Mecanismos computacionales de confianza y reputación

La investigación científica en el área de mecanismos computacionales de confianza y reputación en sociedades virtuales es una disciplina reciente orientada a incrementar la fiabilidad y performance de comunidades electrónicas. En artículos recientes como [SS05, Ama02, eBa02, Del03, MM02, BK01, GS00, MC02] se desprende que el paradigma de agentes autónomos y sistemas multi- agentes junto con la aparición creciente de las tecnologías de información social (especialmente reflejado por la popularidad del comercio electrónico) son los responsables del creciente interés sobre mecanismos de confianza y reputación aplicados a sociedades electrónicas.

En [SS05], Sabater y Sierra sostienen que la importancia de la confianza y reputación en sociedades humanas está fuera de discusión, por lo tanto, no es sorpresa que varias disciplinas, cada una desde una perspectiva diferente, haya estudiado y utilizado ambos conceptos. En ciencias de la computación hay dos elementos que han contribuido sustancialmente en incrementar el interés en confianza y reputación: el paradigma de sistemas multi-agentes y la evolución creciente del e- commerce. Hay que notar que en la literatura las palabras confianza y reputación se utilizan generalmente para referirse al mismo concepto.

El estudio de confianza y reputación tiene muchas aplicaciones en tecnologías de comunicación e información. Estos sistemas han sido reconocidos como factores claves para el éxito de la adopción del comercio electrónico. Los mismos son usados por agentes de software inteligentes como un mecanismo para buscar compañeros confiables y como un incentivo en toma de decisiones acerca de si se tiene en cuenta un contrato. La reputación es usada en el mercado electrónico como un mecanismo para evitar fraudes y estafas [Ama02, eBa02, Del03]. Los e-markets no son el único campo de aplicación, por ejemplo, en [BK01] usan la confianza para mejorar la performance de mecanismos de revisión de creencias. Otra importante área de aplicación en tecnología de agentes es el trabajo de equipo y cooperación.

En la actualidad, es difícil encontrar trabajos relevantes que estudien una visión general de confianza y reputación desde el punto de vista de ciencias de la computación. Dellarocas [Del03] presenta una visión general de mecanismos de reputación online que son usados en sitios web comerciales. En el área de confianza, Grandison [GS00] examina varias definiciones de confianza que existen en la literatura y proveen una definición de confianza para aplicaciones de Internet. Hay también algunas propuestas que establecen una tipología de reputación [MM02] y confianza [MC02].

No obstante, en la literatura no se encuentra un desarrollo formal para la dinámica de la reputación con características análogas a los formalismos de revisión de creencias. Es por este motivo que nuestra investigación se enfoca en el estudio de técnicas y formalismos de actualización de reputación a través de operadores de cambio como revisión, expansión y contracción.

Los agentes son entidades computacionales autónomas, ya sea programas o robots, con la capacidad de percibir el entorno en que se desenvuelven y actuar para llevar a cabo alguna tarea. La percepción del entorno por parte de un agente es usualmente limitada, y diferentes agentes dentro de un sistema multi-agente pueden tener una percepción diferente del entorno. Por lo tanto, es importante que los

48

agentes puedan cooperar compartiendo su conocimiento acerca del entorno. Además, si cada agente almacena conocimiento producto de su experiencia, es importante que pueda compartir este conocimiento con otros agentes con los cuales coopera. De esta manera, agentes especialistas en cierto aspecto podrán intercambiar conocimiento con otros que tienen experiencia en otras áreas. Por lo tanto, en el contexto de sistemas multi-agente, un agente puede a menudo recibir información a través de otro que por lo general llamamos informante. Estos informantes son agentes independientes que tienen sus propios intereses y, por lo tanto, no son completamente fiables. Es natural para un agente estar más inclinado a creerle más a un informante sobre otro. Es por esto que en algunos trabajos se ha propuesto la organización de los informantes en un orden parcial que compara la plausibilidad de los mismos. En el Capítulo 4 se pretende combinar formalismos de revisión de creencias y actualización de conocimiento con técnicas de mantenimiento de confianza y reputación de agentes en un ambiente distribuido.

2.5. Conclusión

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 preliminares de las áreas de sistemas multi-agentes, revisión de creencias, revisión de creencias en sistemas multi-agentes y mecanismos computacionales de confianza y reputación. Es por esto que en este capítulo 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 área. Luego, ya en forma más detallada, hemos mostrado algunos nociones preliminares de la teoría de cambio de creencias que luego serán adaptados al modelo epistémico presentado en el siguiente capítulo. Para ello, hemos comenzado analizando dos formas de representar el conocimiento en el área de revisión de creencias, conjuntos de creencias (belief sets) y bases de creencias (belief bases). Los conjuntos de creencias (conjuntos de sentencias clausurados lógicamente) son útiles desde el punto de vista filosófico, analizando los cambios en el nivel de conocimiento. En cambio, las bases de creencias (conjuntos de sentencias arbitrarios) son útiles para aplicaciones computacionales, analizando cambios en el nivel

simbólico. Como mostraremos en el capítulo siguiente, el aporte de esta tesis está enfocado en una versión adaptada de bases de creencias. El primer operador de cambio que presentamos ha sido el de expansión siguiendo el modelo AGM [AGM85]. Este es el operador de cambio más simple, ya que sólo consiste en el agregado de nueva información a la base de creencias de un agente, sin ninguna garantía de mantenimiento de consistencia en la base resultante. Luego, hemos mostrado de forma amplia dos operadores de contracción: partial meet contraction y kernel contraction. Ambas fueron presentadas mediante modelos constructivos y teoremas de representación. En primer lugar, hemos visto el operador de contracción más general, partial meet contraction, presentado siguiendo el modelo AGM [AGM85]. Luego, fue mostrado el operador de kernel contractions definido por Hansson en [Han94]. El modelo de cambio que presentamos en la Sección 3.4 está basado en las kernel contractions. Además, hemos mostrado en forma breve el operador de cambio más complejo de la teoría: el operador de revisión. Este operador lo hemos presentado siguiendo la identidad de Levi, la cual define la revisión basada en la contracción y la expansión.

Una vez presentada la teoría de cambio, con la intención de especificar el foco de nuestro aporte, hemos mostrado una descripción desarrollada por Liu y Williams en [LW99] donde se muestra un análisis de revisión de creencias en sistemas multi-agente. Allí se detalla una jerarquía que ilustra los diferentes enfoques que existen en el área mencionada, entre los que se destacan revisión de creencias en sistemas multi-agentes (Multi-agent belief revision) y revisión de creencias basado en múltiples fuentes (Multi-source belief revision) en la cual está basado nuestro aporte.

Finalmente, hemos mostrado las motivaciones del área de mecanismos computacionales de confianza y reputación, las cuales nos estimularon en el desarrollo de un modelo de cambio sobre la credibilidad de los agentes. Este aporte, será especificado en el Capítulo 4.

C

3

Dinámica del conocimiento en SMA