본 논문은 인공지능(AI) 기반 의사결정이 인간의 선호도와 일치하도록 하는 'Contestable AI'에 초점을 맞추고 있다. 특히, Edge-Weighted Quantitative Bipolar Argumentation Frameworks (EW-QBAFs)를 활용하여 Contestable AI를 구현하는 방법을 제시한다. 논문에서는 EW-QBAFs에서 특정 주장(topic argument)의 강도를 원하는 수준으로 조정하기 위한 'contestability problem'을 정의하고, 이 문제를 해결하기 위해 gradient-based relation attribution explanations (G-RAEs)를 도입한다. G-RAEs는 주장의 강도가 각 edge weight 변화에 얼마나 민감한지를 정량화하여, weight 조정을 위한 해석 가능한 지침을 제공한다. 이를 기반으로, 원하는 강도를 달성하도록 edge weight를 점진적으로 조정하는 반복 알고리즘을 개발하고, 개인화 추천 시스템 및 다층 퍼셉트론의 구조적 특성을 모방한 합성 EW-QBAFs에 대한 실험을 통해 알고리즘의 효과를 검증한다.
