Badacze proponują argumentację obliczeniową jako fundament dla nowego podejścia do AI

Zespół międzynarodowych badaczy opublikował nową pracę naukową proponującą wykorzystanie argumentation theory jako fundamentu dla rozwoju systemów Evaluative AI (EAI). Badanie, opublikowane 25 kwietnia 2026 roku na platformie arXiv, przedstawia wizję sztucznej inteligencji, która zamiast podawać pojedyncze rekomendacje, prezentuje użytkownikom konkurencyjne hipotezy wraz z argumentami za i przeciw każdej z nich.

Kluczowe wnioski

• Evaluative AI to nowe podejście do wspierania ludzkiego podejmowania decyzji poprzez prezentowanie konkurencyjnych hipotez z argumentami za i przeciw
• Argumentacja obliczeniowa została zaproponowana jako formalny, obliczalny fundament dla systemów EAI
• Nowe podejście ma zapewnić objaśnialność i możliwość kwestionowania decyzji AI
• Badanie wyznacza długoterminową agendę badawczą dla rozwoju rozproszonych i anthropocentrycznych systemów EAI
• Praca została współautorowana przez pięciu badaczy z różnych instytucji naukowych

Nowa filozofia sztucznej inteligencji

Tradycyjne systemy AI zazwyczaj przedstawiają użytkownikom pojedyncze rekomendacje lub rozwiązania. Evaluative AI proponuje fundamentalnie odmienne podejście — zamiast narzucać konkretną odpowiedź, system prezentuje różne możliwe hipotezy wraz z dowodami wspierającymi każdą z nich. Takie rozwiązanie ma na celu wsparcie ludzkiego procesu decyzyjnego poprzez dostarczenie pełnego spektrum argumentów.

Autorzy pracy — Xiang Yin, Tim Miller, Nico Potyka, Antonio Rago i Francesca Toni — argumentują, że computational argumentation stanowi szczególnie odpowiedni paradygmat dla tego typu systemów. Argumentation theory dostarcza formalnych narzędzi do reprezentowania i analizowania konkurencyjnych argumentów, co czyni ją naturalnym kandydatem na teoretyczny fundament EAI.

Objaśnialność i możliwość kontestacji

Kluczowym aspektem proponowanego podejścia jest zapewnienie objaśnialności i możliwości kwestionowania decyzji systemu. W przeciwieństwie do modeli „czarnej skrzynki”, systemy oparte na argumentation theory mogą przedstawić użytkownikom przejrzyste uzasadnienia dla prezentowanych hipotez. Użytkownicy mogą nie tylko zrozumieć, dlaczego system prezentuje konkretne opcje, ale także aktywnie kwestionować przedstawione argumenty.

Badacze widzą w tym podejściu potencjał dla rozwoju systemów AI, które będą bardziej antropocentryczne i demokratyczne. Zamiast zastępować ludzkie osądy, takie systemy mają je wspierać poprzez strukturalne przedstawienie złożonych problemów decyzyjnych.

Agenda na przyszłość

Praca ma charakter position paper — nie przedstawia konkretnych implementacji, lecz wyznacza kierunki przyszłych badań. Autorzy proponują długoterminową agendę badawczą koncentrującą się na rozwoju rozproszonych systemów EAI. Takie systemy mogłyby działać w środowiskach wieloagentowych, gdzie różne komponenty AI współpracują w procesie generowania i ewaluacji argumentów.

Badanie otwiera nowe perspektywy dla rozwoju sztucznej inteligencji w kierunku bardziej transparentnych i uczestniczących systemów wspomagania decyzji.