[論文レビュー] A Bayesian Agent-Based Framework for Argument Exchange Across Networks

Leon Assaad, Rafael Fuchs+4 more|arXiv (Cornell University)|Nov 14, 2023

Opinion Dynamics and Social Influence被引用数 4

ひとこと要約

この論文は、世界の状態と信念の更新を表すためにベイジアンネットワークを用いる、マルチエージェント間の議論的やり取りをモデル化するベイジアンエージェントベースのフレームワーク、NormANを紹介する。異なる強さの競合する議論を動的に統合でき、通信ルールやネットワーク構造が複雑で現実的ないたずきの議論状況における集団的信念のダイナミクスに与える影響を示している。

ABSTRACT

In this paper, we introduce a new framework for modelling the exchange of multiple arguments across agents in a social network. To date, most modelling work concerned with opinion dynamics, testimony, or communication across social networks has involved only the simulated exchange of a single opinion or single claim. By contrast, real-world debate involves the provision of numerous individual arguments relevant to such an opinion. This may include arguments both for and against, and arguments varying in strength. This prompts the need for appropriate aggregation rules for combining diverse evidence as well as rules for communication. Here, we draw on the Bayesian framework to create an agent-based modelling environment that allows the study of belief dynamics across complex domains characterised by Bayesian Networks. Initial case studies illustrate the scope of the framework.

研究の動機と目的

• 2人1組の議論研究と大規模な意見形成モデリングの間のギャップを埋めるために、強さの異なる複数の議論をエージェントベースのシミュレーションに組み込むこと。
• 既存のモデルが議論を単一の意見や感情として扱うのに対し、構造的で根拠に基づいた推論として扱わないという限界に対処すること。
• 記述的モデリング（現実世界の議論を再現）と規範的評価（推論の質を評価）の両方を可能にする、規範的でベイジアンなフレームワークを構築すること。
• 通信ルール、ネットワーク構造、エージェント固有の信念が、議論における集団的信念形成に与える影響を体系的に研究できること。
• 民主的議論やオンラインソーシャルメディアのディスコースなど、複雑な分野における議論的やり取りを研究するための柔軟で拡張可能なモデリングフレームワークを提供すること。

提案手法

• フレームワークは、議論の主題に関連する変数間の証拠的関係を表すために、ベイジアン・ベリーフ・ネットワーク（BBNs）を用いて真の世界状態を表現する。
• エージェントは、個人のベイジアンネットワークを備えており、それらは受信した新しい議論に基づいて条件付き確率の更新を経て、主観的信念を更新する。
• 議論のやり取りは証拠伝達としてモデル化される：エージェントは、議論（確率的証拠として）を仲間と共有し、その強さと関連性はBBN内での議論の位置によって決定される。
• 通信ルールは、固定された、ランダムな、または動的ネットワークトポロジー（同質性や優先的付加を含む）を用いて、どのエージェントが議論を交換するかを制御する。
• エージェント間の信念の統合は、ベイジアンの条件付き確率に基づくものであり、階層的で競合する議論を、規範的で整合性のある方法で組み合わせることが可能になる。
• フレームワークは、議論の質の評価といった規範的評価と、通信およびネットワーク条件の違いに応じた信念の進化の記述的シミュレーションの両方をサポートする。

Figure 1. Illustration of the main components of NormAN. A model within the NormAN framework specifies (1) a ground truth world, (2) a social network, and (3) individual agents communicating across that network. Each of these three components has core specifications. In addition, the square in the m

実験結果

リサーチクエスチョン

• RQ1 異なる議論統合ルールが、ネットワーク内のエージェントの信念の収束または乖離に与える影響は何か？
• RQ2 誰がだれと議論するかといった通信ルールが、集団的信念の正確性と安定性にどの程度影響を与えるか？
• RQ3 ネットワークトポロジー（例：スモールワールド、スケールフリー、階層的）が、強い議論と弱い議論の広がりと影響力に与える影響は何か？
• RQ4 エージェント固有の主観的で世界をモデル化した（個人のBBNを介して）信念が、真の世界状態から逸脱している場合でも、信念ダイナミクスに果たす役割は何か？
• RQ5 戦略的コミュニケーション行動や情報源への信頼が、ソーシャルネットワークにおける議論的やり取りの認識的成果に与える影響は何か？

主な発見

• フレームワークは、証拠的構造と確率的影響を保持したまま、複数の競合的で階層的な議論のやり取りを効果的にモデル化できた。
• シミュレーションの結果、ネットワークトポロジーが信念の収束に顕著な影響を与えることが示された：密なクラスタリングを持つネットワークは速やかな合意形成を促進し、疎または不均一なネットワークは持続的な対立を生じさせる。
• 真の世界状態に近い正確なベイジアンモデルを持つエージェントは、通信が頻繁であるほど、他者に影響を与える可能性が高く、信念の正確性も高くなる傾向にあった。
• BBN構造を通じて議論の強さと関連性を組み込むことで、単純な平均化や感染モデルよりも洗練された信念の更新が可能になった。
• 高品質な議論や信頼できる情報源を優先する通信ルールは、誤情報が存在する状況でも、より正確な集団的成果をもたらした。
• フレームワークにより、「認識的ブottleneck（エピステミック・ボトルネック）」、すなわち正確な情報の流れに顕著に影響を与えるエージェントやネットワーク上の位置を特定可能となり、議論的システムにおける干渉の新たなターゲットを提供した。

Figure 2. The original ‘Asia’ lung cancer network (Lauritzen and Spiegelhalter, 1988a ) . The Asia BN model was accessed via the bnlearn Bayesian Network Repository ( https://www.bnlearn.com/bnrepository/discrete-small.html ); it is also one of the exemplar BNs used in the bnlearn package documentat