Từ Toulmin đến Transformers: Cách Khai thác Lập luận Trở thành Một Công nghệ | Argumentree
Khai thác lập luận là lĩnh vực của trí tuệ nhân tạo tự động xác định các tuyên bố, lý do được đưa ra cho chúng, và liệu mỗi lý do có hỗ trợ hay tấn công những gì nó gắn liền với. Nền tảng của nó mang tính triết học hơn là tính toán. Năm 1958, Stephen Toulmin đã xuất bản cuốn The Uses of Argument, cuốn sách đã phá vỡ logic hình thức bằng cách mô tả cách mà các lập luận hàng ngày thực sự được xây dựng — tuyên bố, cơ sở, bảo đảm, hỗ trợ, điều kiện, phản biện. Các nhà logic hình thức phần lớn đã từ chối nó; cuốn sách đã tìm thấy khán giả của mình trong giới học giả về tu từ và giao tiếp, và từ vựng của nó vẫn là từ vựng của lĩnh vực này. Douglas Walton sau đó đã lập danh mục các mẫu lập luận thường gặp trong lý luận hàng ngày dưới dạng các sơ đồ lập luận, mỗi sơ đồ có các câu hỏi quan trọng để chỉ ra nơi nó thất bại. James Freeman đã phân biệt việc tấn công một kết luận với việc tấn công suy diễn dẫn đến nó. Khai thác lập luận chỉ trở thành một nhiệm vụ tính toán có thể đo lường được vào những năm 2010, khi các tập dữ liệu được chú thích xuất hiện — các bài luận thuyết phục của Christian Stab và Iryna Gurevych, các văn bản lập luận vi mô của Andreas Peldszus và Manfred Stede. Các mô hình thần kinh đã theo sau, và các mô hình ngôn ngữ lớn đã loại bỏ yêu cầu về một tập dữ liệu được chú thích bằng tay trong mỗi lĩnh vực mới. Điều không thay đổi là nửa nào là khó: việc tìm kiếm các tuyên bố phần lớn đã được giải quyết, và việc quyết định cái gì gắn liền với cái gì, và liệu nó có hỗ trợ hay tấn công, thì không.
Một cuốn sách triết học mà các nhà logic học đã bác bỏ vào năm 1958 hóa ra lại là đặc tả cho một nhiệm vụ học máy mà không ai dám thực hiện trong thêm năm mươi năm nữa.
- Mô hình của Toulmin năm 1958 — luận điểm, cơ sở, bảo đảm — đã bị các nhà logic hình thức từ chối nhưng vẫn trở thành từ vựng làm việc của khai thác lập luận.
- Walton đã lập danh mục cách mà mọi người thực sự tranh luận, và gắn các câu hỏi quan trọng vào mỗi mẫu để chỉ ra nơi mà nó bị phá vỡ.
- Lĩnh vực này trở nên có thể đo lường được vào những năm 2010, khi các tập hợp dữ liệu được chú thích cho phép so sánh các hệ thống cạnh tranh trên cùng một văn bản.
- Các mô hình ngôn ngữ lớn đã loại bỏ nút thắt của tập hợp dữ liệu — bạn không còn cần hàng nghìn ví dụ được chú thích bằng tay cho mỗi lĩnh vực nữa.
- Nửa khó thì chưa hề nhúc nhích. Việc tìm ra các luận điểm phần lớn đã được giải quyết; còn việc xác định cái gì phản bác cái gì thì chưa.
Cuốn sách được cho là sẽ chấm dứt một sự nghiệp
Khi Stephen Toulmin xuất bản The Uses of Argument vào năm 1958, sự tiếp nhận từ các nhà logic học chuyên nghiệp là rất thù địch. Ông đã viết một cuốn sách về lý luận mà từ chối trở thành về logic hình thức, và ông được nói, thực chất, rằng ông đã lạc khỏi bản đồ. Toulmin sau đó kể lại rằng một đồng nghiệp đã gọi nó là cuốn sách chống logic của ông.
