listProfiles

El objetivo principal de la tesis es desarrollar un modelo de cambio completo para cada agente en un sistema multi-agente. Para ello es necesario conocer algunos conceptos preli- minares de las ´areas de sistemas multi-agentes, revisi´on de creencias, revisi´on de creencias en sistemas multi-agentes y mecanismos computacionales de confianza y reputaci´on. Es

36 Cap´ıtulo 2. Conceptos preliminares

por esto que en este cap´ıtulo introductorio hemos mostrado en forma resumida nociones relacionadas a cada una de ellas.

En primer lugar, hemos dado conceptos acerca de agentes y sistemas multi-agente basados en nociones establecidas por autores reconocidos en el ´area. Luego, ya en for- ma m´as detallada, hemos mostrado algunos nociones preliminares de la teor´ıa de cambio de creencias que luego ser´an adaptados al modelo epist´emico presentado en el siguiente cap´ıtulo. Para ello, hemos comenzado analizando dos formas de representar el conoci- miento en el ´area de revisi´on de creencias, conjuntos de creencias (belief sets) y bases de creencias (belief bases). Los conjuntos de creencias (conjuntos de sentencias clausurados l´ogicamente) son ´utiles desde el punto de vista filos´ofico, analizando los cambios en el nivel de conocimiento. En cambio, las bases de creencias (conjuntos de sentencias arbitrarios) son ´utiles para aplicaciones computacionales, analizando cambios en el nivel simb´olico. Como mostraremos en el cap´ıtulo siguiente, el aporte de esta tesis est´a enfocado en una versi´on adaptada de bases de creencias.

El primer operador de cambio que presentamos ha sido el de expansi´on siguiendo el modelo AGM [AGM85]. Este es el operador de cambio m´as simple ya que s´olo consiste en el agregado de nueva informaci´on a la base de creencias de un agente, sin ninguna garant´ıa de mantenimiento de consistencia en la base resultante. Luego, hemos mostrado de forma amplia dos operadores de contracci´on: partial meet contraction y kernel contraction. Am- bas fueron presentadas mediante modelos constructivos y teoremas de representaci´on. En primer lugar, hemos visto el operador de contracci´on m´as general, partial meet contrac- tion, presentado siguiendo el modelo AGM [AGM85]. Luego, fue mostrado el operador de

kernel contractions definido por Hansson en [Han94]. El modelo de cambio que presenta- mos en la Secci´on 3.4 est´a basado en las kernel contractions. Adem´as, hemos mostrado en forma breve el operador de cambio m´as complejo de la teor´ıa: el operador de revisi´on. Este operador lo hemos presentado siguiendo laidentidad de Levi, la cual define la revisi´on basada en la contracci´on y la expansi´on.

Una vez presentada la teor´ıa de cambio, con la intenci´on de especificar el foco de nues- tro aporte, hemos mostrado una descripci´on desarrollada por Liu y Williams en [LW99] donde se muestra un an´alisis de revisi´on de creencias en sistemas multi-agente. All´ı se detalla una jerarqu´ıa que ilustra los diferentes enfoques que existen en el ´area menciona- da, entre los que se destacan revisi´on de creencias en sistemas multi-agentes (Multi-agent

Conclusi´on 37

belief revision) y revisi´on de creencias basado en m´ultiples fuentes (Multi-source belief revision) en la cual est´a basado nuestro aporte.

Finalmente, hemos mostrado las motivaciones del ´area de mecanismos computacionales de confianza y reputaci´on, las cuales nos estimularon en el desarrollo de un modelo de cambio sobre la credibilidad de los agentes. Este aporte, ser´a especificado en el cap´ıtulo 4.

Cap´ıtulo 3

Din´amica del conocimiento en SMA

basado en informantes

En este cap´ıtulo introduciremos un formalismo para modelar la din´amica de cono- cimiento en bases de creencias de agentes que interact´uan en un sistema-multi agente colaborativo. Como hemos mencionado anteriormente, la din´amica del conocimiento es modelada por la teor´ıa de cambio de creencias, la cu´al busca mostrar como quedan cons- tituidas las creencias de un agente despu´es de recibir cierta informaci´on externa. En el Cap´ıtulo 2 mostramos que existen diferentes modelos de cambio, los cuales han sido pen- sados teniendo en cuenta un ´unico agente. Esto es, consideraban ´unicamente como se producen cambios en la base de conocimiento de un agente cuando recibe nueva informa- ci´on.

Con el tiempo los sistemas de un ´unico agente han evolucionado hacia sistemas multi- agentes, donde m´ultiples agentes que interact´uan entre s´ı pueden colaborar, negociar o discutir, para lograr sus metas. En muchos dominios y aplicaciones multi-agentes, cada agente tiene sus propias creencias iniciales y tambi´en creencias adquiridas desde otros agentes informantes. Por lo tanto, un agente puede recibir informaci´on desde otros agentes que es contradictoria con sus propias creencias actuales.

Este cap´ıtulo se enfoca en revisi´on de creencias con m´ultiples fuentes (MSBR: Multi- Source Belief Revision);i.e., revisi´on de creencias realizada por un ´unico agente que puede obtener nuevas creencias desde m´ultiples informantes. Por lo tanto, una de las contribucio- nes de nuestro enfoque es la definici´on de un modelo epist´emico para MSBR que considera creencias y meta-informaci´on que representa la credibilidad de la fuente de la creencia.

40 Cap´ıtulo 3. Din´amica del conocimiento en SMA basado en informantes

Investigamos como la base de creencias de un agente puede ser racionalmente modificada cuando un agente A recibe informaci´on desde otros agentes, los cuales para A pueden tener diferentes grados de credibilidad. De esta manera, nuestra principal contribuci´on es la definici´on de diferentes operadores de cambio de creencia que usan la credibilidad de los agentes informantes para decidir que informaci´on prevalece. En este cap´ıtulo, estos operadores son definidos a trav´es de modelos constructivos y teoremas de representaci´on que proveen una caracterizaci´on axiom´atica para el formalismo propuesto.

El formalismo y los resultados presentados en este cap´ıtulo fueron publicados en el “Twelfth International Workshop on Non-Monotonic Reasoning (NMR 2008)” [TGFS08] y aceptados en la revista “The Knowledge Engineering Review (KER)” [TGFS10].