Reputação Andrew Diniz da Costa Fábio de Azevedo Sérgio Ciglione [email protected]...
37
Reputação Andrew Diniz da Costa Fábio de Azevedo Sérgio Ciglione [email protected] [email protected] [email protected]
Transcript of Reputação Andrew Diniz da Costa Fábio de Azevedo Sérgio Ciglione [email protected]...
© LES/PUC-Rio
Agenda
• Introdução
• Competição
• Agente finalista
• Desempenho na competição
• Prêmios
• Novos Trabalhos
• Considerações finais
© LES/PUC-Rio
Introdução
• Confiança é a segurança, certeza daquele que tem fé na probidade (honradez, integridade de caráter, honestidade, pundonor) de alguém.
• Reputação é um conceito atribuído a uma pessoa por parte da sociedade em que vive para medir o grau de confiança.
• Em sistemas multi-agentes abertos temos sociedades de agentes heterogêneos, implementados por diferentes desenvolvedores, com objetivos semelhantes ou não.
• Importância da existência de mecanismos para identificar agentes que não se comportam adequadamente.
© LES/PUC-Rio
Introdução
• Por quê modelar confiança e reputação ?
• agentes devem escolher com quem interagir
• objetivo de capacitar os agentes a fazer a escolha correta.
• Diversos algoritmos na área de confiança e reputação
• como compará-los ?
• quais as características principais
• ART Testbed
• competição entre agentes
• experimentos independentes
Introdução
© LES/PUC-Rio
Especificação
• modo de competição
• comparações de diferentes estratégias
• cada participante controla um agente
• várias sessões
• modo de experimentação
• utilizado para medir desempenho (benchmark)
• vc pode definir
• número de agentes
• número de sessões da simulação
• número de categorias (Era)
• ...
© LES/PUC-Rio
Especificação - Domínio: Art Appraisal
• Clientes solicitam avaliações para pinturas de Eras diferentes
• Agentes avaliadores podem pedir opinião de outros
• Agentes avaliadores podem comprar reputação de outros avaliadores
• Objetivo de produzir avaliação mais precisa possível
Domínio: Art Appraisal
• Agentes são avaliadores de pintura com níveis variados de perícias
em Eras artísticas diferentes
© LES/PUC-Rio
Novas regras da competição
• O número de sessões será maior que a anterior (100 até 200).
• Graus de conhecimentos das eras podem sofrer mudanças durante o jogo.
• Alguns ou todos os jogos terão presença de agentes dummy com diferentes estratégias. Alguns já estão disponíveis.
• Novo ambiente
© LES/PUC-Rio
Modelo Conceitual
© LES/PUC-Rio
Modelo Conceitual do Módulo Estatístico
© LES/PUC-Rio
Testes finais
© LES/PUC-Rio
Testes finais
© LES/PUC-Rio
Competition
• 17 agents (1 didn’t execute) of 13 different institutions
• Two phases– Preliminary– Final
• Preliminary phase (May 10-11)– 8 agents of the different institutions– 15 agents offered by competition (5 “bad”, 5 “neutral”, 5 “bad”
dummies )– 100 rounds
• Final phase (May 16-17)– 5 best agents of the preliminary phase– 15 agents offered by competition (5 “bad”, 5 “neutral”, 5 “bad”
dummies )– 200 rounds
© LES/PUC-Rio
Preliminary Phase
© LES/PUC-Rio
Games of the Preliminary Phase
© LES/PUC-Rio
Final Phase
5) Pontifícia Universidade Católica do Rio de Janeiro
4) Agents Research Lab, University of Girona
3) Department of Computer Engineering, Bogazici University
2) Department of Math & Computer Science, The University of Tulsa
1) Electronics & Computer Science, University of Southampton
© LES/PUC-Rio
Games of the Final Phase
© LES/PUC-Rio
Prêmios
• Os finalistas são convidados a publicar o código fonte no site da competição.
