Resumo Técnico: MAPS (Modelagem de Perspectivas Subjetivas Coexistentes e Significado Compartilhado em Diálogo Cognitivo Multiagente)

Declaração do Problema

Os sistemas de diálogo de IA atuais tratam predominantemente a geração de linguagem como uma tarefa puramente semântica, otimizando para coerência e precisão enquanto impõem uniformidade semântica. Essa abordagem suprime a heterogeneidade cognitiva — como crenças individuais, tons emocionais e posturas interpretativas — que define a comunicação humana do mundo real. Os paradigmas existentes dividem-se em dois campos: sistemas neurais de larga escala que geram respostas fluentes, mas sem estado (stateless) e carentes de perspectivas internas, e sistemas simbólicos que oferecem transparência, mas lutam com a flexibilidade de domínio aberto. Nenhum deles aborda efetivamente o equilíbrio dinâmico entre a realização subjetiva (manutenção de perfis cognitivos individuais) e o significado compartilhado (convergência para o entendimento mútuo).

Metodologia: O Framework MAPS

Os autores propõem o MAPS (Multi-Agent Perspective Spaces), um framework projetado para modelar o diálogo entre agentes cognitivamente distintos. O MAPS operacionaliza a subjetividade através de três mecanismos centrais que permitem aos agentes manter o raciocínio individualizado enquanto convergem progressivamente para um significado compartilhado.

1. Espaço Semântico Compartilhado

Para facilitar o alinhamento, o MAPS agrega os embeddings de tokens específicos de cada agente ($E^{(i)}_t$) em um embedding semântico compartilhado unificado ($E^{shared}_t$) em cada turno de diálogo:
$$E^{shared}_t = \frac{1}{N} \sum_{i=1}^{N} E^{(i)}_t$$
Este espaço serve como um ponto de referência de base comum, permitindo que os agentes alinhem seu entendimento sem apagar suas perspectivas individuais.

2. Adaptador de Perspectiva Condicionado ao Domínio

Enquanto o espaço compartilhado captura o significado coletivo, cada agente condiciona sua realização privada com base em expertise de domínio específica e traços de personalidade. Cada agente $i$ é associado a um vetor de peso de domínio $w^{(i)}$ que codifica a relevância através de $n$ domínios cognitivos ou de tarefa. A interpretação subjetiva do agente é gerada via um Perceptron Multicamadas (MLP):
$$E^{(i)}_{private,t} = \text{MLP}(E^{shared}_t \oplus w^{(i)})$$
onde $\oplus$ denota a concatenação de vetores. Este mecanismo injeta vieses específicos do agente na representação compartilhada, permitindo a realização subjetiva.

3. Memória Dinâmica via GRU

Para suportar o raciocínio temporal e a consciência contextual, cada agente mantém um estado de memória dinâmica usando uma Unidade Recorrente de Porta (GRU). A representação privada é integrada ao estado recorrente:
$$h^{(i)}_t = \text{GRU}(E^{(i)}_{private,t}, h^{(i)}_{t-1})$$
Este estado codifica a perspectiva evolutiva do agente, servindo como base para gerar respostas e para o raciocínio subsequente.

4. Interpretabilidade por Design

O framework inclui autoatenção ao nível do token dentro de cada agente para modelar a saliência intra-agente. Isso fornece insights interpretáveis sobre quais tokens influenciam o raciocínio de um agente, revelando caminhos de tomada de decisão interna.

Configuração Experimental

• Datasets: EmpatheticDialogues (nuances emocionais), TopicalChat (domínio aberto) e MultiWOZ (orientado a tarefas).
• Perfis de Agente: Dois perfis distintos foram definidos via pesos de domínio: "Espiritual/Alta Emoção" (orientado ao afeto) e "Racional/Baixa Emoção" (orientado à lógica).
• Arquitetura: Sentence-BERT para codificação, um MLP de 2 camadas para o adaptador de perspectiva, uma GRU de 1 camada para memória e FLAN-T5 Large para geração de resposta.
• Treinamento: Os pesos de domínio foram otimizados ao longo de 20 épocas para minimizar a distância de embedding entre os agentes enquanto preservavam a subjetividade impulsionada pelo perfil.

Principais Resultados

A avaliação utilizou três métricas: Viés Semântico (distância euclidiana entre estados ocultos), Distinct-2 (diversidade lexical) e Pontuação de Subjetividade (variância entre representações privadas e compartilhadas).

1. Convergência Semântica sem Uniformidade: Os agentes alinharam progressivamente suas representações semânticas (diminuindo o viés semântico) ao longo do treinamento. No entanto, as pontuações de subjetividade permaneceram altas, indicando que os agentes mantiveram estilos de realização distintos mesmo após alcançarem a coerência semântica.
2. Caminhos de Raciocínio Divergentes: A análise visual da influência do domínio e da atenção ao token revelou que, embora as respostas superficiais possam se alinhar (ex: ambos os agentes dizendo "Ela se foi"), o raciocínio subjacente difere. O agente "Espiritual" focou na perda existencial, enquanto o agente "Racional" focou no reconhecimento factual.
3. Generalização:
   • No MultiWOZ (restrito, orientado a objetivos), os agentes convergiram pragmaticamente, mas preservaram um enquadramento subjetivo sutil (ex: confirmações polidas vs. fatuais).
   • No TopicalChat (domínio aberto), os agentes exibiram maior divergência interpretativa, expressando posturas emocionais matizadas.
4. Estudos de Ablação: Comparando o MAPS Completo contra variantes sem GRU (Memória) ou sem Adaptadores de Perspectiva (Modelo Raso), observou-se que:
   • Remover a GRU reduziu drasticamente o viés, mas perdeu a coerência temporal.
   • Remover o Adaptador de Perspectiva (Modelo Raso) resultou em quase zero de viés, mas sacrificou a diferenciação e diversidade matizadas.
   • A arquitetura Full MAPS alcançou o melhor equilíbrio de relevância, diversidade e alinhamento semântico moderado.

Significância e Alegações

O artigo alega que o MAPS oferece um caminho cognitivamente fundamentado para sistemas de diálogo interpretáveis. Sua principal significância reside em unir o raciocínio simbólico e a geração neural de larga escala ao:

• Habilitar a Diversidade Subjetiva: Permitir que os agentes atuem como participantes socialmente situados com perspectivas internas estáveis, em vez de apenas transformadores sem estado.
• Raciocínio Transparente: Tornar os processos cognitivos visíveis através de gráficos de influência de domínio e atenção ao nível do token, permitindo que analistas vejam como um agente chega a uma conclusão baseada em seu perfil cognitivo específico.
• Equilibrar Coerência e Individualidade: Demonstrar que o alinhamento semântico não requer o colapso da individualidade do agente.

Os autores concluem que, ao modelar agentes como capazes de agir, refletir e negociar significado, o MAPS fornece uma base para futuros sistemas onde o significado é ativamente negociado em vez de meramente trocado, refletindo a riqueza da comunicação humana. O trabalho permanece modesto quanto às suas limitações atuais, observando que os perfis de domínio são definidos manualmente, a memória é de curto prazo e a realização subjetiva é difícil de quantificar totalmente sem avaliação humana.