Publicação
Interoperabilidade em Sistemas Multiagentes: Princípios Éticos e Morais na Inteligência Artificial
| dc.contributor.advisor | Vardasca, Ricardo | |
| dc.contributor.author | Silva, Rui | |
| dc.date.accessioned | 2026-07-23T14:29:39Z | |
| dc.date.available | 2026-07-23T14:29:39Z | |
| dc.date.issued | 2024-11-23 | |
| dc.description.abstract | 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. | por |
| dc.identifier.uri | http://hdl.handle.net/10400.26/63924 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | |
| dc.subject | Ética e Moral | |
| dc.subject | Inteligência Artificial | |
| dc.subject | Interoperabilidade | |
| dc.subject | Machine Learning | |
| dc.subject | Sistemas Multiagente | |
| dc.title | Interoperabilidade em Sistemas Multiagentes: Princípios Éticos e Morais na Inteligência Artificial | por |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Engenharia das Tecnologias e Sistemas Web |