• Direito a uma publicação relacionada a um artigo do ART-Testbed.
• Pequenas lembranças, como uma camisa personalizada.
• Certificado de participação
• Reconhecimento dos colegas
© LES/PUC-Rio
Trabalhos
• Criação ou extensão de um framework para reputação.
• Aplicação da Bolsa de Valores em sistemas multi-agentes.
• Zé Carioca LES 2
© LES/PUC-Rio
Framework para Reputação
• Criação ou extensão.
• Governance Framework
• Existência de uma série de frameworks de reputação com diferentes modelos
– Centralizado
– Descentralizado
– Híbrido
© LES/PUC-Rio
Trabalhos Relacionados – Modelo Centralizado
• Os mecanismos de reputação mais famosos são aqueles utilizados no comércio ou leilão eletrônico.
• Modelos centralizados colecionam e agregam avaliações das negociações anteriores.
• O sistema centralizado calcula a reputação se baseando na informação que recebe sobre negociações ocorridas.
• Ebay e Amazon Auctions
• Informar ao comprador a atuação do vendedor em negociações anteriores.
© LES/PUC-Rio
Modelo Descentralizado
• Os próprios agentes são capazes de calcular a reputação.
• Uso das próprias fontes de informação ou consulta com outros agentes caso não tenham informação suficiente disponível.
• Modelos– Simples - Regret
• Cada agente calcula e armazena as reputações dos agentes com quem interagiu.
– Baseado em testemunhos - Fire• Solicitação de reputação para uma testemunha que já interagiu
com um agente anteriormente.
– Baseado em Reputação Certificada• Coletar avaliações feitas por outros agentes sobre ele.
© LES/PUC-Rio
Modelo Híbrido
• Governance Framework
© LES/PUC-Rio
Bolsa de Valores
• Bolsa de Valores– Motivação: Ótimo cenário para mapear os conhecimentos
adquiridos na competição
– Cenário mais real, com maiores possibilidades
• Estrutura da Bolsa de Valores– Empresas de Capital Aberto
– Corretoras de Valores
– Investidores
– Bolsa de Valores
• Tipos de Investimento– Diversificado
– Conhecimento
© LES/PUC-Rio
Trabalhos Relacionados
• Folhainvest: é um simulador, que não utilizada nenhuma técnica
de sistemas de multi-agentes, promovido pelo caderno de investimentos do jornal Folha de São Paulo em parceria com a Bovespa.
© LES/PUC-Rio
Trabalhos Relacionados
• TrAgent: desenvolvido em conjunto pelas universidades
Carbondale e George Manson, nos EUA, o TrAgent é um modelo baseado em agentes de software para negociação de ações.
© LES/PUC-Rio
MASSES - Simulador para o Mercado de Ações
• Multi-Agent System for Stock Exchange Simulation (MASSES)
• Uma aplicação mais real para soluções de reputação e negociação em sistemas de multi-agentes
• Foram definidas duas abordagens:– Simulador para aprendizado dos profissionais e investidores interessados em
aplicar na bolsa de valores• Um ambiente, onde bolsas de valores e empresas de capital aberto poderiam ser
carregadas • Agentes de software representando as corretoras de valores • Os investidores escolheriam agentes corretores de valores que fariam as negociações de
compra e venda de ações
– Simulador com o objetivo de estimular a comunidade acadêmica a desenvolver a tecnologia de sistemas de multi-agentes
• Um ambiente, onde bolsas de valores e empresas de capital aberto poderiam ser carregadas
• Regras para inserção de agentes de software, desenvolvidos pela comunidade acadêmica, representando as corretoras de valores.
• Regras para inserção de agentes de software, desenvolvidos pela comunidade acadêmica, representando os investidores.
