Autore
Terna, Pietro

Titolo
Learning Agents and Decisions: New Perspectives
Periodico
Informatica e diritto
Anno: 2013 - Volume: 39 - Fascicolo: 1 - Pagina iniziale: 115 - Pagina finale: 129

Questo articolo propone un’architettura per l’implementazione di funzioni di apprendimento in agenti artificiali che si sviluppano in maniera autonoma attraverso processi di prove ed errori: il modello di apprendimento basato su rinforzo è costruito sullo SLAPP - Swarm-Like Agent Protocol in Python. Si tratta di una recente implementazione della libreria di funzioni standard Swarm per le simulazioni basate su agente, scritta in Python, un linguaggio di programmazione potente e abbastanza semplice. Viene anche presentata l’intersezione molto complessa tra: (i) l’apprendimento negli agenti come primo elemento per essere in grado di capire come gli agenti modificano il loro comportamento, (ii) la definizione dell’architettura BDI (credenze, desideri, intenzioni) per chiarire la motivazione di tale comportamento. A questa intersezione si ricollegano due temi da esplorare: (a) il collegamento micro-macro, che è un passaggio fondamentale nella comprensione del mondo in cui siamo immersi, (b) l’interazione tra i nostri agenti, in una rete. Infine, si discute, anche attraverso una serie di esempi, la questione se la simulazione basata su agente possa essere di aiuto nella prospettiva dell’emersione delle norme sociali, della produzione delle norme giuridiche e della gestione delle politiche pubbliche.



SICI: 0390-0975(2013)39:1<115:LAADNP>2.0.ZU;2-X

Esportazione dati in Refworks (solo per utenti abilitati)

Biblioteche ACNP che possiedono il periodico