А   Б  В  Г  Д  Е  Є  Ж  З  І  Ї  Й  К  Л  М  Н  О  П  Р  С  Т  У  Ф  Х  Ц  Ч  Ш  Щ  Ю  Я 


Інтелектуальний агент

Інтелектуальні агенти, будучи значно автономніше реактивних, мають куди яскравіше виражену індивідуальність і характеризуються доцільним поведінкою в співтоваристві агентів, а також прагненням використовувати ресурси інших агентів для досягнення власних цілей. У той же час, реактивні агенти, як це видно з самого їх назви, працюють в основному на рівні сти-му.

Інтелектуальні агенти співпрацюють з іншими агентами свідомо, переслідуючи при цьому певні цілі. Кооперацію в співтоваристві реактивних агентів можна назвати ненавмисної, оскільки вона базується на природних реакціях окремих агентів, спрямованих на виживання виду. Показники виживання відображають здатність особини або групи зберігати свою цілісність при впливах факторів, які можуть її зруйнувати. Ці два види співпраці часто представлені так званою контрактною формою кооперації, коли взаємодія агентів регламентується набором формальних або неформальних угод між ними.

Інтелектуальний агент, як і експертна система, має базу знань і підсистему міркувань. Однак, знання його здебільшого є локальними, неповними і суперечливими, тобто носять характер думок (переконань), які нерідко оновлюються і переглядаються, а міркування виконуються заради підготовки дій.

У повноцінного інтелектуального агента обов'язково повинні бути присутніми як мінімум чотири перерахованих функції: когнітивна, яка розмірковує (а, в більш загальному контексті регулятивна), комунікативна і ресурсна.

Під інтелектуальним агентом розуміється[2]активний елемент, що моделює поведінку людини в процесах збору і обробки інформації і автономно переміщається всередині інформаційного простору в напрямку мети.

Найважливішою особливістю інтелектуального агента є здатність функціонувати в умовах неточної, нечіткої та суперечливої інформації. У зв'язку з обмеженими можливостями рецепторів і ефекторів агента (робота), він не може ні визначати вичерпно параметри середовища, ні точно прогнозувати результати наміченого дії.

Агент на основі системи класифікаторів. Еше одна архітектура інтелектуального агента з більш детальною специфікацією бази знань представлена на рис. 313. Вона включає в себе кілька рівнів подання знань, робочу пам'ять, модуль управління комунікацією і людино-машинний інтерфейс.

Загальне уявлення діяльності агента. Навпаки, при створенні інтелектуальних агентів, які повинні мати достатньо розвинені внутрішні моделі зовнішнього світу, засоби проведення міркувань, а також модулі організації дій, необхідно детально розглянути відносини між поняттями верхнього рівня, а також дослідити зв'язки із середнім рівнем.

Невелике розходження між цими типами інтелектуальних агентів пов'язане з розміщенням акцентів на тих чи інших інтелектуальних функціях: або на отриманні знань про середовище, або на міркуваннях про можливі дії. У комунікативних агентів внутрішня модель світу перетворюється головним чином в модель спілкування, що складається з моделей учасників, процесу і бажаного результату обшения. Нарешті база знань ресурсного агента містить в основному знання про структуру і стан ресурсів, що визначають різні форми поведінки.

Розглянемо використання для координації поведінки інтелектуальних агентів в MAC генетичних оптимізаційних алгоритмів.

Архітектури MAC і їх характеристики. Ідеї програмних агентів взагалііінтелектуальних агентів, зокрема, привабливі тому що дозволяють людям делегувати їм свої повноваження щодо вирішення складних завдань. Однак розробка MAC і дійсно інтелектуальних агентів вимагає спеціальних знань і є складною ресурсномісткої завданням. Адже програмні агенти - новий клас систем програмного забезпечення (ПО), яка діє від імені користувача. Вони є потужною абстракцією для візуалізації і структурування складного. Але якщо процедури, функції, методи і класи - відомі абстракції, які розробники ПЗ використовують щодня, то програмні агенти - це принципово нова парадигма, невідома більшості з них навіть сьогодні.

Так на верхньому рівні інтерпретовані інтелектуальними агентами потреби формують сферу мотивації, а побудова планів реатізаііі мотивів вимагає поповнення знань або перегляду переконань агента.

