Title (eng)
Collective dynamics of multi-agent networks
simulation studies in probabilistic reasoning
Parallel title (deu)
Kollektive Dynamiken von Multi-Agenten Netzwerken
Author
Max Pellert
Advisor
Paolo Petta
Assessor
Paolo Petta
Abstract (deu)
Der zentrale wissenschaftliche Beitrag dieser Masterarbeit ist die Entwicklung und empirische Evaluation von IBE*, einer Synthese aus 'Jeffrey Conditionalization' und des 'Schlusses auf die beste Erklärung' (engl. 'Inference to the Best Explanation', IBE). Damit können auch Szenarien unsicherer Evidenz mit 'explanationist belief updates' erfasst werden. Es wird argumentiert, dass es fruchtbar ist, (probabilistische) Alternativen zu bayesianischer Inferenz zu untersuchen. Das 'Alien Die' Modell und das Konzept der Brier Punkte werden vorgestellt. In Simulationen mit vollständig sicherer Evidenz gelingt es, ein zentrales Result von Igor Douven zu replizieren: Der 'explanationist' ist schneller, fährt aber etwas höhere Brier Punkte ein. In Simulationen mit einer fixierten Unsicherheit der Evidenz ist der 'explanationist' wieder schneller und diesmal auch treffsicherer. Auch in Simulationen mit zufälliger Unsicherheit ist der 'explanationist' schneller und genauer: Wir finden damit eine entscheidende Schwachstelle des bayesianischen Agenten. IBE* scheint dem Problem der unsicheren Evidenz entgegenzuarbeiten. Es werden unterschiedliche Netzwerktopologien vorgestellt und unter verschiedenen Parametern visualisiert. Kollektive 'belief updates' werden auf diesen Netzwerken durchgeführt. Bei vollständiger Evidenz überschreitet der 'explanationist' den Schwellenwert bei jedem Netzwerktypen, im Gegensatz zum bayesianischen Agent. Wird die Evidenz unsicher, treten die Vorteile des 'explanationist' stärker hervor: Wir finden einen sehr großen Geschwindigkeitsvorteil. Dann werden Kontroversen bezüglich der Wahl der verwendeten Parameter und Konzepte in den Simulationen behandelt. Wir erarbeiten eine Definition von 'Computer Simulationen' und sprechen epistemologische Aspekte an. In einer Diskussion gehen wir auf das Potential von Simulationen für die Sozialwissenschaften ein. Schließlich erwähnen wir derzeitige Limitierungen unserer Arbeit und Möglichkeiten, die Forschung weiterzuführen.
Abstract (eng)
The main contribution of this thesis is the development and empirical evaluation of IBE*, a synthesis of Jeffrey Conditionalization and IBE (Inference to the Best Explanation) that generalizes explanationist updating to cases of uncertain evidence. It is argued that there are merits to be expected from studying (probabilistic) alternatives to Bayesian inference. The 'Alien Die' model and Brier scores are introduced. In simulations with full certainty of evidence, we succeed in replicating a recent key finding by Igor Douven: The explanationist is faster, but also incurs a slightly higher Brier score. In simulations with fixed (un-)certainty, the explanationist is again faster and also more accurate. Also in simulations with random uncertainty, the explanationist is the substantially faster and more accurate variant: We find a decisive shortcoming of the Bayesian approach. IBE* seems to be counteracting the problem of uncertain evidence. We introduce networks and visualize them under different parametrisation. We then run collective belief updates on these networks. With full certainty, in contrast to the Bayesian, the explanationist crosses the threshold for the true bias on all topologies. With uncertainty of evidence, this advantage is again more pronounced. We found a vast speed advantage of the explanationist. Then, controversies regarding the choice of specific parameters and concepts used in our simulations are addressed. We develop a definition of computer simulations and reflect on epistemological issues. We point out the potential of simulations for the social sciences. Finally, current limitations and further directions of our research are identified.
