Explications causales pour l'argumentation abstraite : cadres classique, temporel et bipolaire pondéré

Causal explanations in abstract argumentation : classical, temporal and quantitative bipolar cases

• Auteur / Autrice : Yann Munro
• Direction : Isabelle Bloch, Marie-Jeanne Lesot
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologies de l'information et de la communication
• Date : Soutenance le 10/12/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Nicolas Maudet
• Jury : Examinateurs / Examinatrices : Jean-Guy Mailly, Pierre Marquis
• Jury : Rapporteurs / Rapporteuses : Elise Bonzon, Andreas Herzig

Mots clés

Mots clés contrôlés

Systèmes d'aide à la décision

Argumentation

Intelligence artificielle

Apprentissage automatique

Apprentissage profond

Mots clés libres

Argumentation abstraite

Causalité

IA explicable

Ordre d'énonciation

Langage d'action

Argumentation bipolaire pondérée

Abstract argumentation

Causality

Explainable AI

Enunciation order

Action language

Quantitative bipolar argumentation

Résumé

Cette thèse s'inscrit dans le domaine de l'IA explicable (XAI) pour des systèmes d'argumentation abstraite (Abstract Argumentation Framework, AAF). Il s'agit d'un formalisme permettant de représenter et de raisonner sur des informations contradictoires par l'intermédiaire d'éléments abstraits, des arguments, et d'une relation binaire, appelée attaque, représentant une contradiction ou bien un conflit asymétrique entre deux arguments. Un argument peut alors être acceptable ou inacceptable selon un ensemble de règles appelé une sémantique. Dans ce contexte, nous travaillons sur la génération d'explications du statut d'acceptabilité d'un ensemble d'arguments, adaptées à son destinataire. Pour cela, des travaux en sciences sociales ont montré qu'explication et causalité sont deux notions fortement reliées bien que différentes. De fait, dans cette thèse, nous proposons plusieurs méthodes permettant de générer des explications, dites causales, c'est-à-dire déduites d'un raisonnement causal complexe, pour l'argumentation. Nous considérons trois cas : le cadre classique des systèmes d'argumentation abstraite, un cadre dynamique, c'est-à-dire qui tient compte de l'ordre d'énonciation des arguments, et un cadre bipolaire pondéré, incluant une deuxième relation binaire appelée support ainsi qu'une pondération sur les arguments. Nous établissons tout d'abord une équivalence entre les AAF acycliques et un type spécifique de modèles structurels causaux. Nous proposons une transformation permettant de passer de l'un à l'autre et réciproquement. Cette transformation permet d'une part de comparer une définition existante de la notion d'explication en argumentation avec celle proposée dans le cadre des modèles structurels causaux. D'autre part, en réécrivant un AAF dans ce formalisme causal, nous pouvons générer des explications causales prenant en compte les connaissances du destinataire de l'explication. Cependant, ces deux modèles ne prennent pas en compte l'ordre d'énonciation des arguments, propriété importante au cours d'un dialogue mais également pour le raisonnement causal. Pour cette raison, notre deuxième contribution consiste à enrichir un AAF, acyclique d'abord puis en levant cette contrainte, dans un formalisme logique dynamique, appelé langage d'action, en incluant l'ordre d'énonciation des arguments dans le modèle. Ce formalisme permet ainsi de modéliser l'évolution du dialogue à partir de laquelle il est possible d'extraire l'ensemble des causes de l'acceptabilité des différents arguments. Nous discutons ensuite de la façon d'utiliser ces chaînes causales pour la génération d'explications adaptées au destinataire. Enfin, dans le cadre d'un système d'argumentation bipolaire pondéré (QBAF), le statut d'acceptabilité d'un argument n'est plus défini de façon binaire mais par une valeur numérique, souvent entre 0 et 1. Le choix de la fonction permettant de calculer cette valeur vient remplacer les sémantiques binaires par ce qu'on appelle des sémantiques graduelles. Nous proposons une telle famille de fonctions que nous appelons des sémantiques agrégatives graduelles permettant de décomposer le calcul de l'acceptabilité d'un argument en trois étapes d'agrégation : le calcul du poids global des attaquants, celui du poids global des supporteurs et enfin l'agrégation de ces deux poids avec la force intrinsèque de l'argument. Cela permet de conserver le caractère bipolaire tout au long du calcul, mais également d'ajouter de nouvelles propriétés pour caractériser les sémantiques graduelles permettant de guider le choix de cette fonction. Enfin, nous étendons la transformation d'un AAF en modèle structurel causal à ce cadre bipolaire pondéré permettant ainsi, pour des QBAF acycliques, de générer des explications causales.

This thesis is part of the field of Explainable AI (XAI) for Abstract Argumentation Frameworks (AAF). The latter is a formalism suitable for representing and reasoning about contradictory pieces of information by means of abstract elements, called arguments, and a binary relation, called attack, which represents a contradiction or an asymmetric conflict between two arguments. An argument can then be either acceptable or unacceptable according to a set of rules called semantics. In this context, we work on generating explanations of the acceptability status of a set of arguments that are adapted to the explainee. To this end, work in the social sciences has shown that explanation and causality are two closely related, albeit distinct, notions. In this thesis, we propose several methods for generating so-called causal explanations, i.e. based on complex causal reasoning, for argumentation. We consider three cases: the classical abstract argumentation framework, a dynamic framework, that takes into account the order in which arguments are enunciated, and finally a quantitative bipolar argumentation framework, i.e. an AAF that includes a second binary relation called support as well as a weighting of the arguments. We first establish an equivalence between acyclic AAF and a specific type of structural causal models. We propose a transformation that allows us to move from one to the other and vice versa. This make it possible to compare an existing definition of the notion of explanations in argumentation with that proposed in the framework of structural causal models. Secondly, by rewriting an AAF in this causal formalism, we can generate causal explanations that take into account the knowledge of the explainee. However, these two models do not take into account the order in which arguments are enunciated, an important property during a dialogue, but also for causal reasoning. For this reason, our second contribution consists in enriching an AAF, first acyclic and then by relaxing this constraint, in a dynamic logic formalism, called Action Language, by including the order of enunciation of arguments in the model. This formalism makes it possible to model the evolution of the dialogue, from which it is possible to extract the set of causes of the acceptability of the different arguments. We then discuss how these causal chains can be used to generate explanations adapted to the explainee. Finally, in a Quantitative Bipolar Argumentation Framework (QBAF), the acceptability status of an argument is no longer a binary notion. It is defined by a numerical value, often between 0 and 1. The choice of the function used to compute this value replaces the binary semantics with so called gradual semantics. We propose a family of such functions, which we call gradual aggregative semantics, which breaks down the calculation of the acceptability of an argument into three aggregation stages: the calculation of the global weight of the attackers, the calculation of the global weight of the supporters, and finally the aggregation of these two weights with the intrinsic strength of the argument. This makes it possible to maintain the bipolar aspect throughout the calculation, but also to add new properties to characterise this semantics, guiding the choice for this sementics. Finally, we adapt the transformation of an AAF into a structural causal model to this extended framework, making it possible to generate causal explanations for acyclic QBAFs.