Швидку розробку агентів забезпечує також фабрика інтелектуальних агентів Intelligent Agent Factory фірми Bits & Pixels. Агенти управляються за допомогою машини прямого виведення Jess. І агенти, і правила породжуються з простих специфікацій потоків робіт.

Інтелектуальна мультиагентна система являє со - бій безліч інтелектуальних агентів, розподілених в мережі які мігрують по ній в пошуках релевантних даних, знань, процедур і кооперуються для досягнення поставлених перед ними цілей.

Зокрема, агентно-орієнтований мову AgentSpeak забезпечує побудову іктеншюнальних інтелектуальних агентів з BDI-архітектурою.

Умовне уявлення многомодельного середовища. | Приклад многомодельного середовища. Ця взаємодія моделей має відбуватися в процесі рішення інтелектуальних агентом завдань прийняття рішень. виникає деяка сукупність моделей, в якій має місце переважання горизонтальних зв'язків над вертикальними.

З огляду на вищесказане, на закінчення даного параграфа розглянемо приклад інтелектуального агента, який демонструє онтологічний підхід до пошуку на Web і вибору для використання власне онтології.

Тарасов, 2000]Тарасов В. Б. Нетрадиційні і гібридні логіки в моделюванні інтелектуальних агентів.

З огляду на вищесказане, в наступному розділі обговорюються мультиагентні системи і системи інтелектуальних агентів.

Розглянемо далі один з підходів до реалізації штучного життя, як еволюціонує популяції інтелектуальних агентів. При цьому мета розгляду даного підходу полягає в підвищенні якості (або скорочення часу обчислень) при вирішенні безлічі подібних завдань. Інакше кажучи, мова йде про паралельне вирішенні деякої задачі безліччю агентів, коли кожен з них знаходить рішення, і як наслідок, ми маємо в результаті відразу безліч рішень, що відрізняються один від одного значенням функції придатності.

O Hare and Jennings, 1996]становлять дослідження взаємодії та кооперації невеликого числа інтелектуальних агентів, наприклад, класичних інтелектуальних систем, що включають бази знань і вирішувачі. Головною проблемою в РИМ є розробка інтелектуальних груп і організацій, здатних вирішувати завдання шляхом міркувань, пов'язаних з обробкою символів. Іншими словами, тут групове інтелектуальне поведінка утворюється на основі індивідуальних інтелектуальних поводжень. Це означає узгодження цілей, інтересів і стратегій різних агентів, координацію їх дій, вирішення конфліктів шляхом переговорів; теоретичну базу тут складають результати, отримані в психології малих груп та соціології організацій.

Одна з можливих класифікацій агентів[3,19]приведена в табл. 7.1 з якої випливає, що для інтелектуальних агентів характерно доцільну поведінку, яке передбачає наявність у агента цілей функціонування і здібностей використовувати знання про навколишнє середовище, партнерах і про свої можливості.

Класифікація многоагентних систем. У руслі ІЖ глобальне інтелектуальну поведінку всієї системи розглядається як результат локальних взаємодій великого числа простих і необов'язково інтелектуальних агентів. Стилі та ін. W2w2w22. ), Спираються на наступні положення: 1) MAC є популяція простих і залежних один від одного агентів; 2) кожен агент самостійно визначає свої реакції на події в локальному середовищі і взаємодії з іншими агентами; 3) зв'язку між агентами є горизонтальними, тобто не існує агента-супервізора, керуючого взаємодією інших агентів: 4) немає точних правил, щоб визначити глобальне поведінка агентів; 5) поведінка, властивості і структура на колективному рівні породжуються тільки локальними взаємодіями агентів.

найчастіше всього дослідники розглядають другий напрямок як виживання, адаптацію та самоорганізацію в динамічної ворожому середовищі великого числа простих і необов'язково, інтелектуальних агентів. Як ми бачили, колектив досить простих автоматів демонструє не тільки адаптивні здібності по відношенню до середовища, але і здатність регулювати чисельність своєї популяції в залежності від зовнішнього середовища. Як один з наступних кроків в напрямку розвитку штучного життя, розглянемо популяцію інтелектуальних агентів, але не взаємодіють один з одним для досягнення спільної мети, як це розглядалося в попередньому розділі а вирішальних деяку загальну задачу і існуючих в еволюціонує популяції.

