Confiança e Reputação em SMA

Apresentação em tema: "Confiança e Reputação em SMA"— Transcrição da apresentação:

1 Confiança e Reputação em SMA
Programa de Pós-Graduação em Engenharia de Automação e Sistemas Departamento de Automação e Sistemas Inteligência Artificial Aplicada a Sistemas de Controle e Automação Confiança e Reputação em SMA Rafael Frizzo Callegaro Joao Eduardo Hornburg 29/11/2011

2 Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Introdução Contextualização Objetivo da pesquisa Fundamentação Teórica Definição Confiança Reputação Utilização Funcionamento Classificação, vantagens e desvantagens Modelo Conceitual Fontes de Informação Visibilidade Granularidade Modelos Computacionais de Confiança e Reputação em SMA Sporas ReGreT Castelfranchi & Falconi ForTrust Considerações Finais Conclusão Referências

3 Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Contextualização O comportamento coletivo dos agentes em um sistemas multi-agente (SMA) é utilizado para atingir objetivos. Nestes sistemas a interação entre os participantes é função elementar. Como realizar a avaliação das informações e a escolha de parceiros em SMA abertos?

4 Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Objetivo da Pesquisa O objetivo desta pesquisa é fundamentar os conceitos de confiança e reputação em SMA. Explorar os mecanismos de alguns modelos computacionais conhecidos. Comparar a arquitetura dos modelos explorados.

5 Definição de Confiança
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Definição de Confiança A confiança “é a convicção de alguém nas habilidades e intenções de um agente em prover informações corretas ou executar as ações prometidas”. (Barber et al. 2003).

6 Definição de Reputação
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Definição de Reputação Reputação “ferramenta social com o objetivo de reduzir a incerteza de se interagir com indivíduos de atributos desconhecidos”. (BROMLEY, 1993).

7 Comentários Áreas de pesquisa que tratam do assunto.
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Comentários Áreas de pesquisa que tratam do assunto. Psicologia (Karlins e Abelson 1970; Bromley 1993), Sociologia (Buskens 1998), Filosofia (Platão 1955; Hume 1975) e Economia (Celentani et al.1966; Marimon et al. 2000) Ciência da computação Inteligência artificial Sistemas multi-agente.

8 Utilização Mecanismo de busca de parceiros honestos.
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Utilização A confiança e reputação são utilizadas como: Mecanismo de busca de parceiros honestos. Ajuda na tomada de decisão sobre honrar ou não contratos. Melhorar os mecanismos de revisão de crenças e de cooperação. Em SMA é comum a interdependência entre os agentes a fim de atingir objetivos, quando estes excedem a capacidade de agir isoladamente.

9 Exemplo de utilização Ag1 tem o objetivo g1
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Exemplo de utilização Ag1 tem o objetivo g1 Para atingi-lo deve executar o plano p111 P111= consiste nas ações a1(),a2() ,a4() Ag1 não sabe executar a2 Ag2 e ag3 são capazes de executar a ação a2; Se ag1 puder recompensar ag2 ou ag3, pode-se firmar uma parceria. Qual dos dois agentes escolher para executar a2? Como saber se um agente é confiável ou não? Exemplo de Rede de Dependência SICHMAN; CONTE, 2002

10 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Modelo Conceitual Fontes de Informação Visibilidade Granularidade

11 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Modelo Conceitual Baseado na Teoria de jogos Cognitivo

12 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Modelo Conceitual Cognitivo Processo interno de inferência que dá origem à reputação atribuída a um alvo. Confiança e reputação são compostas de crenças subjacentes e são uma função do grau destas crenças. Nesta abordagem, os estados mentais que levam a confiar em outro agente ou atribuir uma reputação, bem como as consequências de uma decisão e o ato de contar com um outro agente, são parte essencial do modelo. Mais adaptáveis. (qualitativo) Esfandiari e Chandrasekharan, 2001

