في عالم الذكاء الاصطناعي، تعتبر أطر الجدل الثنائية (Bipolar Argumentation Frameworks) واحدة من الأدوات الأساسية لفهم كيفية قبول الحجج. ومع تقدم الأبحاث، ظهرت الحاجة إلى تحسين طرق حساب قبول الحجج في هذه الأطر. وهنا يأتي دور الأطر الكمية الثنائية (Quantitative Bipolar Argumentation Frameworks - QBAFs).

تسعى QBAFs إلى توفير نهج بديل لاستنتاج قبول الحجج من خلال تخصيص قوة أولية لكل حجة، يتم تحديثها مع الأخذ في الاعتبار تأثير المدافعين والمعارضين. ولكن، بالرغم من العديد من الاقتراحات التي أصبحت موجودة على مر السنين، إلا أن الطرق التقليدية لم تقدم نتائج موحدة متوقعة، مما يصعب أحياناً فهم نتائج بسيطة.

تقدم دراستنا الجديدة وحدات خطية مزدوجة تعتمد على المعاني المودولارية، والتي تحمل في طياتها أساليب لغوية جديدة لمعالجة هذه القيود. من خلال هذه الأساليب، تمكنا من تحقيق نتائج تتوافق بشكل أفضل مع التوقعات المنطقية المعروفة، مع الامتثال للمبادئ العقلانية المستقرة في الأدب.

علاوة على ذلك، قمنا بدراسة سلوك التقارب لهذه الوحدات، مما أثبتنا أنها تتقارب ليس فقط في حالات QBAFs غير الدورية، بل أيضًا في فئات أطر cyclic الأوسع. هذا التطور يعد خطوة مهمة نحو فهم أعمق وتحليل أدق لنُظم الجدل المعقدة. ما رأيكم في هذا التطور؟ شاركونا في التعليقات.