Keywords (eng)
agent-based modelingnetworksbelief updatingformal epistemologyinference to the best explanationbayesian inferenceuncertain evidence
Keywords (deu)
agentenbasierte ModellierungNetzwerkebelief updatingformale EpistemologieSchluss auf die beste Erklärungbayesianische Inferenzunsichere Evidenz
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1340266
rdau:P60550 (deu)
72 Seiten : Illustrationen, Diagramme
Number of pages
84
Association (deu)
Title (eng)
Collective dynamics of multi-agent networks
simulation studies in probabilistic reasoning
Parallel title (deu)
Kollektive Dynamiken von Multi-Agenten Netzwerken
Author
Max Pellert
Abstract (deu)
Der zentrale wissenschaftliche Beitrag dieser Masterarbeit ist die Entwicklung und empirische Evaluation von IBE*, einer Synthese aus 'Jeffrey Conditionalization' und des 'Schlusses auf die beste Erklärung' (engl. 'Inference to the Best Explanation', IBE). Damit können auch Szenarien unsicherer Evidenz mit 'explanationist belief updates' erfasst werden. Es wird argumentiert, dass es fruchtbar ist, (probabilistische) Alternativen zu bayesianischer Inferenz zu untersuchen. Das 'Alien Die' Modell und das Konzept der Brier Punkte werden vorgestellt. In Simulationen mit vollständig sicherer Evidenz gelingt es, ein zentrales Result von Igor Douven zu replizieren: Der 'explanationist' ist schneller, fährt aber etwas höhere Brier Punkte ein. In Simulationen mit einer fixierten Unsicherheit der Evidenz ist der 'explanationist' wieder schneller und diesmal auch treffsicherer. Auch in Simulationen mit zufälliger Unsicherheit ist der 'explanationist' schneller und genauer: Wir finden damit eine entscheidende Schwachstelle des bayesianischen Agenten. IBE* scheint dem Problem der unsicheren Evidenz entgegenzuarbeiten. Es werden unterschiedliche Netzwerktopologien vorgestellt und unter verschiedenen Parametern visualisiert. Kollektive 'belief updates' werden auf diesen Netzwerken durchgeführt. Bei vollständiger Evidenz überschreitet der 'explanationist' den Schwellenwert bei jedem Netzwerktypen, im Gegensatz zum bayesianischen Agent. Wird die Evidenz unsicher, treten die Vorteile des 'explanationist' stärker hervor: Wir finden einen sehr großen Geschwindigkeitsvorteil. Dann werden Kontroversen bezüglich der Wahl der verwendeten Parameter und Konzepte in den Simulationen behandelt. Wir erarbeiten eine Definition von 'Computer Simulationen' und sprechen epistemologische Aspekte an. In einer Diskussion gehen wir auf das Potential von Simulationen für die Sozialwissenschaften ein. Schließlich erwähnen wir derzeitige Limitierungen unserer Arbeit und Möglichkeiten, die Forschung weiterzuführen.
Abstract (eng)
The main contribution of this thesis is the development and empirical evaluation of IBE*, a synthesis of Jeffrey Conditionalization and IBE (Inference to the Best Explanation) that generalizes explanationist updating to cases of uncertain evidence. It is argued that there are merits to be expected from studying (probabilistic) alternatives to Bayesian inference. The 'Alien Die' model and Brier scores are introduced. In simulations with full certainty of evidence, we succeed in replicating a recent key finding by Igor Douven: The explanationist is faster, but also incurs a slightly higher Brier score. In simulations with fixed (un-)certainty, the explanationist is again faster and also more accurate. Also in simulations with random uncertainty, the explanationist is the substantially faster and more accurate variant: We find a decisive shortcoming of the Bayesian approach. IBE* seems to be counteracting the problem of uncertain evidence. We introduce networks and visualize them under different parametrisation. We then run collective belief updates on these networks. With full certainty, in contrast to the Bayesian, the explanationist crosses the threshold for the true bias on all topologies. With uncertainty of evidence, this advantage is again more pronounced. We found a vast speed advantage of the explanationist. Then, controversies regarding the choice of specific parameters and concepts used in our simulations are addressed. We develop a definition of computer simulations and reflect on epistemological issues. We point out the potential of simulations for the social sciences. Finally, current limitations and further directions of our research are identified.
Keywords (eng)
agent-based modelingnetworksbelief updatingformal epistemologyinference to the best explanationbayesian inferenceuncertain evidence
Keywords (deu)
agentenbasierte ModellierungNetzwerkebelief updatingformale EpistemologieSchluss auf die beste Erklärungbayesianische Inferenzunsichere Evidenz
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1340267
Number of pages
84
Association (deu)
License
Citable links
Other links
Managed by
Details
Metadata
Export formats
Universitätsring 1, 1010 Wien | T
T +43-1-4277-0