Nó không kết thúc sự nghiệp của ông. Điều nó làm là tìm ra một đối tượng hoàn toàn khác. Các khoa hùng biện và truyền thông — đặc biệt là ở Hoa Kỳ — đã tiếp nhận cuốn sách và xây dựng chương trình giảng dạy dựa trên đó, vì Toulmin đã làm điều mà logic hình thức chưa bao giờ bận tâm làm. Ông đã mô tả hình thức của một lập luận khi một người thực sự đưa ra một lập luận.
Hơn sáu mươi năm sau, nếu bạn yêu cầu một cỗ máy đọc biên bản cuộc họp và cho bạn biết những gì đã được tranh luận, nó sẽ sử dụng từ vựng của Toulmin để trả lời. Đó là câu chuyện của loạt bài này, và bài viết này là mạch truyện của nó: cách mà một cuốn sách triết học bị các nhà logic học từ chối đã trở thành đặc tả cho một nhiệm vụ học máy.
Những gì Toulmin thực sự đã thay đổi
Logic hình thức quan tâm đến tính hợp lệ: với những tiền đề này, kết luận này có theo sau không? Đây là một công cụ tuyệt vời và nó mô tả gần như không có gì về những gì mọi người thực sự nói. Không ai tranh luận bằng các hình thức suy diễn.
Bước đi của Toulmin là đặt ra một câu hỏi khác — không phải điều này có hợp lệ không mà là điều này được xây dựng như thế nào. Ông đã chia một lập luận thực thành sáu phần, và ba trong số đó thực hiện công việc nặng nhọc:
- Khẳng định — vị trí đang được đưa ra. Điều bạn thực sự yêu cầu ai đó chấp nhận.
- Cơ sở — những sự kiện được đưa ra để hỗ trợ. Bằng chứng, dữ liệu, ví dụ.
- Giấy phép — nguyên tắc cho phép chuyển từ lý do sang tuyên bố. Hầu như không bao giờ được nói ra.
Lệnh khám xét là điều thú vị, và đó là lý do mà việc khai thác lập luận trở nên khó khăn chứ không chỉ đơn giản là tẻ nhạt. Cây cầu không an toàn về cấu trúc, vì vậy chúng ta nên đóng cửa nó chứa một giả định ẩn: rằng các cấu trúc không an toàn nên được đóng cửa. Không ai nói câu đó. Mọi người đều giả định điều đó. Một cỗ máy đọc văn bản phải tái tạo một bước không có trong văn bản.
Ba phần còn lại — hỗ trợ, điều kiện, phản biện — xử lý việc giảm nhẹ và các ngoại lệ. Cùng nhau, chúng mô tả một lập luận như một cấu trúc chứ không phải là một chuỗi, và quan điểm cấu trúc đó là điều đã làm cho toàn bộ vấn đề có thể tính toán được sau này.
Walton và Câu Hỏi Phá Vỡ Cuộc Tranh Luận
Nếu Toulmin đã cung cấp cho lĩnh vực này cấu trúc của nó, thì Douglas Walton đã cung cấp một hướng dẫn cho lĩnh vực này. Làm việc trong suốt những năm 1990 và 2000, Walton đã lập danh mục các mẫu lặp lại của lý luận hàng ngày — kêu gọi ý kiến chuyên gia, lập luận từ phép tương tự, lập luận từ hậu quả, lập luận từ dấu hiệu — như là các sơ đồ lập luận.
Danh mục rất hữu ích. Điều làm cho nó mạnh mẽ là nửa sau: mỗi sơ đồ đi kèm với các câu hỏi quan trọng, những thách thức cụ thể phơi bày nơi mà mẫu đó thất bại. Đối với sự thu hút ý kiến chuyên gia: người này có thực sự là một chuyên gia trong lĩnh vực này không? Các chuyên gia khác có đồng ý không? Khẳng định có nhất quán với bằng chứng không?
