استدلال‌کاوی چیست؟

"پل ناامن است، بنابراین باید آن را ببندیم" یک اصل ناگفته را پنهان می‌کند: اینکه ساختارهای ناامن باید بسته شوند. تیلمن این را ضمانت نامید. مردم تقریباً هرگز این را به زبان نمی‌آورند، که به این معنی است که یک ماشین باید مرحله‌ای را بازسازی کند که در متن وجود ندارد.

در بیشتر مجموعه‌های متنی حاشیه‌نویسی شده، اکثریت بزرگ روابط، حمایت هستند؛ حمله اقلیت کوچکی است. مدلی که بر اساس آن توزیع آموزش دیده یا تحریک شده باشد، می‌آموزد که حدس زدن حمایت معمولاً ایمن است — که دقیقاً برای مواردی که در یک تصمیم اهمیت بیشتری دارند، اشتباه است.

در زیر یک اعتراض، دلیلی که اعتراض را تقویت می‌کند، از والد خود حمایت کرده و در عین حال با پیشنهاد کلی مخالف است. سیستم‌هایی که موضع را بر اساس احساسی که جمله نسبت به موضوع دارد قضاوت می‌کنند، این را به اشتباه درک می‌کنند و این خطا در طول شاخه افزایش می‌یابد.

استحصال استدلال به زبان ساده چیست؟

استدلال‌کاوی نرم‌افزاری است که یک متن را می‌خواند و استدلال موجود در آن را تحلیل می‌کند: چه چیزی ادعا شده، چه دلایلی ارائه شده و کدام دلایل به نفع یا علیه کدام ادعاها هستند. نتیجه یک نقشه ساختاریافته است نه یک بلوک نثر.

استحصال استدلال چگونه با خلاصه‌سازی متفاوت است؟

خلاصه یک متن را فشرده می‌کند و به شما می‌گوید که به طور کلی چه گفته شده است. استخراج استدلال ساختار را حفظ می‌کند: به شما می‌گوید که این اعتراض خاص علیه آن دلیل خاص مطرح شده و هیچ‌کس به آن پاسخ نداده است. خلاصه‌ها دقیقاً اختلاف نظری را از دست می‌دهند که برای یک تصمیم مهم است.

آیا استخراج استدلال همان تحلیل احساسات است؟

خیر. تحلیل احساسات نگرش را اندازه‌گیری می‌کند — مثبت، منفی، خنثی. استخراج استدلال، استدلال را بازیابی می‌کند. یک جمله می‌تواند به صورت منفی بیان شود در حالی که از نقطه نظری که به آن متصل است حمایت می‌کند و تحلیل احساسات هر بار این را به اشتباه درک خواهد کرد.

کی استدلال‌کاوی را اختراع کرد؟

هیچ مخترع واحدی وجود ندارد. پایه‌های نظری این حوزه مدل ساختار استدلال استیون تولمین در سال 1958 است که توسط طرح‌های استدلال داگلاس والتون و توضیحات جیمز فریمن درباره ماکروساختار استدلال گسترش یافته است. حوزه محاسباتی در دهه 2010 شکل گرفت، با مجموعه‌های حاشیه‌نویسی شده از کریستین استاب و ایریا گورویچ و همچنین از آندریاس پلدزوس و مانفرد استده که از جمله کارهایی بودند که آن را قابل اندازه‌گیری کردند.

چرا شناسایی حملات سخت‌تر از شناسایی حمایت است؟

دو دلیل. حملات در داده‌های آموزشی که این سیستم‌ها از آن‌ها یاد می‌گیرند، بسیار نادرتر از حمایت‌ها هستند، بنابراین مدل‌ها به سمت پیش‌بینی حمایت تمایل دارند. و یک حمله معمولاً باید نسبت به والد نزدیک خود قضاوت شود نه نسبت به موضوع کلی — یک دلیل می‌تواند یک اعتراض را تقویت کند در حالی که با پیشنهادی که آن اعتراض به آن معطوف است، مخالف است.

آیا استخراج استدلال جایگزین قضاوت انسانی می‌شود؟

نه، و اینگونه برخورد کردن یک اشتباه است. استخراج یک پیش‌نویس اولیه از ساختار استدلال تولید می‌کند. تصمیم‌گیری درباره اینکه آیا یک استدلال خوب است یا نه — اینکه آیا شواهد معتبر است، آیا فرض نانوشته قابل قبول است — کار انسانی است. ارزش در این است که قبل از شروع آن کار، نیازی به ساختن ساختار به‌صورت دستی نیست.