13 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Modelo Conceitual Teoria de jogos Confiança e reputação são consideradas probabilidades subjetivas pelo qual um individuo A espera que um indivíduo B execute uma ação do qual depende o seu bem estar. Manipulações estritamente numéricas. (quantitativo) Confiança e Reputação não são resultado do estado mental do agente, mas de um jogo mais pragmático (fatos), com funções de utilidade e agregação numérica de interações passadas. Simples, porém menos adaptativo. Depende da escolha dos outros indivíduos. Proposto por Gambetta, 1990

14 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação Experiências Diretas Testemunhos Informação sociológica Preconceito (sentido de ideia pré- concebida)

15 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação Experiências Diretas Fonte de informação mais relevante e confiável. Utilizada por basicamente todos os modelos. Interação direta com outro agente. Prioridade para interações recentes Depende do numero de interações Também pode depender da variação dos valores. Grau de confiabilidade pode crescer até atingir um nível intimo. Interação observada de outros membros da comunidade (restrita a senários que estão dispostos a permitir isso). Interações diretas nem sempre são possíveis Ex: agente recém chegado ou sociedade muito grande.

16 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação X Testemunhos Também chamada de interações indiretas. Informações vem de outros membros da comunidade. Mais abundante do que as diretas porém mais complexo. X X B’s reputation A’s reputation = 0,7 X X A A’s reputation ? B X 0,7 X X X C Fonte de informação baseado em testemunhos

17 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação Testemunho Em um mundo ideal, esta informação sendo correta é tão relevante quanto a direta. No entanto: Informação falsa: ou a informação de outro agente não é exata ou o agente esta mentindo. O agente não pode presumir que a informação é completa. Evidências correlacionadas: opiniões de diferentes testemunhas são baseadas em um mesmo (s) evento (s). Os agente não sabe como os testemunhos estão relacionados. Testemunhos podem manipular ou esconder informações para seu próprio benefício. Pode-se evitar analisando as relações sociais entre os agentes testemunhos.

18 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação Informações sociológicas Com base nas relações sociais entre os agentes e o papel que eles tem na sociedade. Exemplo de relações: dependência, comércio, concorrência, cooperação. O indivíduo também pode desempenhar um papel na sociedade. (policial, bombeiro, professor, vendedor) Os modelos baseados nestas informações baseiam-se em técnicas de análise de rede social (conjunto de métodos para analisar as relações sociais/aspectos relacionais). A utilização destes métodos está condicionada a disponibilidade das relações sociais. (Scott, 2000).

19 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Fontes de Informação Preconceito (sentido de conceito pré- concebido.) Mecanismo de atribuição de propriedades (como por exemplo a reputação) a um indivíduo baseado em sinais que identificam o indivíduo como membro de um determinado grupo. Exemplo: uniforme, comportamento .

20 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Visibilidade Global Individual

21 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Visibilidade Global Compartilhada por todos os observadores. Calculada a partir das opiniões dos indivíduos que no passado interagiram com o indivíduo alvo. Valores disponíveis publicamente a todos os membros. Atualizado cada vez que um membro emite uma nova avaliação do indivíduo.

22 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Visibilidade Global Vantagens A reputação é sempre conhecida. A reputação está sempre atualizada pois é calcula através da informação que recebem de outros agentes. Desvantagens Os agentes não são capazes de armazenar as reputações dos agentes com os quais interagiram Não existe mecanismo para verificar se a informação é verdadeira ou falsa. Não consideram o contexto. B’s reputation = ** A’s reputation = *** A B Reputation System C A’s reputation ? ***

23 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Visibilidade Individual Subjetiva, avaliada por cada indivíduo. Cada indivíduo atribui um valor de confiança e reputação de acordo com seu ponto de vista, baseado em interações diretas, testemunhas, relações conhecidas entre agentes.

24 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Visibilidade Individual Vantagens: Os agentes, que podem estar executando em um sistema multi- agentes de larga escapa e distribuído, não necessitam se comunicar com um mecanismo centralizado Cada agente é capaz de armazenar a reputação dos outros agente desde seu ponto de vista Desvantagens: É necessário interagir com o agente primeiro para depois conhecer sua reputação. A reputação que um agente conhece de outro agente pode não estar atualizada se faz tempo que os agentes não interagem. B’s reputation A’s reputation = 0,7 A B C A’s reputation ?