Đây là điều hữu ích nhất trong toàn bộ truyền thống cho bất kỳ ai ngồi trong một cuộc họp, và nó không tốn kém gì để áp dụng. Khi ai đó lập luận từ quyền lực, bạn không cần phải không đồng ý với kết luận. Bạn đặt câu hỏi quan trọng mà chính mẫu lập luận đó mời gọi. Nó không mang tính công kích; đó là điều mà lập luận đang yêu cầu.
Freeman và Sự Phân Biệt Đã Khiến Nó Có Thể Tính Toán
Công trình của James Freeman năm 1991 về cấu trúc vĩ mô của lập luận đã thêm vào phần quan trọng nhất cho máy móc. Ông đã vạch ra một ranh giới rõ ràng giữa hai điều mà mọi người thường gọi là sự bất đồng.
Bạn có thể tấn công một kết luận — lập luận rằng nó sai. Hoặc bạn có thể tấn công suy diễn — chấp nhận mọi sự thật được đưa ra và phủ nhận rằng kết luận theo sau từ chúng. Nghiên cứu của bạn có sai sót và nghiên cứu của bạn ổn nhưng nó không cho thấy điều bạn nghĩ nó cho thấy là hai động thái hoàn toàn khác nhau, và việc coi chúng như một sẽ mất đi hầu hết thông tin trong một sự bất đồng thực sự.
Freeman cũng phân tách các tiền đề chỉ hoạt động cùng nhau với các tiền đề mà mỗi cái đều có thể đứng độc lập — sự khác biệt giữa một lập luận sụp đổ nếu bạn loại bỏ một chân và một lập luận chỉ trở nên yếu hơn. Khi bạn có những sự phân biệt đó, một lập luận không còn là văn xuôi nữa. Nó là một đồ thị có nhãn, và một đồ thị có nhãn là thứ mà một máy tính có thể được chấm điểm.
Rồi không có gì xảy ra trong hai mươi năm.
Lý thuyết đã được thiết lập vào đầu những năm 1990. Lĩnh vực tính toán không xuất hiện cho đến những năm 2010, và lý do thì không hấp dẫn: không có gì để so sánh.
Một lĩnh vực nghiên cứu trở thành một lĩnh vực nghiên cứu khi các phương pháp cạnh tranh có thể được so sánh trên cùng một dữ liệu. Điều đó yêu cầu ai đó phải ngồi xuống với hàng ngàn tài liệu và đánh dấu, bằng tay, những đoạn nào là tuyên bố, những đoạn nào là tiền đề, và những đoạn nào hỗ trợ hoặc tấn công những đoạn nào. Christian Stab và Iryna Gurevych đã làm điều đó cho các bài luận thuyết phục. Andreas Peldszus và Manfred Stede đã xây dựng một tập hợp các văn bản lập luận ngắn cụ thể để nghiên cứu cấu trúc.
Công việc đó được đề cập đầy đủ trong bài viết tiếp theo trong loạt bài này. Điều quan trọng ở đây là hình dạng mà nó tiết lộ. Khi bạn có thể đánh giá các hệ thống, bạn có thể thấy những phần nào khó — và câu trả lời là ngay lập tức và chưa bao giờ thực sự thay đổi.
Câu hỏi cần đặt ra trong cuộc họp tiếp theo của bạn
Khi ai đó tiếp tục lập luận từ quyền lực — một tư vấn viên, một tiêu chuẩn, một nghiên cứu được nêu tên — đừng thách thức kết luận. Hãy đặt câu hỏi của Walton: đây có phải là một chuyên gia trong lĩnh vực cụ thể này không, và các chuyên gia khác có đồng ý không? Hãy chú ý xem có bao nhiêu lần mà không ai đã kiểm tra.
Tìm kiếm yêu cầu thì dễ. Mọi thứ sau đó thì không.
