Estudo de estratégias para mudanças coletivas em modelos de opinião

• Main Author: Maizel, André Schraider
• Other Authors: Alfonso, Nestor Felipe Caticha
• Format: Others
• Language: pt
• Published: Biblioteca Digitais de Teses e Dissertações da USP 2014
• Subjects: Agent Based Systems; Aprendizagem de Máquinas; Machine Learning; Mecânica Estatística; Sistemas Baseados em Agentes; Sociofísica; Sociophysics; Statistical Mechanics
• Online Access: http://www.teses.usp.br/teses/disponiveis/43/43134/tde-30102014-121009/

O estudo de sistemas sociais sempre foi visto como fora do escopo da física. No entanto, nos últimos anos, com o desenvolvimento da mecânica estatística e da aprendizagem de máquinas, em conjunto com recentes avanços na neurociência, tornou-se possível a criação de diversos modelos no intuito de estudar quantitativamente grandezas antes consideradas majoritariamente qualitativas. Dentre os problemas considerados está a moralidade, bem como suas consequências para as dinâmicas de opinião. Mais especificamente, considera-se relevante estudar como se dá a mudança de opiniões dentro de uma sociedade, bem como estratégias para convencer uma população a alterar sua direção moral. Utilizando um modelo baseado em agentes, na qual cada agente é representado por um vetor moral e utiliza uma estratégia de aprendizagem ótima para o cenário professor/aluno, estudamos a influência de duas estratégias de convencimento no comportamento macroscópico de nossa sociedade modelo. Tomando como base a aprendizagem sequencial sem a presença de ruído, e o fato de que seleção de exemplos na borda da dúvida gera um decaimento exponencial do erro de generalização em redes neurais artificiais, estudamos o efeito desta técnica como estratégia de convencimento populacional, assim como a comparação de sua eficácia com a estratégia padrão, na qual os exemplos são selecionados uniformemente. === The study of social systems was always seen as out of scope for the physical sciences. However, in the last years, with the rapid development of statistical mechanics and machine learning, along with recent advances in the field of neuroscience, it became possible to create a wide range of models with the objective to investigate quantitatively aspects of sociology that were mainly considered as qualitative features. Within the considered problems lies the issue of morality, as well as it\'s consequences to opinion dynamics. More specifically, it is considered relevant to understand how the opinion change dynamics undergoes inside a society, as well as strategies to convince a population to alter it\'s moral direction. Using an agent based model, in which each agent is represented by a moral vector and has an optimally performing algorithm in the professor/student scenario, we study the influence of two different convincement strategies on the macroscopic behaviour of our model society. In the online learning framework, without any noise, it is known that examples distributed perpendicular to the student achieve a exponential decay in it\'s generalization error. Therefore, we study the effect of this technique as a population convincement strategy, along with it\'s efficiency compared to the standard strategy, in which examples are selected uniformly.