25 Classificação, vantagens e desvantagens
Introdução Fundamentação Teórica Modelos Computacionais Classificação, vantagens e desvantagens Considerações Finais Referências Granularidade Reputação/confiança de acordo com o contexto. Dependente do contexto Difícil encontrar informações suficientes para calcular confiança/reputação No entanto é possível que a complexidade dos agentes aumente necessitando deste modelo. Não dependente do contexto Mais utilizado Menor complexidade Normalmente temos sistemas/tarefas delimitadas

26 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Sporas Versão sofisticada dos mecanismos de reputação presentes em sites de comércio eletrônico tipo ebay. Pioneiro em SMA(ZACHARIA, 1999). Centralizado/Teoria de Jogos/Testemunho/não dependente de contexto/somente reputação Novos usuários tem um valor mínimo inicial. Pontuação: 0 a 3000. +1, 0, -1 Reputação não pode ser inferior a inicial, por isso não há vantagens em abandonar o sistema.

27 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências ReGreT ReGreT (SABATER; SIERRA, 2001) Individual/Teoria de Jogos/Direta + Testemunho + social /dependente de contexto/Confiança e reputação Usa uma base de dados de resultados para armazenar contratos anteriores e o seu resultado. (ODB) Informações recebidas de outros agentes. (DIB) Armazenamento de grafos (sociogramas) que definem o ponto de vista do agente social no mundo. (SDB)

28 CASTELFRANCHI; FALCONE, Principles of Trust for MAS, 1998
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone CASTELFRANCHI; FALCONE, Principles of Trust for MAS, 1998 Baseado em 2 elementos: Confiança Delegação

29 Em geral confiança é pré-requisito para delegação Exceções:
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Em geral confiança é pré-requisito para delegação Exceções: Confiança sem delegação Delegação sem confiança

30 C&F – Delegação Para atingir um objetivo g, x delega a tarefa t para y
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone C&F – Delegação Para atingir um objetivo g, x delega a tarefa t para y Delegação fraca: y não sabe que recebeu a tarefa de x, nem conhece g Ex: ponto de ônibus

31 Delegação Delegação forte: Castelfranchi & Falcone
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Delegação Delegação forte: y sabe a respeito da delegação pode haver negociação precisa haver comprometimento de y

32 Confiança Estado mental - BDI Conjunto de crenças
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Confiança Estado mental - BDI Conjunto de crenças Restringe-se a uma tarefa x confia em y para realizar a tarefa t y não precisa ser um agente

33 Confiança Não é absoluta - pode ter vários níveis
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Confiança Não é absoluta - pode ter vários níveis Delegação acontece a partir de um certo nível Reajustada levando em conta o resultado da tarefa t (sucesso ou fracasso)

34 Crenças Competência Disposição Castelfranchi & Falcone
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Crenças Competência x acredita que y tem competência para realizar a tarefa t Disposição x acredita que y vai de fato realizar a tarefa t

35 Crenças Dependência Cumprimento Castelfranchi & Falcone
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Crenças Dependência x acredita que depende de y para realizar a tarefa t Cumprimento derivado das 3 crenças anteriores x acredita que o objetivo g será realizado

36 Castelfranchi & Falcone
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Estado mental

37 Crenças delegação fraca Determinação (willingness) Persistência
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências Castelfranchi & Falcone Crenças delegação fraca Determinação (willingness) x acredita que y decidiu fazer t Persistência x acredita que y não vai mudar de ideia quanto a t Autoconfiança x acredita que y crê que é capaz de atingir o objetivo g (do qual t faz parte)

38 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências For Trust HERZIG et al; A logic of trust and reputation Baseado no C&F Dois tipos de confiança y vai agir imediatamente y vai agir assim que algumas condições forem atingidas

39 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências For Trust Crenças Objetivo x tem o objetivo g Capacidade y é capaz de realizar a tarefa t (necessária para atingir g)

