Diálogos de Intenções em Sistemas Multi-Agentes Baseados em Ontologias e Argumentação

Abstract

Algumas áreas, como por exemplo a área da saúde, são conhecidas por resistirem à substituição de operadores humanos por sistemas totalmente autônomos. Normalmente, não é transparente para os usuários como os sistemas de inteligência artificial tomam decisões ou obtêm informações, dificultando a confiança dos usuários. Para abordar essa questão, foi investigado como técnicas de teoria da argumentação e de ontologia podem ser usadas em conjunto com raciocínio sobre intenções para construir diálogos complexos em linguagem natural a fim de apoiar a tomada de decisão humana. Com base nessa investigação, foi proposto o MAIDS, um framework para desenvolvimento de sistemas de diálogo intencional multiagente, que pode ser usado em diferentes domínios. O framework é modular para que possa ser utilizado integralmenteou apenas os módulos que se encaixem nas necessidades de cada sistema a ser desenvolvido. O trabalho também inclui a formalização de uma nova estrutura de diálogo-sub-diálogo com a qual se pode resolver questões ontológicas ou de teoria da mente e posteriormente retornar ao assunto principal. Como estudo de caso, foi desenvolvido um sistema multiagente usando o framework MAIDS para auxiliar na tomada de decisão de profissionais da saúde sobre alocação de leitos hospitalares. Além disso, esse sistema multiagente foi avaliado com especialistas do domínio usando dados reais de um hospital. Os especialistas que avaliaram o sistema concordam fortemente ou concordam que o sistema contempla os desideratos de Cohen para sistemas de diálogo orientados a tarefas. No sistema desenvolvido os agentes têm a capacidade de explicar ao usuário como chegaram a determinadas conclusões. Além disso possuem representação semântica e de estados mentais dos participantes de diálogo permitindo a formulação de justificativas coerentes em linguagem natural, portanto de fácil compreensão para os participantes humanos. Isso demonstra o potencial do framework apresentado nessa tese para o desenvolvimento prático de sistemas explicáveis e sistemas de inteligência híbrida.