A carregar...
Publicação
Interoperabilidade em Sistemas Multiagentes: Princípios Éticos e Morais na Inteligência Artificial
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 2.05 MB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
Esta dissertação aborda a problemática da ética e moral na interoperabilidade de sistemas multiagentes,
destacando a necessidade de garantir que esses sistemas ajam de maneira ética e moralmente
responsável, respeitando princípios como justiça, transparência e responsabilidade. No âmbito da
crescente integração tecnológica e interconectividade entre sistemas autónomos, a questão da ética e
moral ganha destaque como uma preocupação central. No entanto, apesar da importância reconhecida,
há uma lacuna significativa na literatura em termos de como esses princípios éticos e morais devem ser
incorporados e aplicados em sistemas multiagentes interoperáveis. Esta lacuna torna-se ainda mais
evidente quando se considera a complexidade das interações entre agentes autónomos em ambientes
dinâmicos e heterogéneos. Assim, esta investigação visa preencher essa lacuna ao investigar e propor
uma abordagem eficaz para integrar considerações éticas e morais na interoperabilidade de sistemas
multiagentes. Foram desenvolvidos cenários competitivos e cooperativos para serem aplicados nos
Large Language Model ChatGPT, Gemini e Llama 2, com o objetivo de verificar a identificação ética
e restrição da conversa. Também foram treinados classificadores de Machine Learning para análise de
sentimentos e posterior aplicação na comunicação entre agentes. O Llama 2 destaca-se na restrição da
conversa, em ambos os cenários e idiomas com 6 restrições no idioma em inglês e 1 restrição no idioma
português. Na identificação da ética, para o cenário competitivo não há resultados consistentes. No
cenário cooperativo o Gemini destaca-se na identificação da ética. No treino dos classificadores, o
Random Forest apresenta um valor consistente no cenário cooperativo com duas classes, com uma
exatidão de 0.96 e uma AUC de 1. Com a utilização da Framework SPADE, conseguimos restringir a
conversa entre agentes, quando a ética não é detetada na conversa. Destaca-se os Random Forest pela
capacidade de acertar 6 classificações em 6 interações, no cenário cooperativo 4 Classes e com apenas
1 falha em todas as classificações, de todos os cenários e classes, da ética e moral. Deste modo, será
possível contribuir para o desenvolvimento de tecnologias mais responsáveis e alinhadas com os valores
humanos.
Descrição
Palavras-chave
Ética e Moral Inteligência Artificial Interoperabilidade Machine Learning Sistemas Multiagente