Компютри, бизнес, наука, технологии и общество
Изкуствени интелигентни агенти. Характеристики, класификация и инструментални средства за тяхното създаване.
Изкуствените интелигентни агенти са възникнали като част на разпределения изкуствен интелект. Основния интерес към него е свързан със създаване на организации от системи способни на изкуствен живот.
Дефиницията за изкуствени интелигентни системи и агенти, която предлагат двамата основоположници Уолдридж и Дженнингс е, че това са хардуерни или софтуерни КС със следните характеристеки:
- автономност – агентите работят без директна намеса на хората или други агенти и имат някакъв вид контрол върху действията и вътрешното състояние.
- социални способности – агентите взаимодействат с други агенти, чрез език за агентна комуникация
- реактивност – агентите възприемат средата (физическия свят, интернет, други агенти и тн.) и реагират на промените в тях
- проактивност – агентите не само действат в отговор на средата, но са способни да покажат направлявана от целите поведение по собствена инициатива.
Агента обикновено съдържа предварителни знания за средата; предишен опит, от който да се учи; цели, които се опитва да постигне и наблюдение за текущата среда и самия себе си.
Агентът е единица, която възприема средата и въздейства върху нея.
За да знае какво да направи, агентът трябва да има цел. Целта се избира от библиотека от цели, може да се получи от външен източник , от потребителя или агентът сам да си я постави.
Основни характеристики на агентите:
Всички агенти имат определена функционалност, която е изразена в интерфейса на агента. Действията винаги са в полза на потребителя.
Автономност – счита се за обособяващ признак на агентите по отношение на други информационни системи с изкуствен интелект. Под автономност се разбира инициатива и периодични действия от страна на агента, които да водят до максимална полезност т.е агента не се управлява от потребителски команди, а от индивидуалните си идеи, които се опитва да постигне. Свързана е и с разпределянето на ресурсите във връзка с енергията, която използва. Агента е относително зависим от средата на работа. Способността му да управлява тези ресурси намалява зависимостта му от външния свят. Ако агента използва само началните си знания без да се обучава от опита си той няма автономност. Колкото повече решението се опира на собствен опит толкова повече агентът е автономен.
Рационалност – означава, че агента трябва да избира и изпълнява правилните действия. Най-ефективните подходи за генериране на рационално поведение е да се въведе мярка за оценка на успеха, което обикновено е функция, чийто максимум се търси.
Самообучение – Машинно обучение – Марвин Мински казва, че обучението е създаване на полезни промени в работата на нашия ум, а Simon счита, че обучение е всяко изменение в системата водещо до подобряване решението на задачата при нейното повторно поставяне или за решаването на друга задача на основа на същите данни. Така че при машинното обучение се решават 2 основни типа задачи: Първо създава се определено входно-изходно поведение. Формално това означава постигане на съответствие между множеството на входните параметри и множеството на изходните параметри. И второ подобряване на задачата в смисъл повишаване на бързодействието и точността, намаляване на използваните ресурси и други. Така, че агента се самообучава. Това може да е на база на собствения опит или на база на примери и други информационни източници. Така, че обучението е основен подход за реализиране на адаптивно поведение.
Възможност за комуникации – да комуникира с други агенти или потребителя това означава, че агента има социални способности. Значението на тази характеристика е подчертано от редица учени определящи софтуерният агент като комуникиращ коректно чрез език за агентна комуникация. Комуникацията е чрез изпращане на съобщения или обмен на сигнали. Сигналът е най-примитивният елемент на комуникацията. Той трябва да отговаря на 2 условия:да бъде с необходимата сила и да се конвертира в значение от интерпретиращата система. По отношение на съобщенията – те се изпращат и получават асинхронно. При получаването им от приемащия агент не се гарантира незабавната им обработка. Автономността на агента позволява да реши дали да приеме или отхвърли дадена заявка. Премахват се всякакви времеви зависимости между комуникиращите агенти т.е получателят може да не съществува, когато е изпратено съобщението. Може да има комуникация и с друга информационна система или база данни.
Мобилност – реализира се за част от софтуерните агенти чрез придвижване в мрежата, а от роботите чрез движение в реални и виртуални среди. Процесите мигрират между компютрите като взаимодействат с база данни, файловите системи, информационните услуги и др.
Класификация на агентите:
Според архитектурата:
- Рефлексни агенти
- Рефлексни агенти с вътрешно влияние
- Агенти с ясно поставени цели
- Агенти базирани на полезност
- Самообучаващи се агенти
Рефлексни агенти(агенти автомати) – реагират незабавно на възприятието като използват правила от типа „ако условие то действие”. Изпълняваните от тях действия са:
- четене на входен сигнал;
- интерпретиране на прочетения сигнал;
- намиране на правило съответно на входния сигнал;
- избор на правило;
- модифициране на средата при изпълнение на действието.
Рефлексни агенти с вътрешно състояние – Тези агенти са когнитивни, защото преди да изберат действие изпълняват обработка на знания. Поддържат информация за миналото. В тяхната база данни са налични 2 типа знания: как действията на агента променят средата и как средата се развива независимо от действията на агента. Изпълняваните действия са:
- четене на входен сигнал;
- интерпретиране на сигнала;
- съчетаване на текущото възприятие с вътрешното състояние;
- намиране на релевантни (подходящи )правила;
- избор на правило;
- актуализиране на вътрешното състояние с резултата от собствените действия и с независимите от това промени на средата;
- определяне на ново вътрешно състояние.
