Ambiente para aquisição de conhecimento por agentes em domínios restritos na infraestrutura da internet

Abstract

Esta tese propõe a criação de um ambiente que disponibiliza recursos e facilidades para permitir autonomia a agentes distribuídos e hospedados nos sistemas autônomos que formam a Internet. Este ambiente contem recursos para que os agentes possam colaborar entre si e com humanos usando técnicas associadas à uma estrutura de dados conhecida como blockchain. O ambiente disponibiliza uma base de conhecimento que armazena conhecimento explícito e mecanismos que inferem conhecimento implícito. O conhecimento explicito é obtido de bases de dados muti-modais e não estruturadas, disponíveis fora do ambiente desenvolvido e apropriadamente transformadas em bases estruturadas denominadas corpus. Complementarmente, um outro ambiente de testes é proposto, para exercitar algoritmos que permitem consolidar as ideias propostas. Bases estruturadas e intermediárias são construídas e propostas para favorecer algoritmos de aprendizagem de máquinas que irão adicionar conhecimento na base correspondente. Todos os componentes do ambiente proposto atuam em conjunto e/ou separadamente para municiar um mecanismo de retroalimentação e preservação do conhecimento adquirido mantendo-o persistente.

This thesis proposes the creation of an environment that provides resources and facilities to allow autonomy to agents distributed and hosted in the autonomous systems that make up the Internet. This environment contains resources for agents to collaborate intensively with each other and with humans using techniques associated with a data structure known as blockchain. The environment provides a knowledge base that stores explicit knowledge and inference mechanisms that infer implicit knowledge. The explicit knowledge is obtained from muti-modal and unstructured databases available outside the developed environment and appropriately transformed into structured bases calledcorpus. In addition, another testing environment is proposed, to exercise algorithms that allow consolidating the proposed ideas. Structured and intermediate bases are built and proposed to favor machine learning algorithms that will add knowledge to the respective base. All components of the proposed environment act together and / or separately to provide a feedback mechanism and to preserve the knowledge acquired keeping it persistent.