Arguments Using Ontological and Causal Knowledge

Abstract

RésuméNous décrivons l'utilisation d'un système logique de raisonnement à partir de données causales et ontologiques dans un cadre argumentatif. Les données consistent en liens causaux ({A1, · · · , An} cause B) et ontologiques (o1 est_un o2). Le système en déduit des liens explicatifs possibles ({A1, · · · , An} explique {B1, · · · , Bm}). Ces liens explicatifs servent ensuite de base à un système argumentatif qui fournit des explications possibles. Un exemple inspiré de la tempête Xynthia, laquelle a provoqué un trop grand nombre de victimes par rapport aux conditions purement météo-rologiques, illustre une utilisation de notre système. AbstractWe investigate an approach to reasoning about causes through argumentation. We consider a causal model for a physical system, and look for arguments about facts. Some arguments are meant to provide explanations of facts whereas some challenge these explanations and so on. At the root of argumentation here, are causal links ({A1, · · · , An} causes B) and ontological links (o1 is_a o2). We present a system that provides a candidate explanation ({A1, · · · , An} explains {B1, · · · , Bm}) by resorting to an underlying causal link substantiated with appropriate ontological links. Argumentation is then at work from these various explaining links. A case study is developed : a severe storm Xynthia that devastated part of France in 2010, with an unaccountably high number of casualties.

Bias in data‐driven artificial intelligence systems—An introductory survey

“…Formalisms like description and causal logics, e.g., (Besnard, Cordier, & Moinard, 2014;Dehaspe & Raedt, 1996;Krötzsch, Marx, Ozaki, & Thost, 2018;LeBlanc, Balduccini, & Vennekens, 2019), allow for measuring and detecting bias in data collections of diverse types, e.g, online data sets (Pitoura et al, 2017) and recommendation systems (Serbos, Qi, Mamoulis, Pitoura, & Tsaparas, 2017). They also enable the annotation of statements with trustworthiness (Son, Pontelli, Gelfond, & Balduccini, 2016) and temporality (Ozaki, Krötzsch, & Rudolph, 2019), as well as causation relationships between them (LeBlanc et al, 2019).…”