Агенти с явно зададени цели – тези агенти избират действията си така, че да постигнат целите си. При изборът се използват логически процедури за извод (логически агенти) или се използват алгоритми за търсене(търсещи агенти) или техники за планиране на действията (планиращи агенти). Не се използват правила. Недостатък е, че при конфликтни ситуации от типа”кратък път безопасен път” не могат да вземат решение, тъй като нямат средства за това.
Агенти с отчитане на полезността – при тези агенти явното задаване на цели се заменя с функция на полезност чрез нея се въвежда измерител на успеха на агента в дадено състояние. Очаква се агента да максимизира тази функция.
Самообучаващи се агенти – те използват възприятията си не само за определяне на подходящи действия, но и за подобряване на възможностите за по-добро функциониране в бъдеще. При това се повишава автономността на поведението им, защото се определя само от програмиста, но и от собственият им опит в резултат на самонаблюдение. Обучаващият елемент служи за приспособяване на агента към непозната среда. Той получава информация като обратна връзка от модула. Критична оценка за това колко успешен е агента и как трябва да се адаптира, за да подобри изпълнението си. Генераторът на решения предлага действия за обогатяване на знанията на агента, които може да не са оптимални за определен етап, но да подобряват работата на агента в бъдеще.
Според изпълняваните функции.
Основните други агенти са: интерфейсни или подобряване на работата на потребителя; агенти за извличане и сортиране на информация от Интернет (информационни агенти); интранет агенти;агенти за електронна търговия;за автономни превозни средства;хетерогенни.
Интерфейсни агенти – те наблюдават работата на потребителя по отношение на интерфейса за по-сложни продукти и предлагат по-добри методи за изпълнение на задачи. Това е възможно, ако съществува повтарящо се поведение при използване на интерфейс. Така, че агентите се самообучават да асистират по следните начини :
- Наблюдение и имитиране на поведението на потребителя – когато възникне нова ситуация системата изчислява връзката й с предишната и избира действие;
- Получаване на обратна връзка от потребителя
- Получаване на преки потребителски инструкции
- „Обсъждане” с други агенти
Информационни агенти – има достъп до един или повече хетерогенни информационни ресурси и извлича информация от името на потребителя. Делят се на няколко групи понеже са най многобройни:
- агенти за търсене с общо предназначение(Google, Copernic)
- за специализирано търсене (Deal Time, Job Slenth, eLibrary, Sports Slenth);
- неспециализирани програмируеми агенти (IBM ABLE).
Агенти за електронна търговия – многобройни са и се използват на следните етапи от процеса електронна търговия:
етап идентификация на потребности- стимулират потенциалния купувач към неосъзната потребност чрез информиране на различни продукти. Например: Известяваща агенция-следи каталозите за продажба и известява на потребителя когато се появи книга от определена категория.
етап посредничество – има няколко агентни системи, които оценят информацията за продукта и предлагат отговарящи на изискванията на потребителя стоки. Такъв агент е Jango, T@T, Personal Logic.
етап на преговаряне- прилага се в ситуации, в които купувачът избира даден продукт, но съществува конфликт между купувачът и продавачът. (Kazbah, T@T).
Софтуерни средства за създаване на интелигентни агенти
Езици за програмиране на функционалната структура на агентната система:
За логическо и функционално програмиране – Lisp, Prolog. За представяне на планирането се използва езика Strips.
Конвенционални (традиционални) от ОО тип С/С++, Java, Smolltalk. Представят автономно поведение и кооперативност за агентните системи.
Скриптови езици – JavaScript. Главната причина за скриптовите езици е, че позволяват на агентите да изпълняват задачи премествайки се между различни компютърни платформи.
Актор-езици – позволяват паралелни изчисления и са изпълнителен модел за програмиране на конкуриращи се обекти – Actalk, Mering IV.
Интерфейс между езиците- предимно между Java и Prolog – включват набор от Java класове и набор предикати на Prolog. Например КProlog – осигурява Java с двупосочен интерфейс към Prolog.
Протоколи и специализирани езици за комуникация – Някои от най прилаганите са KQML, KIF, ACL, XML.
KQML – може да се използва като език на приложни програми за взаимодействие с интелигентна система или за комуникация между агенти при кооперирано решаване на задачи. Той е с линейна структура базирана на Лисп. Съдържа разширяемо множество от примитиви за дефиниране на допустими операции. Примитивите са следните групи действия: добавяне на информация, задаване на директиви на определен адрес, потвърждение, че дадени действия ще бъдат изпълнени, изразяване на дадено ментално състояние, декларативни.
KIF – декларативен език, базиран на изчисление на предикати. Представлява версия на предикатната логика от първи ред с разширения на немонотонни заключения.
ACL – обхваща около 20 типа комуникация.
XML – уеб документи, които да се възприемат по-ясно от интелигентните агенти.
Платформи и шелове за създаване на агент базирани приложения – тези инструментални средства са създадени с езици като Java, JavaScript, С. Примери за такива платформи са: JADE, IBM ABLE, Agent Builder, ZEUS, Open Source (FIPA).
Средства за описанието на поведението на агента – широко приложение има UML и мрежите на Petry.
Подобни статии
| This entry was posted by Информация EU on 18.08.2010 at 16:59, and is filed under Компютри. Follow any responses to this post through RSS 2.0. You can leave a response or trackback from your own site. |