Resumen de Un model computacional per la intel·legibilitat mútua en sistemes multi-agent basats en argumentació
Kemo Adrian
En l'aprenentatge simbòlic supervisat, els exemples estan relacionats amb signes mitjançant associacions estrictes. Aquestes associacions, donades per un tercer, es consideren fixades per sistemes intel·ligents que les han rebut. Els sistemes d'agents amb capacitats d'aprenentatge hereten aquest supòsit estricte de les associacions de signe-exemple.Aquesta tesi presenta un apropament diferent a les associacions signe-exemple per a sistemes d’aprenentatge multiagent, on les associacions signe-exemple són en canvi fluides i adaptatives, podent evolucionar durant la comunicació entre dos agents. Creiem, de fet, que tenir hipòtesis fortes sobre els signes associats a exemples impedeix als agents comunicar-se eficaçment en situacions d’heterogeneïtat semàntica.El nostre apropament modela elements dels camps de la semiòtica i l’antropologia per tal de permetre als agents d’un sistema multiagent canviar dinàmicament les seves associacions signe-exemple i, per tant, quan observen desacords en situacions d’heterogeneïtat semàntica, ser capaços resoldre’ls i arribar a la intel·ligibilitat mútua.
