Description
Date depot: 11 avril 2022
Titre: Modèles d'influences entre agents par révision de croyance
Directeur de thèse:
Gauvain BOURGNE (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Ce travail vise à étudier les mécanismes d'influence entre agents sur des croyances formulées en logique propositionnelle dans un réseaux d'agents de type réseau social. Il se base sur des travaux précédents sur les jeux de révision de croyances. Dans ces derniers, un groupe d'agents, structurés par des relations d'influence et possédant chacun ses propres croyances évolue tour par tour, chaque agent appliquant une politique de révision de croyances prenant en compte les croyances de ses influenceurs pour faire évoluer ses croyances. Une famille de politiques de révision est définie à l'aide d'opérateurs classiques de révision de croyances et les propriétés de ces différentes politiques en terme de convergence, stabilité, ou monotonie ont été étudiées. Cependant, ce mécanismes complètement synchrone ne permet pas de rendre compte de la temporalité de l'expression d'opinion dans un réseaux social, et la non-différentiation entre les croyances propres de l'agent et celles qu'il affiche est irréaliste dans ce contexte. L'objet de cette thèse est donc dans un premier temps d'étendre le formalismes des jeux de révision de croyances pour permettre de simuler un comportement plus réaliste donnant plus de contrôle aux agent sur les opinions affichées et d'en étudier à la fois formellement et empiriquement l'impact sur les propriétés du système. Il s'agira ensuite de développer, sous certaines hypothèses à préciser, des mécanismes pour apprendre un modèle de cette forme en fonction de données observées et de tester la qualité prédictive de ce modèle.
Résumé dans une autre langue: This PhD's objective is to study influence mechanisms over beliefs expressed in propositional logic within a network of agents structured as a social network. It is based on previous work on Belief Revision Games. In this model, the individual beliefs of a group of agents structured by some influence relation evolve in a turn by turn basis. Each turn, each agent apply some belief revision policy to update its beliefs by taking into account the beliefs of those that influence it. Families of belief revision policies are defined using classical belief revision operators and the properties of these policies in term of convergence, stability and monotonicity have been studied.
However, this purely synchronous mechanism does not allow to express the temporal aspect which is at play in the dynamics of the expression of opinions in a social networks. The identification of an agent's opinion with the opinion it displays is also unrealistic in this context.
The objective of the PhD is thus in a first step to extend the belief revision game formalism to allow simulation of more realistic behaviours, giving more control to the agent over what they express and when, and in a second step to study both formally and empirically the properties of such a system. Afterwards, the PhD should develop some learning mechanism to elicit a model of this form from observed data so as to evaluate the predictive aspect of such formalism.