Agente de reputação para ART Testbed Andrew Diniz da Costa

© LES/PUC-Rio Agenda Introdução Agente Avaliador Passo a passo –Primeira sessão –A partir da segunda sessão Considerações finais Referências

© LES/PUC-Rio Introdução Agent Reputation and Trust Testbed (ART-Testbed)

© LES/PUC-Rio Introdução Reputações Opiniões Agente AAgente B Reputação do agente C por favor. Agente C tem reputação 0,1 (mentiroso). Agente C Agente AAgente B Qual sua opinião sobre a pintura X da era1? Meu conhecimento é 0,8. Ah!! Eu avalio por R$1000,00. Show!! Me diga sua avaliação

© LES/PUC-Rio Agente Avaliador Agente Competidor 1 era1era2era9...era10 Agente Competidor 2 era1era2era9...era10 Agente LES era1era2 era9...era10 1,0 0,1 0,5 0,7 pinturaera 1 * p*=i(wi. pi) i(wi) wi = peso pi = Avaliação da opinião

© LES/PUC-Rio Agente Avaliador com Governance Framework Agente LES... Role Reputations Agente competidor 1 Role Reputations Agente competidor 2 Role Reputations Agente competidor n era1 era2...era9era10 era1

© LES/PUC-Rio Agente Avaliador com Governance Framework Norma –Opinião da pintura ajude na avaliação final do agente. Violação de Norma –Não ajuda na avaliação final do agente LES Agente –Testemunha –Juiz Reputação de Papel –Cada agente possui um conjunto de reputações de papel (role reputations) –1 era – 1 papel de reputação

© LES/PUC-Rio Valor real da pintura X é R$ ,00 Mentira legal Agente LES Agente Competidor 1 Opinião da pintura X (era5) Grau de conhecimento da era5 é 0,1 Eu quero R$ 9.000,00 Era5 é 0,5

© LES/PUC-Rio Verdade ruim Valor real da pintura X é R$ ,00 Agente LES Agente Competidor 2 Opinião da pintura X (era5) Grau de conhecimento da era5 é 0,1 Eu quero R$ 1000,00 Era5 é 0,5

© LES/PUC-Rio Primeira Sessão Cada agente não possui informações sobre os outros agentes avaliadores. Permitido verificar apenas opiniões da sessão anterior. Como política adotamos para a 1ª rodada: Se grauAgenteLes >= 0,5 grau dos outros agentes = 0,0 Senão grau dos outros agentes = 0,5

© LES/PUC-Rio A partir da segunda Sessão - Juiz (I) Cada opinião de uma era blamePercentage = ValueAppraised / TrueValue (II) Média das n blamePercentage averageBlamePercentage = blamePercentage. N (nº de opiniões da era) (III) Verificar violação de norma Se averageBlamePercentage >= grau do agente LES então inocente Senão culpado

© LES/PUC-Rio Reputação de papel (IV) Atualizar reputação de papel newRoleReputation = [ (2 * oldRoleReputation) + (averageBlamePercentage * powerNorm) ] / 3 –OldRoleReputation –AverageBlamePercentage –PowerNorm (1.0) (V) Atribuir pesos

© LES/PUC-Rio Atribuição de peso Possibilidade de incrementos e decrementos nos pesos Exemplo: Agente 1 e agente 2 = peso 0,1 (R$ 1.000) AgentLes = peso 0,9 (R$ 9.000) Valor verdadeiro da pintura = R$ Ruim Melhor Caso 1: (0,1 * 1000) + (0,1 * 1000) + (0,9 * 9000) = 0,1 + 0,1 + 0,9 = 7545, 45 Caso 2: (0,0 * 1000) + (0,0 * 1000) + (1,0 * 9000) = 0,0 + 0,0 + 1,0 = p*=i(wi. pi) i(wi)

© LES/PUC-Rio Atribuição de peso / Políticas Incremento –Um agente possui grau de perícia muito superior aos outros. –Minoria dos agentes possui grau superior. Decremento –Agente Les possui grau muito pequeno em relação aos avaliadores. –Conjunto de agentes com graus pequenos, porém um avaliador possui um bom grau de perícia. Se graus são muito parecidos há risco alto nas mudanças.

© LES/PUC-Rio Reputação Requisitar reputação de algum avaliador (?) –Verdades / mentiras –Gasto de dinheiro –Com as opiniões o agente LES consegue determinar quem mente e quem diz a verdade –Grande parte dos agentes competidores (2006) não requisitam reputações

© LES/PUC-Rio Considerações finais Implementação de um estudo de caso para o Governance Framework. Implementação de um agente para o domínio ART-Testbed, explorando as características do domínio. Avaliação do Governance Framework. Realização da monografia.

© LES/PUC-Rio Referências ART Testbed Team. Agent Reputation and Trust Testbed Fullam, K., T. Klos, G. Muller, J. Sabater, A. Schlosser, Z. Topol, K. S. Barber, J. Rosenschein, L. Vercouter, and M. Voss. (2005) "A Specification of the Agent Reputation and Trust (ART) Testbed: Experimentation and Competition for Trust in Agent Societies," The Fourth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS-2005), Utrecht, July 25-29, pp Fullam, K., T. Klos, G. Muller, J. Sabater, Z. Topol, K. S. Barber, J. Rosenschein, and L. Vercouter. (2005) "A Demonstration of The Agent Reputation and Trust (ART) Testbed: Experimentation and Competition for Trust in Agent Societies," The Fourth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS-2005) Demonstration Track, Utrecht, July 25-29, pp Sen, S., I. Goswami, and S. Airiau. (2006) "Expertise and Trust-Based Formation of Effective Coalitions: An Evaluation of the ART Testbed," The Workshop on Trust in Agent Societies at The Fifth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS-2006), Hakodate, Japan, May 9, pp

© LES/PUC-Rio Referências Stranders, R. (2006) Argumentation Based Decision Making for Trust in Multi-Agent Systems. Master's Thesis, Delft University of Technology. Fullam, K. and K.S. Barber. (2006) "Learning Trust Strategies in Reputation Exchange Networks," The Fifth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS-2006), Hakodate, Japan, May 8-12, pp Kafali, O. and P. Yolum. (2006) "Trust Strategies for ART Testbed," The Workshop on Trust in Agent Societies at The Fifth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS- 2006), Hakodate, Japan, May 9, pp Fernanda Duran, Viviane Torres da Silva, and Carlos J. P. de Lucena (2006) Using Testimonies to Enforce the Behavior of Agents. José de S. P. Guedes Viviane Torres da Silva, and Carlos J. P. de Lucena (2006) A Reputation Model Based on Testimonies.

Fim!