Các tiêu chuẩn đã công bố kể một câu chuyện nhất quán. Trên tập hợp bài luận thuyết phục, việc xác định và gán nhãn các thành phần lập luận đạt khoảng 73% F1. Quyết định cách mà các thành phần đó liên quan đến nhau — cái nào gắn với cái nào, và liệu nó hỗ trợ hay tấn công — ở mức gần 48%. Trên tập hợp dữ liệu bình luận công khai CDCP do Joonsuk Park và Claire Cardie xây dựng, việc phát hiện mối quan hệ giảm xuống khoảng 34%.
Khoảng trống đó là lĩnh vực. Nó không phải là sản phẩm của các mô hình yếu, và nó đã tồn tại qua mọi thay đổi kiến trúc kể từ đó. Việc phát hiện đã cải thiện đều đặn. Các mối quan hệ hầu như không thay đổi.
Lý do là do cấu trúc chứ không phải kỹ thuật, và chúng là chủ đề của bài viết thứ ba trong loạt bài này: sự bất đồng là hiếm trong dữ liệu, nó phụ thuộc vào ngữ cảnh mà câu không chứa, và bước kết nối thường không được nêu rõ — bảo đảm của Toulmin, vẫn còn thiếu, sau sáu mươi năm.
Nhưng đây chẳng phải chỉ là Xử lý Ngôn ngữ Tự nhiên sao?
Nó sử dụng cùng một máy móc, vì vậy sự phản đối là hợp lý. Sự khác biệt nằm ở những gì đang được thu hồi.
Phân tích cảm xúc hỏi một văn bản cảm thấy như thế nào. Tóm tắt hỏi nó nói gì. Nhận diện thực thể có tên hỏi ai và cái gì xuất hiện trong đó. Tất cả ba đều liên quan đến nội dung. Khai thác lập luận hỏi về cấu trúc — câu nào đang thực hiện công việc lập luận trên câu nào khác, và theo hướng nào.
Sự phân biệt đó có một lợi thế thực tiễn. Một câu có thể được diễn đạt theo cách tiêu cực trong khi vẫn hỗ trợ cho tuyên bố mà nó gắn liền: áp lực thời gian làm tăng rủi ro củng cố lập luận rằng dự án là rủi ro. Bất kỳ hệ thống nào chấm điểm theo âm điệu đều hiểu sai điều đó, mỗi lần. Thông tin mà khai thác lập luận thu hồi không nằm trong từ ngữ. Nó nằm trong mối quan hệ giữa chúng.
Những gì các mô hình lớn đã thay đổi, và những gì chúng không thay đổi
Chương gần đây nhất là chương mà mọi người đều biết. Các mô hình ngôn ngữ đa năng có thể thực hiện các nhiệm vụ khai thác lập luận mà không cần được đào tạo trên một tập hợp chú thích trước, điều này loại bỏ rào cản thực tiễn lớn nhất mà lĩnh vực này từng có: cần hàng nghìn ví dụ được gán nhãn thủ công cho mỗi miền mới.
Đó là một sự gián đoạn thực sự, và chính điều đó đã làm cho việc khai thác lập luận có thể sử dụng trên văn bản kinh doanh thông thường chứ không chỉ trên các tập hợp bài luận được biên soạn. Nó được đề cập trong bài viết thứ tư.
Điều mà nó không làm là thu hẹp khoảng cách. Các vấn đề cấu trúc vẫn còn là vấn đề cấu trúc. Một mô hình đã đọc toàn bộ internet vẫn phải quyết định liệu phản đối này nhắm vào lý do đó hay vào kết luận phía sau nó, và văn bản vẫn không nói rõ.
Những gì sáu mươi năm này gợi ý về lập luận của chính bạn
- Giấy triệu tập là nơi mà sự bất đồng thường tồn tại. Hai người đồng ý về mọi sự thật nhưng vẫn bất đồng đang tranh cãi về một nguyên tắc không được nêu ra. Hãy đặt tên cho nó và cuộc trò chuyện sẽ ngắn lại.
