Modelo de Inferencia

El modelo de inferencia propuesto en este trabajo, se ha limitado a cubrir los requerimientos del primer escenario planteado como parte de la solución. En este escenario, el modelo personal del agente se ha reducido a tres componentes principales: los rasgos de personalidad, las emociones y las relaciones entre ambos. Se considera que éstos son los mismos para todos los agentes.

A efectos de esta investigación, la expresión “características definitorias” es usada para referirse a los rasgos de personalidad, retirando los demás componentes para no agregar complejidad al modelo.

Este modelo de inferencia ha sido agregado al módulo cognitivo del agente, el cual consiste, básicamente, en un nivel reactivo que recibe información de los sensores y envía acciones a los actuadores. Esto se traduce en una arquitectura reactiva de agentes, suficiente para esta primera aproximación, ya que los comportamientos reactivos también toman en cuenta las creencias del agente sobre lo que le rodea, incluyendo otros agentes.

El proceso de inferencia de este modelo se ha llevado a cabo haciendo uso de algoritmos genéticos, que son una herramienta potente para obtener soluciones a problemas de los que no se tenga conocimiento previo. De la aplicación de los algoritmos genéticos se puede extraer lo siguiente:

 No existe un método concreto para establecer los valores de configuración, como son: número de individuos, número de generaciones, tipo de selección, tipos y probabilidades de cruce y mutación y método de reemplazo. Estos valores deben ser hallados de forma empírica, lo cual hace que su configuración requiera de mucho esfuerzo.

 La definición de la función de adecuación o fitness es uno de los aspectos más críticos de la aplicación de algoritmos genéticos, ya que se debe encontrar un modo de medir la aptitud de un individuo, que será lo que le de continuidad generación tras generación.

 Una vez configurados y encontrada la función de aptitud, los algoritmos genéticos han generado resultados bastante buenos, mostrando que el uso de esta técnica evolutiva es adecuada para inferir características propias de un individuo a partir de su comportamiento.

6.2 Pruebas

Se ha conseguido probar el modelo de inferencia desarrollado en este trabajo, aplicándolo a una simplificación de un juego muy conocido en el norte de España, que es denominado Kinito. Aunque no es una situación que revolucione alguna de las áreas en las que se haga uso de sistemas de agentes, se considera que poder probar el modelo es un paso muy importante, ya que, a día de hoy, no se conoce de algún modelo o aplicación que intente inferir las características definitorias de otros en base a su conocimiento, siendo la aproximación de este juego una herramienta rica en interacción y que nos permite medir el resultado final obtenido. La aproximación de este juego consiste en que un individuo, elegido por turnos, lance un dado y obtenga un número que sólo él puede ver, debiendo decidir si le dirá a su oponente el número real o algún otro que sea superior al obtenido. El oponente es elegido también por turnos y deberá responder si cree o no, que el número mencionado es el real. Si el oponente consigue adivinar, ganará la partida y se apoderará de un número de monedas igual al que número que ha mencionado el jugador inicial; caso contrario, es el otro jugador el que gana la partida y se apodere de las monedas.

Las características definitorias considerados para los agentes son: la tendencia para mentir, la capacidad para fingir y la ambición. La única emoción considerada es el nerviosismo, que se ve influenciado por los rasgos de personalidad.

Para poder realizar las pruebas se ha desarrollado un sistema de agentes en JADE, que es una plataforma de desarrollo de agentes basada en Java y que implementa los estándares FIPA. Se han empleado tres agentes, de modo que cada uno de ellos emplee una técnica distinta para su toma de decisiones. Entre estas técnicas se ha considerado:

 Una totalmente aleatoria, que es la más simple, ya que consiste en obtener un número aleatorio entre [1..100] y si este valor es menor o igual a 50, se dará una respuesta; mientras que si es mayor, se dirá otra. Esta técnica es la menos recursos computacionales consume, pero la que ha generado los peores resultados.

 Una técnica basada en reglas aplicadas a la información disponible del agente, cuyo uso de recursos depende del volumen de información del que disponga y sus resultados han sido mejores que la anterior. El uso de recursos de esta técnica no ha sido relevante para este caso y se considera que dependerá del volumen de información que tenga que ser analizada.

 El modelo de inferencia propuesto, para el que el algoritmo genético ha conseguido individuos significativos, en promedio, en la generación 57. Los individuos resultantes han sido generalmente aceptables, es decir, iguales o muy parecidos a los valores reales de los rasgos de personalidad del agente y ha sido el método que ha tenido los mejores resultados.

6.3 Ganancia

La ganancia que ha conseguido el agente que ha empleado el modelo de inferencia propuesto, es muy superior a la de los demás métodos considerados. En términos de monedas, en un total de 10 ejecuciones del juego, se han conseguido ganar aproximadamente 4 veces más que la técnica basada en la información del agente, y ni qué decir de la técnica aleatoria, que ha tenido que pagar la ganancia de los demás agentes.

La conclusión final que se puede obtener del presente trabajo es que infiriendo las características definitorias de otros agentes el comportamiento del agente se vuelve más eficiente porque no actúa a ciegas hacia los otros, sino que anticipa sus comportamientos, lo que es capaz de manejar en su beneficio.