Artificial Intelligence and Logic Programming: Results vs. Challenges and Trends

Si è svolta a Bari il 14 Novembre alle ore 18:00 all’interno del convegno dell’Associazione Italiana per l’Intelligenza Artificiale (AI*IA 2017) la tavola rotonda “Artificial Intelligence and Logic Programming: Results vs. Challenges and Trends“.

Dopo l’introduzione dell’organizzatrice Francesca Alessandra Lisi, sono intervenuti, nell’ordine, i presidenti delle due associazioni coinvolte, il GULP e l’AI*IA, che ne hanno brevemente ricordato la storia, gli scopi e l’organizzazione: GULP, AI*IA.

E’ stata data la parola a Stefania Costantini, dell’Università dell’Aquila, che ha illustrato le principali tematiche dell’attuale ricerca in Logic Programming. Ha ricordato, oltre alle varie applicazioni, i recenti lavori nel campo del parallelismo, la varie estensioni ibride dell’Answer Set Programming, i lavori che beneficiano del Logic Programming per l’analisi di programming, la trasformazione ed i debugging (anche applicati ad altri paradigmi).
Ha ricordato come il vincitore tel test-of-time award all’ultimo convegno ICLP è stato “Hybrid Probabilistic Programs” (di Dekhtyar e Subrahmanian), un precursore della ricerca di un ponte tra le comunità di machine learning e logic programming. Maggiori dettagli nelle note schematiche disponibili da qui: NOTE COSTANTINI

Giuseppe De Giacomo dell’Università di Roma “La Sapienza”, (il cui primo lavoro fu presentato al convegno GULP 1992, organizzato dalla stessa Costantini), ha spostato il focus sulla modellazione (model-based AI). Senza entrare nei dettagli delle varie espressività di linguaggi/logiche per la modellazione ha posto in risalto la necessità di comprendere il modello, almeno nel senso di aver la capacità di interrogarlo e di ottenere delle risposte. Un punto a favore della modellistica logica è proprio quello di favorire la comprensibilità e spiegabilità del modello.

AIIAGULP_ALL

L’intervento di Marco Gori dell’Universita’ di Siena ha richiamato i presenti alla domanda vera del perché l’AI sembri andare completamente nella direzione del Machine (Deep) Learning. Ha iniziato ponendo l’esempio del “neural conversional agent” ovvero di simulare come i bambini imparano a parlare, semplicemente ricevendo degli stimoli in input. Il modello di cui accennava De Giacomo, viene generato automaticamente, senza conoscenze di logica formale. La rappresentazione “mentale” del modello realtà può certo essere interrogato, ma le logiche necessarie per ottenere la risposta ci sfuggono ancora. Introduce inoltre un punto interessante sulla preparazione per lavorare nei due campi: chi lavora in area logica ha bisogno di conoscenze di matematica discreta, di combinatorica, mentre chi lavora nel machine learning padroneggia la matematica del continuo, la probabilità e la statistica. Maggiori dettagli nei   Lucidi di Gori.

Fabrizio Riguzzi, dell’Universita’ di Ferrara illustra lo sviluppo temporale delle due tecnologie e come ponte tra le due il Knowledge Graph Embeddings del 2014. Illustra brevemente il libro di Pedro Domingos, e diversi recenti lavori tra cui Deep Probablistic Logic Programming, mostrandoci che il link tra i due mondi c’è già e va investigato e pubblicizzato (Lucidi Riguzzi).

AIIAGULP_FRONT

Intervengono tra gli altri, Roberto Basili, Andrea Passerini, Alfonso Gerevini, Luca Iocchi ed emergono alcune tesi condivise tra i presenti:

  • Le nozioni probabilistiche sono cruciali per talune aree (come il natural language understanding).
  • Modellare la conoscenza non vuol dire necessariamente costringerla in una logica. La conoscenza ha molte sfaccettature, e la logica adeguata sarebbe troppo complessa per essere compresa. L’approccio logico
    ha difficoltà ad analizzare/formalizzare un problema da più lati (multi-faced) mentre questo appare naturale nel machine learning.
  • I benchmarks sembrano semplificare troppo il lavoro di modellazione e talvolta nascondere i veri problemi della rappresentazione della conoscenza. D’altro canto hanno spinto varie importanti sottoaree (ad esempio il planning) a raggiungere dei risultati inimmaginabili solo 15 anni fa.
In generale si è instaurato un clima di buona collaborazione e di interesse verso le tesi reciproche. Il pubblico è rimasto nella sala senza cedimenti, il che fa riflettere sulla utilità del dialogo tra le due comunità.

I lavori si chiudono alle 19.30 (segue cena a Bari vecchia, ma questa è un’altra storia)

Amedeo Cesta ed Agostino Dovier