite uma representação mais refinada do conhecimento, mas ao custo de maior complexidade computacional. O framework abstrato permanece útil como uma ferramenta de análise de alto nível, e muitos resultados sobre frameworks abstratos podem ser transferidos para configurações estruturadas.
Propriedades Computacionais
O cálculo de extensões sob várias semânticas foi extensivamente estudado. Para frameworks finitos, a extensão fundamentada pode ser calculada em tempo polinomial, pois envolve um processo iterativo simples. No entanto, determinar se um dado argumento está em pelo menos uma extensão preferida (aceitação crédula) é NP-completo, e determinar se está em todas as extensões preferidas (aceitação cética) é co-NP-completo. A semântica estável é igualmente complexa, com a existência de uma extensão estável sendo NP-completa. Esses resultados de complexidade motivaram o desenvolvimento de algoritmos e solvers, frequentemente baseados em reduções para satisfatibilidade proposicional (SAT) ou programação em conjuntos de respostas (ASP). A Competição Internacional de Modelos Computacionais de Argumentação (ICCMA) é realizada desde 2015 para avaliar tais solvers.
Aplicações em IA
Frameworks de argumentação encontraram aplicações em muitas áreas da inteligência artificial. No raciocínio jurídico, eles ajudam a modelar os prós e contras de um caso, onde estatutos e precedentes atacam uns aos outros. Em sistemas multiagentes, agentes podem usar argumentação para negociar ou alcançar consenso, com cada agente propondo argumentos que atacam os dos outros. Em aprendizado de máquina, a argumentação tem sido usada para IA explicável, onde o raciocínio por trás da previsão de um modelo é representado como um framework de argumentação, permitindo que usuários consultem e contestem a decisão. Por exemplo, a saída de um classificador pode ser justificada por um conjunto de argumentos de apoio, e contra-argumentos podem ser apresentados como ataques.
No processamento de linguagem natural, frameworks de argumentação são usados para mineração de argumentos, que é a tarefa de extrair argumentos e suas relações de textos. A estrutura extraída pode então ser analisada usando as semânticas do framework para determinar a força geral de uma posição. Isso tem aplicações em análise de debates, detecção de notícias falsas e sumarização de opiniões. A capacidade do framework de lidar com informações conflitantes o torna particularmente adequado para essas tarefas, onde fontes frequentemente discordam.
Relação com Outros Formalismos
Frameworks de argumentação estão intimamente relacionados a outros formalismos não monotônicos, como lógica default e programação em lógica com negação como falha. De fato, Dung mostrou que a programação em lógica pode ser interpretada como um caso especial de argumentação, onde cada regra corresponde a um argumento e ataques surgem de conclusões conflitantes. Essa conexão levou a uma troca frutífera de ideias, com algoritmos e semânticas sendo transferidos entre os campos. O framework também se relaciona com a teoria dos jogos, pois a aceitabilidade de argumentos pode ser caracterizada em termos da existência de estratégias vencedoras em um jogo de diálogo entre dois jogadores, onde um jogador propõe um argumento e o outro o ataca.
Extensões e Variações
Desde sua introdução, muitas extensões ao framework básico foram propostas. Frameworks de argumentação bipolares adicionam uma segunda relação para suporte, permitindo que argumentos se fortaleçam mutuamente. Frameworks de argumentação ponderados atribuem pesos aos ataques, representando a força relativa do conflito. Frameworks de argumentação baseados em valores incorporam valores que os argumentos promovem, permitindo uma comparação mais sutil. Frameworks de argumentação probabilísticos atribuem probabilidades a argumentos ou ataques, permitindo raciocínio sob incerteza. Essas variações aumentam a expressividade do framework, mas também complicam a semântica e o cálculo.
O framework também foi integrado a outras técnicas de IA. Por exemplo, em aprendizado profundo, a argumentação tem sido usada para combinar as saídas de múltiplos modelos de rede neural, onde a previsão de cada modelo é um argumento e discordâncias são ataques. Essa abordagem de conjunto pode melhorar a robustez e fornecer um mecanismo para resolução de conflitos. No contexto de modelos de linguagem de grande escala, frameworks de argumentação poderiam ser usados para estruturar o raciocínio de um modelo, tornando suas saídas mais transparentes e verificáveis, embora isso permaneça uma área ativa de pesquisa.
Direções Atuais de Pesquisa
A pesquisa contemporânea em frameworks de argumentação foca em várias frentes. Uma é o desenvolvimento de algoritmos eficientes para frameworks em grande escala, aproveitando computação paralela e heurísticas. Outra é a integração com IA generativa, onde a argumentação pode servir como uma camada de raciocínio para gerar texto coerente e defensável. Pesquisadores também estão explorando argumentação dinâmica, onde o framework muda ao longo do tempo à medida que novos argumentos são adicionados ou removidos, exigindo atualizações incrementais nas extensões. O uso de argumentação em IA explicável é um campo crescente, com o objetivo de fornecer justificativas compreensíveis para decisões automatizadas.
A simplicidade e o poder do framework fizeram dele uma contribuição duradoura para o campo da representação do conhecimento. Sua capacidade de modelar raciocínio de senso comum, onde conclusões são provisórias e sujeitas a revisão, permanece altamente relevante à medida que sistemas de IA são implantados em ambientes complexos do mundo real. A partir do início dos anos 2020, frameworks de argumentação continuam sendo uma área vibrante de pesquisa, com aplicações que vão de tecnologia jurídica a análise de mídias sociais, e provavelmente permanecerão uma ferramenta-chave na caixa de ferramentas de IA por muitos anos.