© LES/PUC-Rio
MASSES - Processo
Investidor ACorretora X
Petrobrás Vale do Rio Doce Banco do Brasil
Fornece opiniões para investidores
Calcula reputações para investir
em empresas
Calcula reputações
de corretoras
Calcula reputações para investir
em empresas
© LES/PUC-Rio
MASSES - Arquitetura
© LES/PUC-Rio
Estudo de Caso – Simulador para o Mercado de Ações
• As vantagens das duas abordagens mencionadas são:
– O caso de estudo será mais real, tornando a contribuição mais palpável
– A comunidade acadêmica será estimulada a participar do desenvolvimento dos agentes, sendo assim, aumentando a qualidade final das abordagens
– Os resultados dos desenvolvimentos podem ser comparados com os resultados obtidos pela abordagem utilizada na Folhainvest, que não utiliza sistemas de multi-agentes
• Conclusão
– O mercado de valores como domínio de aplicação será um desafio, devido à complexidade das simulações de transações de compra e venda de ações, mas será de grande contribuição e permitirá a integração e troca de conhecimentos entre áreas distintas, como tecnologia da informação e economia
© LES/PUC-Rio
Nova Versão do Agente Competidor
• Zé Carioca LES 2.
• Algoritmos mais inteligentes.
• AAMAS 2008 – Lisboa
© LES/PUC-Rio
Trabalhos
• Criação ou extensão de um framework para reputação - Andrew
• Aplicação da Bolsa de Valores em sistemas multi-agentes – Sérgio e Fábio
• Zé Carioca LES 2 - Eduardo
© LES/PUC-Rio
Considerações finais
• Artigo para o SBES 2007 aceito.
• Recrutamento para a próxima competição
• Artigo para AAMAS 2008 do agente Zé Carioca LES
• Multi-Agent System for Stock Exchange Simulation (MASSES)
© LES/PUC-Rio
Referências
• Fernanda Duran, Viviane Torres da Silva, and Carlos J. P. de Lucena (2006) “Using Testimonies to Enforce the Behavior of Agents”.
• Guedes, José de Souza Pinto; Silva, Viviane Torres; Lucena, Carlos José Pereira de: A Reputation Model Based on Testimonies, AOIS2006@CAiSE workshop, Luxembourg, Grand-Duchy of Luxembourg, June 6, 2006.
• Amazon Site. http://www.amazon.com World Wide Web (2006)• eBay Site. http://www.ebay.com World Wide Web (2006)• Huynh, T. D., Jennings N. R., Shadbolt, N. R.: FIRE: An Integrated Trust and
Reputation Model for Open Multi-Agent Systems. In: Proceedings of the 16th European Conference on Artificial Intelligence (ECAI) (2004) pp. 18–22
• Huynh, T. D., Jennings N. R., Shadbolt, N. R.: Certified Reputation --- How an Agent Can Trust a Stranger Proc. 5th Int. Conf. on Autonomous Agents and Multi-Agent Systems, Hakodate, Japan.(2006)
• Huynh, T. D., Jennings N. R., Shadbolt, N. R.: Trust in Multi-Agent Systems The Knowledge Engineering Review 19 (1):1-25. (2004)
© LES/PUC-Rio
Referências
• ART Testbed Team. Agent Reputation and Trust Testbed.
http://www.lips.utexas.edu/art-testbed/competition_rules.htm
http://www.lips.utexas.edu/art-testbed/pdf/SpecSummary.pdf
• 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. 512-518
• 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. 151-152.
© LES/PUC-Rio
Referências
• 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. 71-78
• 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. 1241-1248.
• 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. 43-49.
© LES/PUC-Rio
Referências
• Web site Folhainvest, 2007, http://emacao.folha.uol.com.br
• Web site da Bovespa, 2007, http://www.bovespa.com.br
• Tatikunta R., Rahimi S., Shrestha P., Bjursel J. “TrAgent: A Multi-Agent System for Stock Exchange” 2006 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT 2006 Workshops)(WI-IATW'06) 0-7695-2749-3/06
Fim!
