Glossário IA
O dicionário completo da Inteligência Artificial
Aprendizagem por Reforço Inversa Multiagente
Extensão da IRL onde múltiplos agentes aprendem simultaneamente funções de recompensa a partir de demonstrações de especialistas de comportamentos coletivos em ambientes partilhados.
Recompensa Coletiva
Função de recompensa global partilhada entre todos os agentes de um sistema, otimizando o desempenho da equipa em vez de ganhos individuais.
Recompensa Individual
Função de recompensa específica para cada agente, considerando as suas ações pessoais e a sua influência nos outros agentes do sistema.
Jogo Cooperativo
Cenário multiagente onde todos os agentes partilham um objetivo comum e devem coordenar as suas ações para maximizar uma recompensa coletiva.
Jogo Competitivo
Ambiente onde os agentes têm objetivos contraditórios, cada um procurando maximizar a sua própria recompensa em detrimento dos outros agentes.
Jogo Misto
Configuração multiagente que combina elementos cooperativos e competitivos, onde alguns agentes podem formar coligações temporárias ou oposições estratégicas.
Alinhamento de Preferências
Processo de harmonização das funções de recompensa individuais dos agentes para alcançar coerência com os objetivos globais do sistema multiagente.
Aprendizagem por Demonstração Multiagente
Técnica onde os agentes inferem recompensas a partir de trajetórias demonstradas por especialistas que operam simultaneamente no ambiente.
Equilíbrio de Nash em IRL
Ponto de convergência estratégica onde nenhum agente pode melhorar sua recompensa modificando unilateralmente sua política, dadas as políticas dos outros agentes.
Função de Valor Conjunta
Estimativa da recompensa cumulativa esperada para o conjunto de agentes, considerando seus estados e ações combinados em um espaço de estados conjunto.
Política de Equipe
Estratégia coordenada que define as ações ótimas para cada agente em função do estado global e das intenções coletivas do sistema.
Decomposição de Recompensa
Método que consiste em separar uma recompensa global em componentes individuais atribuíveis a cada agente, preservando a otimalidade coletiva.
Aprendizagem Adversarial Multiagente
Framework onde agentes adversários aprendem simultaneamente a identificar e explorar as fraquezas das políticas dos outros agentes em um contexto IRL.
Consenso Multiagente
Processo de acordo entre os agentes sobre uma função de recompensa comum ou objetivos compartilhados, necessário para uma aprendizagem cooperativa eficaz.
Comunicação Implícita
Transmissão de informação entre agentes através de suas ações e estados observáveis, sem um canal de comunicação explícito direto no ambiente IRL.
Aprendizagem Federada em IRL
Técnica que permite aos agentes aprender recompensas a partir de dados distribuídos sem compartilhar seus dados brutos, preservando a privacidade enquanto colaboram.
Teoria dos Jogos Multiagente
Estrutura teórica que analisa as interações estratégicas entre agentes racionais em ambientes de aprendizado por reforço inverso.
Aprendizado Transferível Multiagente
Capacidade de transferir o conhecimento sobre recompensas aprendidas de um contexto multiagente para outro, acelerando a adaptação a novos ambientes.