Середовище розробки агентів ABE (Agent Building Environment), побудована фірмою IBM, являє собою інструментарій для створення додатків, заснованих на інтелектуальних агентів, а також додавання нових агентів в уже існуючі програми. тут інтелектуальний агент відстежує умови середовища, приймає рішення на основі правил, і в результаті виконує деяку дію.

Дослідження показали, що для високоефективного використання випробувального комплексу необхідне створення моделі взаємодії об'єктів в інтегрованої інформаційно-мережевої інфраструктури і методики випробувань в рамках взаємодії з інтелектуальним агентом і моделей взаємодії об'єктів і принципів побудови WEB-інфраструктури для дистанційного управління складними системами.

Призначення інструментального кошти (ІС) AgentBuilder полягає в тому, щоб надати розробнику програмного забезпечення, заснованого на агентах, інтегроване середовище, що дозволяє швидко і легко створювати інтелектуальних агентів і складні програми на їх основі. Агенти, створені за допомогою AgentBuilder, можуть бути реалізовані на будь-який віртуальної Java-машині.

Крім школи колективної поведінки, пов'язаної з моделюванням найпростіших реактивних агентів, в 60 - ті - 70 - ті рр. ХХ-го століття в СРСР сформувалися ще дві Мошни поведінкові школи, які займалися моделюванням інтелектуальних агентів і їх найважливіших властивостей.

Іноді в цей же перелік додаються і такі властивості як раціональність (retionality), правдивість (veracity), доброзичливість (benevolence), а також мобільність (mobility), хоча останнє характерно не тільки для інтелектуальних агентів.

Для цього треба було сформувати перелік властивостей, які дозволяють охарактеризувати онтологію з точки зору її майбутнього користувача і запропонувати єдину логічну структуру відповідних описів; розробити спеціальну довідкову онтологію (Reference Ontology), в рамках якої представлені описи існуючих на Web онтології; реалізувати інтелектуального агента (ONTO) 2 що використовує довідкову онтологію як джерело знань для пошуку онтології, що задовольняють заданій множині обмежень.

За першою ознакою виділяються інтелектуальні (когнітивні міркують) і реактивні агенти. Інтелектуальні агенти володіють добре розвиненою і поповнюється символьної моделлю зовнішнього світу завдяки наявності у них БЗ, механізмів міркування і аналізу дій. Реактивні агенти не мають розвиненого уявлення про зовнішнє середовище. Вони не використовують міркувань і можуть не мати власних ресурсів. Їх поведінка визначається метою, відповідно до якої формуються реакції на запропоновані ситуації.

Середовище розробки агентів ABE (Agent Building Environment), побудована фірмою IBM, являє собою інструментарій для створення додатків, заснованих на інтелектуальних агентів, а також додавання нових агентів в уже існуючі програми. Тут інтелектуальний агент відстежує умови середовища, приймає рішення на основі правил, і в результаті виконує деяку дію.

Серед наявних на ринку бібліотек агентів слід відзначити Intelligent Agent Library - комерційний продукт фірми Bits & Pixels, систему Kafka, розроблену фірмою Fujitsu і Agentx - мережа високоефективних бібліотек розподілених обчислень в програмному середовищі Java, запропоновану фірмою International Knowledge Systems. Бібліотека інтелектуальних агентів Intelligent Agent Library є набір засобів, призначених для забезпечення комунікації агентів і побудови їх груп. Вона заснована на мові KQML і містить ілюстративні приклади агентів, що функціонують в Web-додатках. Ця бібліотека підтримує розробку мобільних агентів.

Отже, інтелектуальна система управління інтерпретується як MAC. У ній інтелектуальні агенти мають право приймати рішення, використовуючи для цього кошти імітаційного моделювання, доступну інформацію і знання. Вони також здатні взаємодіяти один з одним для досягнення деяких обшіх цілей.

Саме цих термінів ми і будемо дотримуватися в даному виданні. Спочатку ідея інтелектуальних агентів пов'язувалася практично повністю з класичної логіческрй парадигмою ІІ. Один з конкретних прикладів архітектури цього класу обговорюється нижче.

