Чтобы понять процесс, в рамках которого мы действуем как группа, и объяснить, почему мы делаем то, что делаем, исследователи разработали новую вычислительную модель и соответствующие условия для достижения консенсуса в широком диапазоне ситуаций. Результаты опубликованы в августовском выпуске «Обработка сигналов для социальных сетей» журнала IEEE Journal of Selected Topics in Signal Processing за август 2014 г.
«Мы хотели предоставить новый метод изучения обмена мнениями и доказательствами в сетях», – сказал Камаль Премаратне, профессор электротехники и компьютерной инженерии в Университете Майами (UM) и главный исследователь исследования. «Новая модель помогает нам понять коллективное поведение адаптивных агентов – людей, датчиков, баз данных или абстрактных объектов – путем анализа коммуникативных паттернов, характерных для социальных сетей."
Модель решает некоторые фундаментальные вопросы: как правильно моделировать мнения и как эти мнения обновляются, и когда достигается консенсус.
Одной из ключевых особенностей новой модели является ее способность справляться с неопределенностями, связанными с мягкими данными (такими как мнения людей) в сочетании с достоверными данными (фактами и числами).
«Мнения, созданные людьми, содержат больше нюансов, чем физические данные, и для их фиксации требуются богатые модели», – сказал Манохар Н. Мурти, доцент кафедры электротехники и вычислительной техники в UM и соавтор исследования. «Наше исследование учитывает трудности, связанные с неструктурированным характером сети», – добавляет он. «Используя новый« механизм обновления убеждений », наша работа устанавливает условия, при которых агенты могут достичь консенсуса, даже при наличии этих трудностей."
Агенты обмениваются и пересматривают свои убеждения посредством взаимодействия с другими агентами.
Взаимодействие обычно является локальным, в том смысле, что только соседние агенты в сети обмениваются информацией с целью обновления своих убеждений или мнений. Цель состоит в том, чтобы группа агентов в сети пришла к консенсусу, который чем-то «похож» на основную истину – что было подтверждено сбором объективных данных.
В предыдущих работах консенсус, достигнутый агентами, полностью зависел от того, как агенты обновляют свои убеждения. Другими словами, в зависимости от используемой схемы обновления можно получить разные консенсусные состояния.
Консенсус в текущей модели более рациональный или значимый.
«В нашей работе консенсус согласуется с надежной оценкой достоверности фактов, если она доступна», – сказал Премаратне. "Эта последовательность очень важна, потому что она позволяет нам оценить, насколько заслуживает доверия каждый агент."
Согласно модели, если консенсусное мнение ближе к мнению агента, то можно сказать, что этот агент более надежен.
С другой стороны, если консенсусное мнение сильно отличается от мнения агента, то можно сделать вывод, что этот агент менее заслуживает доверия.
"Тот факт, что ту же стратегию можно использовать даже при отсутствии обоснованной истины, имеет огромное значение, потому что на практике нам часто приходится определять, заслуживает ли агент доверие или нет, когда мы не знаем основную истину. ", – сказал Мурти.
В будущем исследователи хотели бы расширить свою модель, включив в нее формирование кластеров мнений, где каждый кластер агентов разделяет схожие мнения.
Кластеризация может проявляться в возникновении экстремизма, распространении мнений меньшинств, появлении политической принадлежности или симпатии к определенному продукту, например.