Neues Logik-Framework für autonome Agenten: Penalties im Fokus

Ein neues, auf Logikprogrammierung basierendes System ermöglicht es autonomen Agenten, nicht nur die Einhaltung von Richtlinien zu prüfen, sondern auch die möglichen Strafen bei Verstößen abzuschätzen und entsprechend zu handeln. Während frühere Ansätze vor allem die Konformität betonten, berücksichtigt dieses Modell auch Situationen, in denen das Abweichen von Regeln notwendig sein kann, um kritische Ziele zu erreichen.

Das Framework erweitert die bereits etablierte Authorization and Obligation Policy Language (AOPL) von Gelfond und Lobo um eine Penalty-Komponente und nutzt Answer Set Programming (ASP), um komplexe Entscheidungsprozesse zu durchdringen. Dadurch werden nicht nur gültige Richtlinien gewährleistet, sondern auch Prioritäten innerhalb der Regeln berücksichtigt und die Nachvollziehbarkeit erhöht, indem Regelverstöße und deren Konsequenzen explizit aufgezeigt werden.

Durch die Einführung von penalty‑basiertem Denken lassen sich nicht-konforme Pläne unterscheiden und diejenigen mit den geringsten Folgen bevorzugen. Ein automatischer Übersetzer wandelt die erweiterte AOPL in ASP um, während verbesserte ASP‑Planungsalgorithmen die entstehenden Strafen berücksichtigen. In zwei Anwendungsdomänen zeigte die Implementierung, dass die erzeugten Pläne nicht nur sicherer sind, sondern in manchen Fällen auch die Rechenleistung verbessern.

Die Ergebnisse unterstreichen das Potenzial dieses Ansatzes, autonome Entscheidungsfindung zu optimieren und gleichzeitig Entscheidungsträgern wertvolle Einblicke für die Feinabstimmung von Richtlinien zu liefern. Das Papier wird derzeit im Journal „Theory and Practice of Logic Programming“ (TPLP) geprüft.