Γλωσσική ανάπτυξη σε πολυπρακτορικά συστήματα
Loading...
Date
2026-10-12
Authors
Κοντός, Ανδρόνικος Ευάγγελος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Το αντικείμενο μελέτης της παρούσας διπλωματικής εργασίας είναι τα συστήματα δύο πρακτόρων οι οποίοι εκπαιδεύονται και συνεργάζονται, ανταλλάσσοντας πληροφορίες, με στόχο την επίτευξη ενός κοινού στόχου. Για την επίτευξη αυτού του στόχου, οι πράκτορες μπορούν να αναπτύξουν μια δική τους γλώσσα “ab initio” ή να εξελίξουν μια ήδη υπάρχουσα.
Το συγκεκριμένο θέμα είναι αρκετά πολύπλοκο και γι’ αυτό απαιτείται λεπτομερής ανάλυση της θεωρίας πίσω από αυτό. Αρχικά, γίνεται μια περιγραφή της επεξεργασίας φυσικής γλώσσας και των τομέων από τους οποίους αυτή αποτελείται.Έπειτα γίνεται εισαγωγή στις έννοιες της μηχανικής εκμάθησης, της βαθιάς μάθησης και της ενισχυτικής μάθησης, με ιδιαίτερη έμφαση στην αρχιτεκτονική των μοντέλων και αλγορίθμων που χρησιμοποιούνται στην εκπαίδευση των πολυπρακτορικών συστημάτων.
Στη συνέχεια γίνεται παρουσίαση ενός εκ των πειραμάτων που διαπραγματεύονται το θέμα. Συγκεκριμένα, αναλύεται η έρευνα που πραγματοποιήθηκε στο τμήμα Έρευνας Τεχνητής Νοημοσύνης της εταιρείας Facebook με τίτλο “Deal or No Deal? End-to-End Learning for Negotiation Dialogues”, με στόχο να διερευνηθεί πώς δύο πράκτορες, που λειτουργούν σε ένα παιχνίδι διαπραγμάτευσης, μπορούν να δημιουργήσουν ή να βελτιώσουν από κοινού μια γλώσσα για επίτευξη επιτυχημένων αποτελεσμάτων. Η μελέτη αντλεί έμπνευση από διαπραγματεύσεις μεταξύ ανθρώπων σε μια διαπραγματευτική εργασία, όπου οι πράκτορες δεν έχουν άμεση πρόσβαση ο ένας στη συνάρτηση ανταμοιβής του άλλου και πρέπει να βασίζονται στον διάλογο με φυσική γλώσσα για να αυξήσουν το προσωπικό τους σκορ έναντι του αντιπάλου, συμφωνώντας στην τελική ανταλλαγή αντικειμένων που για τον καθένα έχει διαφορετική αξία.
Με βάση αυτά τα στοιχεία, η διατριβή εισάγει τα Μεγάλα Γλωσσικά Μοντέλα (LLM) ως εναλλακτική προσέγγιση για το ίδιο διαπραγματευτικό έργο, με αφορμή τη γλωσσική ικανότητα που επιδεικνύουν πλέον τα μοντέλα αυτά. Για το λόγο αυτό, σχεδιάζονται και αξιολογούνται τρεις πειραματικές συνθήκες στο ίδιο διαπραγματευτικό παιχνίδι.
Στην πρώτη, οι πράκτορες LLM διαπραγματεύονται χωρίς προηγούμενη εκπαίδευση ή ανατροφοδότηση, προκειμένου να διαπιστωθεί πώς συγκρίνονται με τους αρχικούς πράκτορες που έχουν εκπαιδευτεί ειδικά για τη συγκεκριμένη εργασία. Στη δεύτερη, σε έναν πράκτορα παρέχονται τα δικά του προηγούμενα πρακτικά διαπραγματεύσεων και αποτελέσματα ως πλαίσιο μεταξύ των γύρων, χωρίς καμία αλλαγή στις παραμέτρους του μοντέλου, προκειμένου να ελεγχθεί εάν η εμπειρία από μόνη της μπορεί να βελτιώσει την απόδοση. Στην τρίτη, ένα ξεχωριστό μοντέλο λειτουργεί ως κριτικός, εξετάζοντας τις διαπραγματεύσεις ενός πράκτορα και παρέχοντας στοχευμένες προτάσεις βελτίωσης μεταξύ των γύρων. Συνολικά, αυτά τα πειράματα συγκρίνουν την ικανότητα διαπραγμάτευσης των σύγχρονων γλωσσικών μοντέλων, τόσο των μη εκπαιδευμένων όσο και εκείνων που έχουν βελτιωθεί αποκλειστικά μέσω του πλαισίου, με το αρχικό σύστημα που έχει εκπαιδευτεί από άκρο σε άκρο.
Description
Keywords
Πολυπρακτορικά συστήματα, Ενισχυτική μάθηση, Βαθιά μάθηση, Μηχανική μάθηση, Μεγάλα γλωσσικά μοντέλα