Informatica e diritto, XXXIX Annata, Vol. XXII, 2013, n. 1, pp. 115-129

Pietro Terna

Learning Agents and Decisions: New Perspectives

The proposed structure of learning facilities is self-developed via a trial and errors process: the reinforcement learning model is built upon the SLAPP - Swarm-Like Agent Protocol in Python, a recent implementation of the standard Swarm function library for agent-based simulation, written using Python, a powerful and quite simple language. We introduce also a very complicated crossroad, with: (i) learning in agents as first element, to be able to understand how agents modify their behavior, (ii) BDI (Beliefs, Desires, Intentions) definition to clarify the motivation of that behavior. To the cross-road we have to connect two open directions: (a) that of the micro-macro link, which is a key step in understanding the world we are immersed in; (b) the interaction between our agents, in networks. Finally, we go to the question if agent-based simulation could help in a perspective of policy management and law creation or norm emergence. Several examples help to deepen the discussion. 

Agenti che apprendono e decisioni: nuove prospettive

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 costruito sullo Swarm-Like Agent Protocol in Python (SLAPP). 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 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.

vai all'anteprima / see preview