Агенты в искусственном интеллекте

Агенты в искусственном интеллекте, информатике и программной инженерии.

Интеллектуальный агент

По классификации ACM многоагентные системы (МАС) являются разделом распределенного искусственного интеллекта (Distributed Artificial Intelligence) и представляют собой системы, с взаимодействующими интеллектуальными агентами. Термин «интеллектуальный агент» (ИА) имеет два значения, и из-за этого иногда возникает путаница:

в ИИ под интеллектуальным агентом понимается разумная сущность, наблюдающая за окружающей средой и действующая в ней, способная воспринимать среду посредством рецепторов и взаимодействовать с ней. При этом ИА способен к пониманию, а его действия направлены на достижение какой-либо цели. Такой агент может быть как роботом, так и встроенной программной системой, взаимодействующей со средой примерно так же, как человек. ИА в смысле ИИ должен быть независимым, выполняя свои задачи.

в информатике и программной инженерии ИА - это программа, самостоятельно выполняющая некоторое задание. Например, задание по постоянному поиску и сбору необходимой информации в Интернете (компьютерные вирусы, боты, поисковые роботы). Хотя такие агенты имеют строгий алгоритм, их «интеллектуальность» предполагает некоторую способность приспосабливаться и обучаться.

Характеристики агентов в многоагентной системе

Характерной чертой МАС является то обстоятельство, что она может быть использована для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы. Агенты в МАС должны обладать:

1) Автономностью – агенты работают без непосредственного вмешательства со стороны

2) Интерактивностью – взаимодействуют с другими агентами

3) Реактивностью – воспринимают окружающую среду и взаимодействуют с ней

4) Проактивностью – сами являются источником возмущения для окружающей среды, проявляя целеустремленное поведение

5) Целеустремленностью – агенты способны выполнять высокоуровневые задачи и проявлять интеллектуальное поведение при достижении цели.

Обычно в МАС действуют программные агенты. Однако агентами МАС могут также быть роботы, люди или команды людей.

В МАС может проявляться самоорганизация и сложное поведение, даже если стратегия поведения каждого агента достаточно проста. Это лежит в основе так называемых алгоритмов роевого интеллекта.

Агенты могут обмениваться полученными знаниями, используя некоторый специальный язык и подчиняясь установленным правилам «общения» (протоколам) в системе. Примерами таких языков являются Knowledge Query Manipulation Language (KQML) и FIPA’s Agent Communication Language (ACL).

Современные направления изучения МАС

— знания, желания и намерения (BDI);

— координация;

— самоорганизация;

— мультиагентное обучение;

— надежность и устойчивость к сбоям.

Агенты в искусственном интеллекте

В ИИ принято различать физических и временных агентов. Физический агент воспринимает окружающий мир через сенсоры и действует с помощью манипуляторов. Временной агент использует изменяющуюся с ходом времени информацию, предлагает действия или предоставляет данные компьютерной программе или человеку, а также может получать информацию через программный ввод.

Простая агентная программа может быть математически описана как агентская функция:

f: P (результат восприятия) A (действия).

Иными словами, программный агент проецирует результат восприятия на действия. В зависимости от типа обработки воспринимаемой информации принято различать агентов с простым поведением, агентов с поведением, основанным на моделях, целенаправленных, практичных и обучающихся агентов.

Агенты с простым поведением действуют только на основе текущих знаний. Их агентская функция основана на схеме продукционных правил типа «условие-действие»:

IF (условие) THEN действие.

Агенты с поведением, основанным на модели, могут взаимодействовать со средой, лишь частично поддающейся наблюдению.

Целенаправленные агенты хранят информацию о тех ситуациях, которые для них желательны. Это дает агенту способ выбрать среди многих путей тот, что приведет к нужной цели.

Практичные агенты различают, когда цель достигнута, и когда не достигнута, а также насколько желательно для них текущее состояние с помощью «функции полезности».

Обучающиеся агенты (автономные интеллектуальные агенты) должны обладать некоторой независимостью, способность к обучению и приспособлению.

Чтобы активно выполнять свои функции, интеллектуальные агенты имеют иерархическую структуру, включающую много «субагентов», выполняющих низкоуровневые функции. Например, субагенты для принятия оперативных решения; сенсорные агенты, агенты типа распознавания речи; агенты, создающие базы данных для других интеллектуальных агентов; и др.

Американские ученые из Политехнического института Ренсcелера совместно с компанией IBM создали программу-интеллектуального агента Эдди (Eddie). В агенте реализованы технологии ИИ и методы моделирования, в результате чего Эдди обладает интеллектом четырехлетнего ребенка и способен обучаться.

Для того чтобы процесс обучения происходил в естественных условиях, ученые создали для него аватар, который живет в среде компьютерной игры SecondLife. Специалисты полагают, что, общаясь с другими аватарами, которые созданы реальными людьми, Эдди многое узнает и поймет. Архитектура ИА имеет вид:

Поиск по сайту: