Explainable Belief Harmonization under Dynamic Epistemic Partitions

Resumen Técnico: Armonización de Creencias Explicable bajo Particiones Epistémicas Dinámicas

Planteamiento del Problema
Los enfoques existentes para la combinación de creencias multi-agente —que van desde la teoría del consenso y la fusión de lógica hasta la lógica epistémica— suelen asumir una estructura representacional fija. En estos marcos, los agentes operan bajo capacidades observacionales estáticas. Sin embargo, en entornos dinámicos (p. ej., fusión de sensores, analítica federada), los agentes ganan o pierden frecuencia de capacidad observacional, lo que provoca que sus particiones epistémicas (la agrupación de mundos indistinguibles) cambien.

Cuando una partición cambia, las creencias que antes eran admisibles pueden volverse estructuralmente inconsistentes. Específicamente, el refinamiento (ganar resolución) preserva la admisibilidad, pero el engrosamiento (perder resolución) a menudo viola la restricción de que un agente debe asignar una probabilidad igual a todos los mundos dentro de una sola celda de la partición. La literatura actual carece de un marco unificado para gestionar estos cambios estructurales en tiempo de ejecución en perfiles de creencias continuos y para detectar automáticamente las inconsistencias y explicar las distinciones estructurales específicas que las causaron.

Metodología
Los autores proponen un marco híbrido que combina la Programación de Conjuntos de Respuestas (ASP) para el razonamiento estructural y Python para el cómputo numérico. El sistema está diseñado en torno a tres hipótesis centrales:

1. H1 (Tolerancia a la Elaboración): Los cambios en la partición pueden gestionarse modificando únicamente hechos externos en ASP sin alterar el conjunto de reglas.
2. H2 (Integridad Declarativa): Las restricciones de integridad de ASP pueden imponer la corrección de forma declarativa y detectar ediciones malformadas.
3. H3 (Completitud de la Explicación): El solver puede generar automáticamente átomos de explicación precisos que identifiquen exactamente qué distinciones se ganaron o se perdieron.

• Modelo Formal: El sistema modela una Estructura de Partición Epistémica (EPS) donde los agentes poseen distribuciones de probabilidad sobre un conjunto de mundos. La admisibilidad requiere que, para cualquier agente, todos los mundos en una misma celda de partición tengan valores de probabilidad idénticos.
• Arquitectura Híbrida:
  • Capa ASP: Gestiona la capa estructural discreta. Utiliza átomos #external para representar la membresía de la partición (partition(Agente, Celda, Mundo)). Deriva relaciones de indistinguibilidad (indist) y verifica violaciones donde el perfil de creencia de un agente asigna probabilidades diferentes a mundos indistinguibles (violates). También rastrea los cambios entre las particiones antiguas y las nuevas para generar átomos de explicación (newly_dist, newly_indist).
  • Capa Python: Maneja los perfiles de creencia continuos y las operaciones numéricas. Calcula las diferencias de probabilidad específicas (hechos neq) y realiza la reparación por proyección. Cuando ocurre una violación debido al engrosamiento, el sistema calcula una reparación que preserva la masa mediante el promedio de las probabilidades de los mundos fusionados (el minimizador $L_2$ único).
• Flujo de Ejecución: El sistema utiliza la capacidad de resolución multi-shot de clingo. El programa ASP se realiza (grounding) una sola vez. A medida que ocurren cambios en la topología, Python actualiza los átomos #external (afirmando o retractando hechos de partición) y el solver re-evalúa el modelo sin necesidad de realizar un nuevo grounding, permitiendo una reconfiguración eficiente en tiempo de ejecución.

Contribuciones Clave

1. Marco Formal: Un modelo formal para particiones epistémicas dinámicas que distingue entre refinamiento (que preserva la admisibilidad) y engrosamiento (que viola la admisibilidad), proporcionando un operador de reparación único que preserva la masa (proyección) para este último.
2. Codificación Declarativa: Una codificación ASP que soporta la reconfiguración basada únicamente en hechos. Esto logra la tolerancia a la elaboración, permitiendo que el sistema se adapte a nuevas topologías sin modificar las reglas lógicas subyacentes.
3. Generación de Explicaciones: Un mecanismo que deriva automáticamente "átomos de explicación" que capturan la diferencia simétrica de las relaciones de indistinguibilidad. Esto permite al sistema localizar exactamente qué pares de mundos causaron una violación de admisibilidad tras un cambio estructural.
4. Validación Experimental: Una evaluación a través de 100 cambios de topología generados aleatoriamente y escenarios específicos de fusión de sensores, confirmando la capacidad del marco para detectar violaciones, reparar creencias y proporcionar explicaciones completas.

Resultados
La evaluación empírica respalda las tres hipótesis centrales:

• Reconfiguración (H1): El sistema realizó con éxito 50 operaciones consecutivas de topología (incluyendo refinamientos, engrosamientos y adiciones/eliminaciones de agentes) con un tiempo de resolución mediana de 10.3 ms. No se requirieron modificaciones de reglas.
• Integridad (H2): El sistema logró una tasa de detección del 100% para particiones malformadas (p. ej., cobertura de mundos faltante, celdas superpuestas) utilizando solo dos restricciones de integridad declarativas, mientras que una base de comparación procedimental en Python requería lógica de validación dedicada para cada tipo de error.
• Explicación (H3): En 100 pruebas de cambios de topología aleatorios, el 100% de las violaciones de admisibilidad fueron trazadas correctamente a pares newly_indist (mundos que se volvieron indistinguibles pero mantenían creencias diferentes). El sistema proporcionó una salida diagnóstica precisa en lugar de mensajes de error genéricos.

Significancia y Reivindicaciones
El artículo afirma llenar un vacío en la intersección de la estructura epistémica, el cambio dinámico y las creencias continuas. Su principal significancia radica en demostrar que ASP puede servir como un controlador estructural de tiempo de ejecución para componentes numéricos en sistemas donde las restricciones discretas cambian durante la ejecución.

Los autores argumentan que, si bien las soluciones procedimentales podrían ser más rápidas para estructuras estáticas, el enfoque declarativo ofrece una tolerancia a la elaboración y una completitud de la explicación superiores cuando las estructuras son dinámicas. El marco proporciona garantías formales de preservación de la admisibilidad bajo el refinamiento y una reparación única que preserva la masa bajo el engrosamiento. El trabajo se posiciona no como un reemplazo de las teorías existentes de consenso o fusión de creencias, sino como una extensión necesaria para dominios donde la capacidad representacional de los agentes es, en sí misma, una variable dinámica.

Los autores reconocen modestamente las limitaciones, señalando que el costo de grounding de $O(|A| \cdot |W|^2)$ limita el uso interactivo a aproximadamente 50 mundos, y que las explicaciones actuales son diagnósticas (identifican qué cambió) más que prescriptivas (sugieren cómo arreglarlo más allá de la proyección estándar). Se sugiere como trabajo futuro el uso de razonamiento abductivo para explicaciones prescriptivas y la integración con sistemas de ASP probabilístico.