Архитектура многоагентных систем (курсовая работа) (Архитектура многоагентных систем (курсовая)), страница 2

Некоторые авторы считают, что агент должен обладать также рядом других свойств. К ним относятся

-мобильность (mobility) - способность агента мигрировать по сети в поисках необходимой информации для решения своих задач, при кооперативном решении задач совместно или с помощью других агентов и т.д.,

-благожелательность (benevolence) - готовность агентов помочь друг другу и готовность агента решать именно те задачи, которые ему поручает пользователь, что предполагает отсутствие у агента конфликтующих целей;

-правдивость (veracity) - свойство агента не манипулировать информацией, про которую ему заведомо известно, что она ложна;

-рациональность (rationality) - свойство агента действовать так, чтобы достигнуть своих целей, а не избегать их достижения, по крайней мере, в рамках своих знаний и убеждений.

Можно заметить, что исследователи в области многоагентных систем заходят очень далеко в проведении антропоморфного взгляда на интеллектуальных агентов. Это сходно с позицией первых исследователей в области искусственного интеллекта в 50-60-е годы.

Большинство исследователей в области теории и архитектур агентов считают обязательным включение в модель агента некоторого подмножества ментальных свойств, по крайней мере, таких, как знания, убеждения и цели.

Таким образом, агентно-ориентированный подход в информатике и ИИ представляет собой развитие известных подходов, основанных на понятиях объектов и акторов, но в то же время имеет ряд принципиальных отличий. Понятия объект и актор представляют собой единицы программных систем, задаваемые некоторой структурой и механизмом взаимодействия. Объект (как реализация фрейма по М.Минскому) имеет единое имя и свои собственные данные и процедуры. Объект может состоять из нескольких так же определенных объектов и в свою очередь быть частью более крупного объекта. Объекты содержат слоты, которые в свою очередь могут состоять из фактов. Слот может быть просто атрибутом или отношением. Все действия в ООП выполняются через сообщения (однако сообщения указывают объекту, что делать, но не как делать). В целом, понятие объекта определяется с помощью 4 признаков: а) инкапсуляция; б) отношение «класс-пример»; в) свойство наследования; г) прохождение сообщений, допускающее определение полиморфных процедур, т.е. процедур, код которых может различаться в зависимости от приемника сообщения.

Объекты не могут анализировать свое поведение, определять характер своих связей с другими объектами или природу адресованных им сообщений.Их механизм получения сообщений сводится к вызову процедуры. А главное, они не могут самостоятельно формировать цели.

Точно так же и акторы – развитые, интерактивные, параллельно функционирующие объекты, которые взаимодействуют путем посылки асинхронных сообщений, не могут проводить рассуждения о содержании этих сообщений. Сама модель акторов организована, исходя из двух простых принципов: посылки сообщений и локальной обработки. На локальном уровне актор содержит три составляющие: а) знания о своей среде; б) знания о других акторах; в) множество данных и действий. Эти составляющие определяют его локальное поведение в зависимости от поступающего сообщения. Когда актор получает некоторое сообщение, он может передавать его другим акторам. Помимо этого, актор способен создавать новых акторов и изменять свое внутреннее состояние. Это означает, что в ряде случаев акторы могут рассматриваться как своего рода подагенты.

Наличие у агента механизма целеобразования обеспечивает принципиально новый уровень автономии. Это значит, что он необязательно выполняет распоряжения какого-либо другого агента или пользователя, а просто зависит от условий среды, включая цели и намерения других агентов. В отличие от объекта агент может принять на себя определенные обязательства или, наоборот, отказаться от выполнения некоторой работы, мотивируя это отсутствием компетентности, занятостью другой задачей и т.п. В то же время агент может выполнять такие действия как порождение, подавление и замена других агентов, активизация функций (как своих, так и у других агентов), активизация сценария деятельности, запоминание текущего состояния других агентов и пр.

1.1 Подборка определений и высказываний об агентах

Концепция агентов подразумевает обращение к ряду новых для специалистов по информатике и ИИ понятий из психологии и социалогии, и, в первую очередь, понятий из теории деятельности и теории коммуникации. При этом деятельность и интеллект понимаются как процессы, рекурсивно зависящие друг от друга, что обеспечивает их порождение и реализацию. Интеллект агента выступает как подсистема управления деятельностью, позволяющая ему организовать и регулировать свои действия или действия другого агента. В то же время, интеллект имеет коммуникативную природу и формируется в процессах взаимодействия (коммуникации) агента с другими агентами, а потребность в коммуникации связана с реализацией целенаправленной деятельности.

Различные определения понятия «агент» подразделяются на «слабые» и «сильные» программистские и антропоморфные[16] . Вначале остановимся на некоторых наиболее слабых определениях, а затем постепенно перейдем к более сильным.

В одном из наиболее капитальных современных учебников по ИИ, изданном С.Расселом и П.Норвигом[19], под агентом понимается «любая сущность, которая находится в некоторой среде, воспринимает ее посредством сенсоров, получая данные, которые отражают события, происходящие в среде, интерпретирует эти данные и действует на среду посредством эффекторов». Таким образом, здесь вычленяются четыре исходных агентообразующих фактора – среда, восприятие, интерпретация, действие.

Согласно П.Маэс[14], «автономные агенты – это компьютерные системы, функционирующие в сложной, динамической среде, способные ощущать и автономно действовать на эту среду и, таким образом, выполнять множество задач, для которых они предназначены». Здесь предложены два ограничения на среду агентов – «сложная и динамическая».