- Tấn công vào suy luận không giống như tấn công vào sự thật. Quyết định xem bạn đang làm gì — một cách công khai — sẽ giúp người khác không phải bảo vệ điều sai trái.
- Mỗi lời kêu gọi đến quyền lực đều đi kèm với câu hỏi kiểm tra riêng. Walton đã ghi lại chúng. Việc sử dụng chúng không phải là thù địch; đó là mẫu hình hoạt động như mong muốn.
- Cấu trúc là điều tồn tại. Sáu tháng sau, không ai nhớ nội dung. Những gì họ cần là phản đối nào đã được đưa ra và liệu có ai đã trả lời nó không.
Cuốn sách Chống-Logic
Các nhà phê bình Toulmin đã đúng về một điều: The Uses of Argument thực sự không phải là một cuốn sách về logic hình thức. Đó là một cuốn sách về cách mà con người lập luận khi các yếu tố có thật và các tiền đề có thể tranh cãi và không ai có thời gian cho một phép suy diễn.
Điều đó hóa ra là vấn đề khó khăn hơn và cũng hữu ích hơn. Mọi hệ thống đọc một bản sao chép ngày nay và cho bạn biết những gì đã được tuyên bố, trên cơ sở nào, và những gì đã được tranh luận chống lại nó đều dựa vào mô tả của ông. Không tệ cho một cuốn sách chống logic.
Chuỗi khai thác lập luận
Năm bài viết về cách mà máy móc học để đọc lập luận — lĩnh vực này bắt nguồn từ đâu, tại sao những vấn đề khó của nó lại khó, và chúng ta áp dụng nó như thế nào.
Thập kỷ của các tập hợp dữ liệu được chú thích bằng tay đã biến việc khai thác lập luận từ một ý tưởng thành một nhiệm vụ có thể đo lường.
Sự bất đồng là hiếm trong dữ liệu và phụ thuộc vào ngữ cảnh mà câu không chứa.
Mô hình zero-shot đã loại bỏ nút thắt của tập hợp dữ liệu và để lại các vấn đề cấu trúc đúng vị trí của chúng.
Áp dụng nó: các loại lập luận, một tuyên bố chính cho mỗi loại, và tại sao sự tự tin là tín hiệu xếp hạng sai.
Nguồn & Đọc thêm
Mô hình yêu cầu/cơ sở/giấy phép — từ vựng mà toàn bộ lĩnh vực vẫn sử dụng.
Danh mục các mẫu lý luận lặp lại và các câu hỏi phản biện kiểm tra từng mẫu.
Tấn công một kết luận so với tấn công suy diễn đến nó — sự phân biệt đã làm cho cấu trúc lập luận có thể tính toán được.
Khảo sát tiêu chuẩn về lĩnh vực tính toán, các định nghĩa nhiệm vụ của nó và các vấn đề mở của nó.
Tập hợp chú thích đã làm cho việc khai thác lập luận trở nên có thể đo lường, và là nguồn của các số liệu F1 về thành phần và mối quan hệ được trích dẫn ở đây.
Tập hợp CDCP, nơi phát hiện quan hệ đạt khoảng 34% F1.
Câu hỏi thường gặp
Khai thác lập luận là gì?
Khai thác lập luận là nhánh của trí tuệ nhân tạo tự động xác định cấu trúc lập luận bên trong văn bản thông thường: câu nào đưa ra các tuyên bố, câu nào đưa ra lý do, và liệu mỗi lý do có hỗ trợ hay tấn công tuyên bố mà nó gắn liền. Đầu ra là một bản đồ có cấu trúc chứ không phải là một tóm tắt.
Ai đã sáng lập khai thác lập luận?
