[논문 리뷰] A Bayesian Agent-Based Framework for Argument Exchange Across Networks

Leon Assaad, Rafael Fuchs외 4명|arXiv (Cornell University)|2023. 11. 14.

Opinion Dynamics and Social Influence인용 수 4

한 줄 요약

이 논문은 사회적 네트워크를 통해 다중 에이전트 간의 논쟁 교환을 베이지안 네트워크를 사용하여 세계 상태와 믿음 갱신을 표현함으로써 모델링하는 베이지안 기반 에이전트 기반 프레임워크인 NormAN을 소개한다. 이는 다양한 강도를 가진 경쟁적 논증을 동적으로 통합할 수 있게 하여, 복잡하고 현실적인 논쟁 상황에서 의사소통 규칙과 네트워크 구조가 집단적 믿음의 동적 변화에 미치는 영향을 설명한다.

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.

연구 동기 및 목표

• 다양한 강도를 가진 논증을 에이전트 기반 시뮬레이션에 통합함으로써 이원론적 논증 연구와 대규모 의견 형성 모델링 간 격차를 메우는 것.
• 기존 모델이 논증을 단일 의견이나 감성으로 간주하는 데서 비롯하는 한계를 해결하기 위해, 논증을 체계적이고 근거 기반의 추론으로 모델링하는 것.
• 기술파생적 모델링(실제 논증 과정의 기술)과 추론 품질의 규범적 평가를 모두 지원하는 규범적, 베이지안 프레임워크를 개발하는 것.
• 의사소통 규칙, 네트워크 구조, 에이전트별 주관적 믿음이 논쟁에서 집단적 믿음 형성에 미치는 영향을 체계적으로 연구할 수 있도록 하는 것.
• 민주적 논의나 온라인 소셜 미디어 디스course와 같은 복잡한 도메인에서의 논증 교환을 연구하기 위한 유연하고 확장 가능한 모델링 프레임워크를 제공하는 것.

제안 방법

• 프레임워크는 논쟁 주제와 관련된 변수 간의 증거적 관계를 표현하기 위해 베이지안 신뢰망(BBNs)을 사용하여 진실 세계 상태를 표현한다.
• 에이전트들은 개인의 베이지안 네트워크를 지니며, 이는 그들의 주관적 믿음을 표현하고, 새로운 논증을 수신할 때 조건부 확률 갱신을 통해 업데이트된다.
• 논증 교환은 증거 전달로 모델링되며, 에이전트들은 논증(확률적 증거)을 동료에게 전달하고, 이들의 강도와 관련성은 BBN 내에서의 위치에 의해 결정된다.
• 의사소통 규칙은 에이전트 간의 논증 교환을 제어하며, 고정된, 무작위의, 또는 동적 네트워크 구조(예: 유사성 기반, 선호적 연결 포함)를 선택할 수 있다.
• 에이전트 간 믿음 통합은 베이지안 조건부 확률화를 통해 이루어지며, 이는 계층적 또는 경쟁적 논증을 규범적으로 원칙에 따라 결합할 수 있도록 한다.
• 프레임워크는 논증 품질 평가와 같은 규범적 평가뿐만 아니라, 다양한 의사소통 및 네트워크 조건 하에서 믿음 진화의 기술적 시뮬레이션을 모두 지원한다.

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

실험 결과

연구 질문

• RQ1 다양한 논증 통합 규칙이 네트워크 내 에이전트 믿음의 수렴 또는 분리에 어떤 영향을 미치는가?
• RQ2 누가 누구와 소통하는지와 같은 의사소통 규칙이 집단적 믿음의 정확성과 안정성에 어느 정도 영향을 미치는가?
• RQ3 네트워크 구조(예: 소월드, 스케일프리, 계층적)가 강력한 논증과 약한 논증의 확산과 영향력에 어떤 영향을 미치는가?
• RQ4 에이전트별 주관적 세계 모델링(개인 BBN을 통한)이 믿음의 동적 변화에 어떤 역할을 하는가. 특히 믿음이 진실 세계에서 벗어나 있을 경우에 그 영향은 무엇인가?
• RQ5 전략적 의사소통 행동과 소스 신뢰도가 사회적 네트워크에서의 논증 교환의 인지적 결과에 어떤 영향을 미치는가?

주요 결과

• 프레임워크는 논증의 증거적 구조와 확률적 영향을 유지하면서도, 다수의 경쟁적이고 등급화된 논증을 효과적으로 모델링할 수 있었다.
• 시뮬레이션 결과는 네트워크 구조가 믿음 수렴에 중대한 영향을 미친다는 것을 보여주었으며, 밀도가 높고 군집화된 네트워크는 더 빠른 공감대 형성을 유도하지만, 흩어져 있거나 이질적인 네트워크는 지속적인 불일치를 초래한다.
• 진실 세계에 더 정확한 베이지안 모델을 지닌 에이전트(진실에 가까운)는 의사소통 빈도가 높을수록 더 많은 영향력을 행사하고, 더 높은 믿음 정확도를 달성할 가능성이 높다.
• BBN의 구조를 통해 논증의 강도와 관련성을 통합함으로써, 단순한 평균화나 전염 모델보다 더 세밀한 믿음 갱신이 가능하다.
• 고품질 논증이나 신뢰할 수 있는 소스를 우선시하는 의사소통 규칙은 위성 정보가 존재하더라도 더 정확한 집단적 결과를 이끌어낸다.
• 프레임워크는 정확한 정보의 흐름에 비례하여 영향력이 큰 에이전트 또는 네트워크 위치를 식별할 수 있으며, 이는 논의 시스템에서의 개입을 위한 새로운 대상이 된다.

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