Hvordan få maskiner til å resonnere om informasjonsflyt i sosiale nettverk

Å forstå sosiale nettverk er en av vår tids største vitenskapelige utfordringer. I avhandlingen sin har Zuojun Xiong studert de grunnleggende prinsippene bak informasjonsflyt i sosiale nettverk. Konsekvensene av ulike typer kommunikasjon i sosiale nettverk, f.eks. at Anne tweeter at hun har fått en ny jobb, for distribusjonen av informasjon (hvem vet hva) i nettverket er ofte komplekse og subtile. F.eks. er konsekvensene av Annes tweet ikke bare at Bjørn, som følger Anne, vet at Anne har fått en ny jobb, men også at Bjørn vet at Camilla vet at Anne har fått en ny jobb - dersom Bjørn visste fra før at Camilla følger Anne.

Dersom vi skal kunne få en datamaskin til å resonnere om informasjonsflyt i sosiale nettverk, må vi modellere slike effekter presist og fullstendig, og formalisere de grunnleggende prinsippene som ligger bak slik resonnering. Det er det Xiong har gjort, ved å bruke formell logikk.

Hovedresultatene i arbeidet hans er grunnleggende logiske aksiomer og regler som kan brukes til å mekanisk resonnere om informasjonsflyt i sosiale nettverk på en presis, korrekt og fullstendig måte. Dette arbeidet er grunnforskning som viser muligheter og begrensinger for praktisk implementasjon av kunstig intelligens. Avhandlingen bidrar også med nye formallogiske teknikker innen modallogikk. Forskningen er på mange måter tverrfaglig, den anvender formell logikk og analyse av sosiale nettverk på problemer innen kunstig intelligens. 

Personalia
Zuojun Xiong ble født 20. oktober 1985, i Qianjiang i Hubei-provinsen i Kina. Han ble tildelt en mastergrad i filosofi ved Southwest University i Chongqing i Kina i 2011. Siden 2012 har han vært stipendiat og ph.d-student i informasjonsvitenskap ved Institutt for informasjons- og medievitenskap ved Universitetet i Bergen, veiledet av professor Thomas Ågotnes.