Ідеї програмних агентів взагалііінтелектуальних агентів, зокрема, привабливі тому що дозволяють людям делегувати їм свої повноваження щодо вирішення складних завдань. Однак розробка MAC і дійсно інтелектуальних агентів вимагає спеціальних знань і є складною ресурсномісткої завданням. Адже програмні агенти - новий клас систем програмного забезпечення (ПО), яка діє від імені користувача. Вони є потужною абстракцією для візуалізації і структурування складного. Але якщо процедури, функції, методи і класи - відомі абстракції, які розробники ПЗ використовують щодня, то програмні агенти - це принципово нова парадигма, невідома більшості з них навіть сьогодні.

Входження в інформаційний простір пов'язане з оцінкою наявної інформації з точки зору її повноти, достовірності і значущості для вирішення поставленого завдання, а також побудовою інформаційної моделі що відбиває структуру і стан об'єкта щодо досягнення бажаної мети в просторі контрольованих і спостережуваних факторів. При цьому розглядається поведінка деякого інтелектуального агента в ітераційному процесі переробки первинних даних, накопичених в ході експерименту і спостережень, в нову інформацію (знання) про комплекс взаємозв'язків і структурах взаємодії; альтернативи, стратегії та наслідки цілеспрямованих дій в умовах, що змінюються середовища виживання.

Компромісний підхід до управління PC полягає в муль-тіагентном управлінні. В цьому випадку роботи розглядаються як інтелектуальні агенти PC, локальні УС яких мають власні БД і БЗ і можуть оперативно обмінюватися інформацією через КС.

Компромісний підхід до управління PC полягає в мульти-гентном управлінні. В цьому випадку роботи розглядаються як інтелектуальні агенти PC, локальні УС яких мають власні БД і БЗ і можуть оперативно обмінюватися інформацією через КС.

На основі процедури прогнозу будується модуль прийняття рішення з визначенням параметрів стану агента, що призводять до поліпшення цільової функції. Таким чином, загальний алгоритм поведінки інтелектуального агента в інформаційному просторі зводиться до накопичення бази знань шляхом факторного аналізу та складання структурно-параметричної матриці зв'язків між параметрами стану і цільової функції і подальших процедур причинно-наслідкового ідентифікації та прогнозування ситуації при надходженні інформації про зміни параметрів стану на черговому кроці руху до мети.

Сміт[Smith, 1980 ]розробив модель розподіленого рішення задач, названу їм контрактної мережею, яка і сьогодні має великий резонанс. Ця модель використовує метафору переговорів між автономними інтелектуальними агентами (вузлами мережі) і заснована на протоколі ринкових торгів. Агент-менеджер поширює оголошення про завдання і визначає вихідну ціну, а агенти - потенційні виконавці пропонують свої послуги, посилаючи свої варіанти цін, і часом беруть участь в конкурсі на визначення найкращих пропозицій по вихідному завданням. Потім агент-менеджер відбирає найкращі пропозиції і укладає угоду з вибраними агентами-виконавцями, які стають агентами-підрядниками.

Когнітивні агенти набагато більш автономні ніж реактивні їх, як правило, в популяції трохи і вони при цьому демонструють доцільну поведінку в популяції аналогічних агентів, в значній мірі незалежні один від одного. У фахівців сформувалося і використовується уявлення про інтелектуальні агентах як активних, автономних, комунікабельних, а головне, мотивованих об'єктах, які живуть і діють в складних, динамічних і найчастіше, віртуальних середовищах.

У більшості досліджень MAC розглядається без урахування її еволюції як популяції агентів. Однак, якщо проводити паралелі між спільнотою таких інтелектуальних агентів і біологічними системами, то видно необхідність поліпшення кожним агентом свого функціонування в процесі існування популяції, накопичення цієї популяцією життєвого досвіду і як наслідок, збільшення обсягу знань кожним агентом.

Така організація передбачає об'єднання ресурсів, розподілених між усіма агентами, і їх спільне використання. У разі розподіленої організації мова зазвичай йде про безліч інтелектуальних агентів з близькими цілями, інтересами і рівнями ресурсного забезпечення, коли створення колективних структур служить для досягнення більшої універсальності (багатофункціональності), автономності та конкурентоспроможності агентів в складній динамічній середовищі.

Ментальна модель включає опис намірів, бажань, зобов'язань і можливостей, а також правил поведінки агентів. На основі цієї моделі здійснюється вибір тих чи інших дій інтелектуального агента.