Подробный анализ возможных типов сред и соответствующих требований к агентам дан Д.А.Поспеловым[12]. У него все среды подразделяются на три больших класса - замкнутые, открытые и трансформируемые. Замкнутые среды допускают конечное исчерпывающее описание (детерминированное или вероятностное). При этом агенты могут обладать полным априорным знанием о среде и ее свойствах или получать оперативную информацию в ходе своего взаимодействия с ней (как в моделях коллективного поведения автоматов). Но главная идея – полнота их знаний (в детерминированном или статистическом смысле) остается. Понятие «открытых сред» предполагает отказ от постулата полноты знаний у агента и введение локальных описаний среды. Наконец, трансформируемые среды могут менять свои характеристики в зависимости от действий агентов (например, агенты могут порождать новые объекты в среде и, в частности, новых агентов).

Итак, ключевыми характеристиками любых агентов как «искусственных деятелей» являются автономность и целенаправленность. Речь идет об автономном выполнении некоторых действий на основе целенаправленных проблемно-ориентированных рассуждений. Подчас в качестве главных признаков агента берутся интеллектуальность и автономность, где интеллектуальность связывается с восприятием и рассуждениями, а автономность - с принятием решений и действием на среду.

Определение интеллектуального агента по К.Сикара и соавторы[20] .

Здесь выделены следующие характеристики:

• способность решения задач, поставленных людьми или другими компьютерными агентами;

• активность, т.е. способность инициировать решение задачи и предлагать свои услуги пользователю;

• сетевая «среда обитания» и способность самоорганизации в ней;

• полуавтономность (у пользователя есть возможность управлять уровнем автономности агента);

• антиципация, т.е. способность предвидеть запросы пользователя;

• надежность;

• способность сотрудничать с людьми или другими компьютерными агентами в интересах решения задачи;

• гибкость, проявляющаяся в способности работать с неоднородными агентами и удаленными иинформационными ресурсами;

• адаптивность, способность оперативно приспосабливаться к изменению потребностей пользователя и факторов среды;

• настойчивость в решении задачи.

1.2 Классификации агентов

Можно предложить немало различных оснований для построения классификаций агентов. Наиболее очевидными являются критерии классификации, связанные с полярными шкалами «естественное–искусственное» и «материальное–идеальное ». По первому критерию, выделяются натуральные агенты (животные, люди, группы организмов, коллективы людей) и искусственные агенты (роботы, коллективы автоматов, сложные компьютерные программы). В данной работе описываются только искусственные агенты. По второму критерию, все искусственные агенты подразделяются на: 1) материальных, физически существующих и работающих в реальном пространстве, например, интегральные роботы) и 2) виртуальных, существующих лишь в программной среде (виртуальном пространстве); нередко такие «программные роботы» (software robots) называют сокращенно софтботами (softbots) [12] .

Еще одна пара взаимосвязанных критериев классификации опирается на дихотомии «сосредоточенное-распределенное» и «неподвижное-подвижное» [3][5][6] . Примером неподвижного агента служит стационарный манипуляционный робот, а примером мобильного– поисковый агент, мигрирующий по сети в целях отыскания нужной информации. Подчас мобильные софтботы (моботы) могут трактоваться как распределенные, чисто коммуникативные агенты, которые не имеют собственных средств восприятия и действий (поэтому они не манипулируют никакими объектами), а лишь используют располагаемые ресурсы для коммуникации с другими агентами и миграции по сети в поисках релевантных данных и процедур. Наоборот, четко локализованные агенты в определенном смысле противоположны коммуникативным: они не могут двигаться по сети и обычно не обладают способностью к представлению среды, а их общение с другими агентами происходит не напрямую, а косвенно, через механизмы восприятия и действия.

Важным основанием для классификации служит наличие (отсутствие) у агентов характеристик обучаемости или адаптивности. У обучаемых агентов поведение основано на предыдущем опыте.

В свою очередь, Д.А.Поспелов[12] предлагает строить классификацию агентов и выбирать соответствующие формальные средства их описания с помощью тройки критериев: тип среды, уровень «свободы воли » (по В.А.Лефевру) и уровень развития социальных отношений. Так для простейших замкнутых сред достаточно агентов автоматного уровня сложности (модели коллективного поведения автоматов), а в случае более сложных замкнутых сред имеем дело с агентами, основанными на конечных наборах правил и сценариев их применения (например, нечеткие регуляторы). Агенты, основанные на правилах, активно используются в компьютерных сетях, действуя в рамках «клиент-серверного» подхода. В целом, когда среда замкнута, пара «среда-агент» может быть в принципе задано формальной системой, т.е. действия агента здесь могут быть описаны в рамках подходящего логического исчисления (например, модальные логики или логики предикатов высокого порядка). Для открытых сред требуется переход к семиотическому моделированию.

В целом, данная типология агентов тесно связана с классической проблемой взаимодействия «субъект – объект» . Уровень субъектности агента непосредственно зависит от того, наделен ли он символьными представлениями, требующимися для организации рассуждений, или в противоположность этому он работает только на уровне образов (субсимвольном), связанных с сенсомоторной регуляцией. Соответствующую классификацию агентов (рис.1) можно построить по следующим двум признакам: а) степень развития внутреннего представления внешнего мира и б)способ поведения.

По первому признаку, выделяются интеллектуальные (когнитивные, рассудочные) и реактивные агенты[15]. Когнитивные агенты обладают более богатым представлением внешней среды, чем реактивные. Это достигается за счет наличия у них базы знаний и механизма решения. Близкий термин «рассудочный (deliberative) агент» служит для обозначения агента, который обладает символьной моделью внешнего мира, а также возможностью принимать решения на основе символьных рассуждений, например, метода сравнения по образцу.

Рис. 1. Классификация агентов