[论文解读] Social Practices: a Complete Formalization

Frank Dignum|arXiv (Cornell University)|May 22, 2022

Multi-Agent Systems and Negotiation被引用 4

一句话总结

本文提出了一种基于形式逻辑的框架，用于在多智能体系统中将社会实践建模为高层级、上下文感知的行为规范。通过使用模态逻辑编码期望、角色、规范和上下文，该方法使智能体能够在没有预定义协议的情况下推理和适应复杂的社会互动，支持在动态环境中实现灵活、类人的决策。

ABSTRACT

Multi-agent models are a suitable starting point to model complex social interactions. However, as the complexity of the systems increase, we argue that novel modeling approaches are needed that can deal with inter-dependencies at different levels of society, where many heterogeneous parties (software agents, robots, humans) are interacting and reacting to each other. In this paper, we present a formalization of a social framework for agents based on the concept of Social Practices as high level specifications of normal (expected) behavior in a given social context. We argue that social practices facilitate the practical reasoning of agents in standard social interactions. Thus they can support deliberations for complex situations just like conventions and norms. However, they also come with a social context that gives handles for social planning and deliberation in top of the normal functional deliberation. The main goal of this paper is to give a formalization of social practices that can be used as a basis for implementations and defining precise structures within which social learning can take place.

研究动机与目标

• 开发一种形式化、基于逻辑的社会实践模型，以捕捉其社会性、规范性和上下文性维度。
• 使智能体能够基于高层行为模式而非固定协议来推理社会互动。
• 在复杂、动态的环境中支持实用推理，此类环境需要类人的灵活性。
• 为智能体、机器人及人机系统中的社会智能提供精确且可实现的基础。
• 通过将社会上下文直接嵌入智能体规划，结构化社会学习与 deliberation（ deliberation 译为“审议”）过程。

提出的方法

• 使用带有期望、能力、角色、规范和上下文模态的形式逻辑框架，以表示社会实践。
• 将社会实践定义为角色、行为、规范和情境约束的结构化组合。
• 引入基于模态逻辑的正式语义，以捕捉智能体意图、社会期望与环境上下文之间的相互作用。
• 将社会实践建模为智能体可基于情境意识和能力匹配实例化的抽象计划。
• 通过允许智能体利用自身目标和能力‘填补空白’，支持审议过程。
• 为简化起见将社会实践视为固定不变，但建议未来扩展以支持动态涌现和学习。

实验结果

研究问题

• RQ1 如何以一种形式化方式表示社会实践，以支持智能体在复杂、上下文敏感的互动中的审议？
• RQ2 在社会实践中，编码角色、期望、规范和情境依赖关系所需的逻辑构造是什么？
• RQ3 智能体如何利用社会实践来指导行为，而无需依赖刚性协议或完整的反应式规划？
• RQ4 与传统规范或惯例相比，社会实践在哪些方面能够实现更自然、更具适应性的类人机交互？
• RQ5 如何将社会实践整合到认知架构中，以支持社会学习和长期交互？

主要发现

• 该形式化提供了精确、基于逻辑的社会实践规范，可直接在认知架构中实现。
• 社会实践使智能体能够在社会语境中灵活推理，平衡规范期望与情境适应。
• 该框架通过允许智能体基于自身能力与意图实例化抽象实践，支持实用推理。
• 社会实践通过抽象化低层次动作序列，同时保持社会一致性，降低了交互建模的复杂性。
• 该方法通过触发与社会实践相关联的期望，促进感知与注意力聚焦——例如在商店中寻找销售人员。
• 该形式化可扩展为包含概率组件，以建模适应性与从重复实践实例中学习的能力。