40 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências For Trust Crenças Competência y tem competência para executar t com qualidade satisfatória Intenção y está decidido a realizar t

41 Modelos computacionais de confiança e reputação
Introdução Fundamentação Teórica Modelos Computacionais Modelos computacionais de confiança e reputação Considerações Finais Referências For Trust Reputação Crenças de Grupo

42 Quadro comparativo entre os modelos
Introdução Fundamentação Teórica Modelos Computacionais Considerações Finais Referências Modelo Conceitual Fonte de Informação Visibilidade Granularidade Tipo do Modelo S. Marsh Teoria de Jogos Direta Subjetiva Dependente do Contexto. Confiança Sporas Testemunho Global Não depende do contexto. Reputação Histos Direta + Testemunho Yu and Sign Direta, Testemunho Não depende do contexto Confiança e Reputação AFRAS Castelfranchi and Falcone Cognitivo Não informa Dependente do Contexto ReGreT Direta + Testemunho+ Social + preconceito Confiança e reputação forTrust Quadro comparativo entre os modelos

43 Conclusão Introdução Fundamentação Teórica Modelos Computacionais
Considerações Finais Referências Foi possível definir os conceitos e observar que confiança e reputação estão diretamente relacionadas porém é possível diferenciá-las. Informações diretas e baseados em testemunhas são as fontes mais utilizadas, porém para aumentar a eficiência dos modelos é necessário utilizar os aspectos sociológicos. Sistemas com arquitetura mais simples e centralizados são os mais utilizados, porém poderá haver um aumento na demanda por sistemas com maior robustez. Ficou claro que a maioria dos modelos são baseados na teoria de jogos, porém esta abordagem pode ser demasiadamente restritiva. Uma solução seria a utilização de modelos cognitivos ou uma combinação de ambos. A necessidade da Delegação gera a necessidade dos conceitos de confiança e reputação.

44 Congressos, Workshops Introdução Fundamentação Teórica
Modelos Computacionais Considerações Finais Referências International Workshop on Multi-Agent Systems and Agent-Based Simulation (MABS) Trust, Reputation and User Modeling Workshop (TRUM) Workshop on Trust and Reputation (Inerdisciplines) Workshop-Escola de Sistemas de Agentes, seus Ambientes e aplicações (WESAAC) International Conference on Autonomous Agents and Multiagent Systems (AAMAS) Simpósio Brasileiro de Inteligência Artificial (SBIA) Workshop on Deception, Fraud and Trust in Agent Societies

45 Referências Introdução Fundamentação Teórica Modelos Computacionais
Considerações Finais Referências Referências BROMLEY, D. B. Reputation, Image and Impression Management. [S.l.]: John Wiley & Sosns Ltd., 1993. CASTELFRANCHI, C.; FALCONE, R. Principles of trust for MAS: Cognitive anatomy, social importance and quantification. ICMAS, v. 1, p. 72–79, 1998. HERZIG, A. et al. Prolegomena for a logic of trust and reputation. In: 4th ForTrust Meeting. [S.l.: s.n.], 2008. J. SICHMAN, R. CONTE, 2002. Multi-Agent Dependence by Dependence Graphs. Proceedings of the 1st International Joint Conference on Autonomous Agents and Multi-Agent Systems ACM Press. SABATER, J.; SIERRA, C. Review on computational trust and reputation models. Kluwers Academic Publishers, v. 1, p. 27, 2005. SABATER, J.; SIERRA, C. Reputation and social network analysis in multi-agent systems. In Proceedings of First International Conference on Autonomous Agents and Multiagent Systems (AAMAS), pages 475–482, 2002. SCIHMITZ, T. Crenças de Grupo como Instrumento de Formação da Reputação: Uma Arquitetura Baseada em Agentes e Artefatos. Dissertação (Mestrado) Universidade Federal de Santa Catarina, 2011.  SILVA, V. On-line 29/11/2011: ZACHARIA, G. Collaborative Reputation Mechanisms for Online Communities. Dissertação (Mestrado) — Massachusetts Institute of Technology, 1999.