Can abductive reasoning provide a framework for multi-layer visual reasoning?

Speakers: Randy Geobel

时间:2015年8月21日上午10:40-11:40

地点:计算所4层

Abstract

Human access to big data requires significant improvement in machine-supported visual reasoning.  Sometimes referred to as visual analytics, the challenge of modern visualization of big data is to ensure that the repertoire of possible human-centric visualization manipulation is some how guided by a sufficiently clear model of reasoning and interaction. We present the challenge of reasoning about pictures, and suggest that at least two major components are necessary:  1) a method of building multi-level domain-specific models of domain knowledge that include visual knowledge, and 2) a flexible reasoning framework based on abduction, which can guide by not overly constrain human interaction with visual domain knowledge.

We present more challenges than solutions, except argue that abductive reasoning architectures, e.g., as used in IBM Watson, and Open Sherlock, are an essential framework for future big data visualization.

 

Bio

R.G. (Randy) Goebel is currently professor of Computing Science in  the Department of Computing Science at the University of Alberta, and principle investigator in the Alberta Innovates Centre for Machine Learning (AICML).  Professor Goebel's theoretical work on abduction, hypothetical reasoning and belief revision is internationally well know, and his recent application of practical belief revision and constraint programming  to scheduling, layout, and web mining is now having industrial impact.  His recent research is focused on the formalization of visualization, with applications in web mining, optimization, and nanotechnology.