A computational model for mutual intelligibility in argumentation-based multiagent systems
En l'aprenentatge simbòlic supervisat, els exemples estan relacionats amb signes mitjançant associacions estrictes. Aquestes associacions, donades per un tercer, es consideren fixades per sistemes intel·ligents que les han rebut. Els sistemes d'agents amb capacitats d'aprenentatge her...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universitat Autònoma de Barcelona |
| Repositorio: | Dipòsit Digital de Documents de la UAB |
| Idioma: | inglés |
| OAI Identifier: | oai:ddd.uab.cat:240374 |
| Acceso en línea: | https://ddd.uab.cat/record/240374 |
| Access Level: | acceso abierto |
| Palabra clave: | Intel·ligència artificial Inteligencia artificial Artificial intelligence Sistemes multi-agent Sistemas multi-agente Multiagent systems Argumentació Argumentación Argumentation Ciències Experimentals |
| Sumario: | En l'aprenentatge simbòlic supervisat, els exemples estan relacionats amb signes mitjançant associacions estrictes. Aquestes associacions, donades per un tercer, es consideren fixades per sistemes intel·ligents que les han rebut. Els sistemes d'agents amb capacitats d'aprenentatge hereten aquest supòsit estricte de les associacions de signe-exemple.Aquesta tesi presenta un apropament diferent a les associacions signe-exemple per a sistemes d'aprenentatge multiagent, on les associacions signe-exemple són en canvi fluides i adaptatives, podent evolucionar durant la comunicació entre dos agents. Creiem, de fet, que tenir hipòtesis fortes sobre els signes associats a exemples impedeix als agents comunicar-se eficaçment en situacions d'heterogeneïtat semàntica.El nostre apropament modela elements dels camps de la semiòtica i l'antropologia per tal de permetre als agents d'un sistema multiagent canviar dinàmicament les seves associacions signe-exemple i, per tant, quan observen desacords en situacions d'heterogeneïtat semàntica, ser capaços resoldre'ls i arribar a la intel·ligibilitat mútua. Aquest treball de recerca es presenta en cinc etapes. Primer, introduïm el problema d'arribar a la intel·ligibilitat mútua en els escenaris en què s'observen desacords. La segona etapa és introduir un punt de vista semiòtic que caracteritza el nostre apropament i permet als agents comunicar-se sobre les seves associacions signe-exemple. La tercera etapa és la presentació d'un model d'argumentació que assumeixi l'aprenentatge de conceptes sense errors.La quarta etapa és estendre aquest model a un model d'argumentació tolerant als errors, que pot arribar a la intel·ligibilitat mútua alhora que s'assumeix un cert grau d'error en l'aprenentatge de conceptes. La cinquena etapa és la presentació de dues estratègies que adopten el nostre apropament i el nostre model d'argumentació: l'estratègia sistemàtica i la mandrosa. L'estratègia sistemàtica és aquella on els dos agents, quan es troben, comencen a argumentar sobre els seus conceptes per tal de resoldre els seus desacords tot d'una. L'estratègia mandrosa considera que dos agents resolen els desacords un a un, quan van apareixent durant la seva interacció.Avaluem experimentalment el rendiment del nostre model d'argumentació tolerant als errors, emprant les dues estratègies d'argumentació, i mostrem que els agents que utilitzen el nostre apropament poden resoldre qualsevol desacord o combinacions d'aquests, augmentant la seva intel·ligibilitat mútua. A més, mostrem que els agents són capaços de resoldre els seus desacords i millorar la seva intel·ligibilitat mútua en diversos dominis d'aplicació. Finalment, mostrem que el nostre model d'argumentació no requereix una gran quantitat d'intercanvi d'informació entre els agents per assolir l'estat d'intel·ligibilitat mútua. |
|---|