Promotie: Arguing with incomplete information - Formalisms, algorithms and applications in law enforcement

LET OP: De kandidaat houdt een lekenpraatje voorafgaand aan de verdediging van het proefschrift, de livestream start daarom een kwartier eerder.

Jaarlijks krijgt de politie tienduizenden aangiftes van online handelsfraude. Om deze aangiftes te verwerken, is er onder andere een intake met de burger nodig en bepaalt de politie welke verdachte webwinkels malafide zijn. Hoewel het grotendeels om routinewerk gaat, is er voor sommige aangiftes en webwinkels handmatig onderzoek nodig. Noch mensen, noch automatische procedures kunnen deze taak afzonderlijk snel uitvoeren, dus is het interessant om uit te zoeken of ze elkaar kunnen aanvullen. Kunnen we AI-systemen ontwikkelen die mensen ondersteunen in dit soort besluitvorming? AI-toepassingen bij de politie moeten transparant zijn. Daarom focus ik op AI-technieken die, net als mensen, in staat zijn om te redeneren met regels (en uitzonderingen) of met eerdere gevallen (precedenten). Deze vorm van redeneren kan gemodelleerd worden met formalismen uit de vakgebieden computationele argumentatie en AI & Recht. Over het algemeen wordt in onderzoek binnen deze vakgebieden aangenomen dat alle benodigde informatie beschikbaar is. Dat is niet het geval voor onze toepassingen, waar mensen aanvullende informatie leveren. In mijn promotieonderzoek breid ik bestaande formalismen daarom zo uit, dat ze in staat zijn om de mogelijkheid uit te drukken dat extra, nog onzekere informatie de conclusie kan veranderen – en welke informatie nog relevant is om te onderzoeken. Hoewel dit een (wiskundig) complexe taak is, heb ik algoritmes ontwikkeld die snel kunnen bepalen welke vragen nog relevant zijn om aan een gebruiker of expert te stellen. Deze algoritmes zijn toegepast voor de intake van handelsfraude en classificatie van webwinkels bij de politie.