Una famiglia di Architetture Cognitive-Reattive basate sull'elaborazione del linguaggio naturale, quali aiutanti nel prendere decisioni in ambito IoT, in assunzione di mondo chiuso o aperto.

This thesis investigates and proposes different solutions in the scope of cognitive architectures leveraging natural language processing. Although the number of existing cognitive architectures has reached a significant number (several hundred), many of them have been mainly used as research tools so far, and none of them has been specifically designed for the Internet of Things. On the other hand, nowadays companies producing vocal assistants aim more at increasing their pervasiveness than at improving their native reasoning, due to their inability of combining facts with rules in order to infer new knowledge and help the user in decision-making tasks. Such a motivations led to the design of Caspar, a novel architecture for instantiating cognitive agents based of natural language. Such agents are not based on clouds and do not require any semantic training, plus they are able of deduction on facts and axioms in first-order logic inferred directly from natural language. A case-study is provided to show the effectiveness of the approach, in cases of direct commands and routines subordinated also by a meta-reasoning in a conceptual space, by parsing utterances with promising real-time performances. The lack of Caspar to obtain results in the presence of non-unifying clauses and to manage large knowledge bases as well, led afterwards to the design of AD-Caspar, capable of both abduction as pre-stage of deduction and of being also an interesting tool for instantiating thinking Telegram chatbots. Finally, the chance to make Caspar suitable for different scenarios in the open-world assumption, led to the design of SW-Caspar, which is also a valid tool for the task of learning ontologies serialized in OWL 2. Such ontologies respond to the specifications of LODO, which is a fondational ontology aiming to fill the gap between natural language and human-like fashioned reasoning.

Questa tesi indaga e propone differenti soluzioni nell'ambito delle architetture cognitive che sfruttano l'elaborazione del linguaggio naturale. Sebbene il numero delle esistenti architetture cognitive abbia raggiunto un significativo numero (diverse centinaia), molte di loro sono state finora principalmente usate quale strumento di ricerca, e nessuna è stata specificamente progettata per Internet of Things. D'altra parte, le compagnie odierne che producono assistenti vocali mirano più ad estenderne la diffusione anziché migliorarne le capacità di ragionamento, per via dell'incapacità di tali assistenti di combinare fatti con regole con lo scopo di produrre nuova conoscenza ed aiutare l'utente in compiti di decision-making. Tale motivazione ha condotto alla progettazione di Caspar, una nuova architettura per l'istanziamento di agenti cognitivi basati sul linguaggio naturale. Tali agenti non sono basati su clouds e non richiedono training semantico, in più sono capaci di deduzione su fatti e assiomi in logica del primo ordine derivati direttamente dal linguaggio naturale. Un caso di studio viene fornito per mostrare l'efficacia dell'approccio, nel caso di comandi diretti e routine, subordinati pure da meta-reasoning in un spazio concettuale, ed analizzando le espressioni con promettenti prestazioni real-time. La mancanza di Caspar di ottenere risultati in presenza di clausole non-unificanti e di gestire pure grandi basi di conoscenza, ha condotto successivamente alla progettazione di AD-Caspar, capace di abduzione quale pre-stadio alla deduzione e d'essere pure un interessante strumento per istanziare Telegram chatbot "pensanti". Infine, la possibilità di rendere Caspar adatto a scenari differeti in ipotesi di mondo-aperto, ha condotto alla progettazione di SW-Caspar, il quale è pure un valido strumento per il compito di acquisiree ontologie serializzate in OWL 2. Tali ontologie rispondono alle specifiche di LODO, un'ontologia fondazionale con lo scopo di riempire il gap tra il linguaggio naturale ed il ragionamento di stampo umano.