Không có người sáng lập duy nhất. Cơ sở lý thuyết là mô hình cấu trúc lập luận của Stephen Toulmin năm 1958, được mở rộng bởi các sơ đồ lập luận của Douglas Walton và tài khoản về siêu cấu trúc lập luận của James Freeman. Lĩnh vực tính toán đã hình thành vào những năm 2010 khi các tập hợp dữ liệu được chú thích trở nên có thể đo lường được.
Tại sao cuốn sách của Toulmin lại gây tranh cãi?
Bởi vì đó là một cuốn sách về lý luận từ chối trở thành về logic hình thức. Toulmin lập luận rằng tính hợp lệ là câu hỏi sai cho lập luận hàng ngày, và mô tả cấu trúc thay vào đó. Các nhà logic học chuyên nghiệp phần lớn đã từ chối nó; các học giả về tu từ và giao tiếp đã tiếp nhận nó và xây dựng chương trình giảng dạy dựa trên nó.
Warrant trong mô hình Toulmin là gì?
Giấy phép là nguyên tắc cho phép di chuyển từ khu vực của bạn đến yêu cầu của bạn. Trong câu "cây cầu không an toàn, vì vậy chúng ta nên đóng cửa nó", giấy phép là rằng các cấu trúc không an toàn nên được đóng cửa. Giấy phép hầu như không bao giờ được nói ra, đó chính là lý do tại sao việc trích xuất lập luận một cách tự động lại khó khăn.
Các sơ đồ lập luận của Walton là gì?
Các mẫu lặp lại trong lý luận hàng ngày — kêu gọi ý kiến chuyên gia, lập luận từ phép tương tự, lập luận từ hậu quả — mỗi mẫu được ghép với các câu hỏi phản biện nhằm chỉ ra nơi mà mẫu đó thất bại. Các câu hỏi phản biện là nửa phần thực tiễn hữu ích: chúng cung cấp cho bạn một cách để kiểm tra một lập luận mà không chỉ đơn giản là phủ nhận kết luận của nó.
Tại sao việc phát hiện mối quan hệ lại khó hơn việc tìm kiếm các tuyên bố?
Bởi vì các mối quan hệ phụ thuộc vào ngữ cảnh mà câu không chứa, bước kết nối thường không được nêu rõ, và sự bất đồng là hiếm trong dữ liệu được chú thích. Các tiêu chuẩn đã công bố cho thấy việc phát hiện thành phần đạt khoảng 73% F1 so với việc phát hiện mối quan hệ gần 48% trên cùng một tập dữ liệu, và khoảng 34% trên các tập dữ liệu khó hơn.
Các mô hình ngôn ngữ lớn đã giải quyết được vấn đề khai thác lập luận chưa?
Họ đã loại bỏ rào cản thực tiễn lớn nhất — nhu cầu có một tập hợp dữ liệu được chú thích bằng tay trong mỗi lĩnh vực mới — điều này đã làm cho công nghệ có thể sử dụng trên văn bản kinh doanh thông thường. Họ không khắc phục được khoảng cách cấu trúc. Quyết định cái gì gắn với cái gì, và theo hướng nào, vẫn là phần khó khăn.
Argumentree Team
Decision Science
The Argumentree team explores the science of better decisions—from ancient philosophy to modern AI.
Xem lý thuyết được áp dụng
Dán một bản sao và nhận một cây ưu và nhược điểm có cấu trúc — các tuyên bố, lý do cho chúng và những gì phản đối chúng.
Trang tham khảo cho lĩnh vực — nhiệm vụ, lịch sử và lý do tại sao các mối quan hệ lại là phần khó khăn.
Cấu trúc sáu phần của một cuộc tranh luận hàng ngày, chi tiết.
Trước Toulmin: cách Ấn Độ, Trung Quốc và Hy Lạp mỗi nước phát minh ra lập luận có cấu trúc.
Biến một cuộc thảo luận thành một cây lập luận
Sáu mươi năm lý thuyết lập luận, áp dụng cho biên bản cuộc họp tiếp theo của bạn.
Bắt đầu miễn phí