Suche

EVA: Mit Argumenten begeistern - Verbesserung der Überzeugungskraft von virtuellen Agenten


Projektstart: 01.04.2018
Laufzeit: 3 Jahre
Projektträger: DFG (Deutsche Forschungsgemeinschaft)
Projektverantwortung vor Ort: Prof. Dr. Elisabeth André
Beteiligte WissenschaftlerInnen der Universität Augsburg: M.Sc. M.Sc. Klaus Weber

Zusammenfassung

In diesem Projekt lernen Agenten mit Hilfe von Reinforcement Learning logische EVA_logo_250_100 Argumentationsstrategien, welche anschließend mit gelernten Überzeugungsstrategien präsentiert werden. Ziel ist die Untersuchung der wahrgenommenen Glaubwürdigkeit der Agenten in Bezug auf verwendeten Strategien.

Beschreibung

Ob Sprecher als glaubwürdig empfunden werden, hängt nicht nur von dem Inhalt ihrer Äußerungen, sondern größtenteils von der Art der Darbietung ab. Menschliche Kommunikation basiert nicht nur auf Sprache, sondern umfasst auch andere Modalitäten wie Gestik, Körperhaltung, Gesichtsausdrücke und Blickverhalten, die die Wahrnehmung eines Publikums beeinflussen. Außerdem ergänzen wir mögliche Dialogakte oft um taktische Optionen wie Themenwechsel oder Ausflüchte. Im EVA Projekt werden wir typische Konversationsmuster in politischen Debatten untersuchen. Hierzu gehören der Inhalt und die Struktur von Argumenten, aber auch wie sie einem Publikum kommuniziert werden. Zu diesem Zweck werden wir argumentative Dialoge zwischen Menschen durch virtuelle Agenten simulieren. Als Anwendungsdomäne fokussieren wir uns auf politischen Diskurs. Da politische Debatten enormen Einfluss auf die Meinungsbildung und Einstellung der Allgemeinheit haben, sind Techniken zur Unterstützung von Entscheidungsprozessen von enormer gesellschaftlicher Relevanz. Der Einsatz von virtuellen Agenten führt zu einer neuartigen Form der audio-visuellen Präsentation, die bisher im Bereich Argumentation Mining wenig erforscht wurde. Virtuelle Agenten erlauben es uns, Argumente auf intuitive Art und Weise zu präsentieren und die Wirkung von rationalen und nicht-rationalen Elementen zu verdeutlichen. Verbale und nicht verbale Verhaltensweisen der Agenten werden durch eine Kombination von regelbasierten Ansätzen (abgeleitet aus Argumentationstheorien) und datenbasierten Ansätzen (gestützt durch Korpora aus multimodalen Debatten zwischen Menschen) bestimmt. Die Argumente der virtuellen Agenten werden automatisch aus einer mit Argumentation Mining erstellten Ontologie extrahiert. Wir werden auf Reinforcement Learning zurückgreifen, um die Argumentationsstrategien der Agenten in der Interaktion mit einem simulierten Gegner zu optimieren.Der EVA Antrag wurde im Rahmen des Schwerpunktprogramms Rational Argumentation Machines (RATIO) erstellt. Er adressiert die folgende Kernfrage von RATIO: Wie können Argumente Nutzern auf intuitive Art und Weise präsentiert werden, um ihre Entscheidungsprozesse zu unterstützen.Der EVA Antrag ist interdisziplinär ausgerichtet. Er verbindet Forschung zu multimodaler Synthese und Analyse, Argumentation Mining und Dialogmanagement.