“Агенти” - автономні обчислювальні сутності, які можуть отримувати інформацію з середовища та впливати на нього. Говорячи, що агенти - обчислювальні сутності ми маємо на увазі, що вони фізично існують у виді програм, що виконуються на певних приладах. Автономність означає, що до певної межі агенти можуть керувати своєю поведінкою та діяти без впливу людей або іших систем. Агенти виконують задачі з метою досягнення власних цілей, які взагалі кажучи можуть бути суперечливими.
“Інтелектуальність” означає, що агенти досягають своїх цілей намагаючись оптимізувати критерії якості використовуючи наявні потужності. Це не означає, що вони всемогутні або ніколи не помиляються. Більш точне формулювання: агенти діють гнучко і раціонально, на основі існуючої інформації і наявних можливостей.
“Взаємодія” означає, що на стан агентів впливають інші агенти. Взаємодія може бути непряма, через середовище або пряма, через спільну мову взаємодії агентів. Важливою формою взаємодії є координація, необхідна для сумісного досягнення цілей і виконання завдань. Координація вимагає явного розподілу активностей між агентами.
Два головних шаблони координації: кооперація і конкуренція. У випадку кооперації декілька агентів працюють разом і намагаються найкращим чином використати свої знання та властивості для досягнення спільної мети. У випадку конкуренції декілька агентів працюють один проти одного, оскільки їх цілі конфліктують. Кооперативні агенти утворюють команду, яка можливо досягне цілі, недосяжної для окремих агентів. Якщо така команда досягає успіху, то виграють всі агенти, які у неї входять. Це саме вірне і у випадку провалу - не виграє жоден агент. Конкурентні агенти намагаються максимізувати свій виграш за рахунок інших, тобто виграш одного означає програш інших. конкуренція vs кооперація
Що таке розв’язок для МАС?
При постановці задачі побудови МАС, потрібно визначити поняття розв’язку.
Оптимальний розв’язок. Оптимальний розв’язок задачі полягає у знаходженні розв’язку, який є найкращим відповідно до певного (числового) критерію. Наприклад, в теорії прийняття рішень таким критерієм є функція корисності.
Гарантований розв’язок. Розв’зок, який гарантує якість рішення (відповідно до вибраного критерія) не нижче чим.
Прийнятний розв’язок. Досить часто агенту не потрібно (не має можливості, часу, ресурсів) шукати найкращий розв’язок. За таких умов будь-який розв’язок, що досягає мети може підійти.
Майже оптимальний розв’язок. Іноді знаходження оптимального розв’язоку вимагає таких витрат, що шукають розв’язок, який гарантовано потрапляє в окіл оптимального. Досить часто це потребує набагато меншої кількості зусиль.
Ймовірностно оптимальний розв’язок. Стохастичні системи відрізняються тим, що критерії у них можкть бути лише ймовірностні.
МАС
Які головні аспекти вирізняють МАС від створення окремих агентів? Можна виділити наступні характеризуючі напрямки.
Тип агентів. Системи з різнотипними агентами складніші для дослідження.
Середовище. Агенти існують у певному середовищі, яке може бути статичним або динамічним. Існуючі методи ШІ орієнтовані на статичне середовище (так легше). У МАС наявність автономних агентів автоматично перетворює середовище на динамічне (з точки зору кожного агента). В результаті виникає декілька проблем, наприклад несинхронність процесів навчання агентів може призводити до появи нестабільної поведінки системи.
Сприйняття. Кожен агент частково сприймає середовище і, відповідно, має свою інформованість про поточний стан. В МАС, таким чином, будь-яка задача сумісної роботи пов’язана з обміном знаннями, додаванням знання та взаємним обміном інформацією.
Керування. Керування у МАС, як правило, децентралізоване. Це означає, що прийняття рішення кожним агентом має залежати від його інформованості і мети. Розподілені рішення мають критичне значення для забезпечення маштабування та гнучкості, однак не завжди можливі. В кооперативних системах розподілене прийняття рішень дозволяє врахувати та узгодити інтереси різних агентів. Загалом побудова розподіленого рішення - одна з ключових проблем МАС.
Знання. У МАС агенти часто мають оцінювати власні знання щодо інших агентів та їх знання щодо себе. Від цього залежать його дії у різних ситуаціях. Тому формування спільного знання групи агентів та його перевірка є харктерною проблемою МАС.
Спілкування. Взаємодія часто зв’язана з якоюсь формою комунікації. Комунікація в МАС це, як правило, двонаправлений процес, який забезпечується протоколами. Побудова надійного та ефективного протоколу також відноситься до типових проблем МАС.
Традиційно виділяють два типи РШІ систем:
МАС у яких відбувається координація декількох агентів з певною метою;
Системи розподіленого розв’язання задач (СРРЗ), у яких робота з виконання певного завдання розділяється між декількома вузлами, які отримують часткову інформацію про проблему та намагаються спільно знайти розв’язок (це власне РШІ).
Спочатку основний акцент розвитку МАС припадав на системи з координацією, але зараз ці напрямки рівноправні. Протягом цього курсу ми будемо вживати терміни МАС і РШІ як синоніми. Роль, яку відіграє МАС в РШІ подібна до до ролі концепції індивідуального агента в класичному ШІ. І ШІ і РШІ досліджують обчислювальні аспекти інтелектуальності, але з різних точок зору та за різних припущень. Там, де традиційний ШІ розглядає агентів як “окремі інтелектуальні системи” та інтелектуальність окремої виділеної системи , РШІ зосереджується на агентах як на “з’єднаних інтелектуальних системах” та на інтелектуальних властивостях взаємодії таких систем. Традиційний ШІ сфокусовано на когнітивних процесах всередині окремого агента, РШІ - на соціальних процесах поміж груп агентів. Там, де ШІ черпає ідеї та терміни з психології та науки про поведінку, РШІ використовує для цього соціологію та економіку. Таким чином, РШІ не спеціалізація а узагальнення ШІ.
Застосування
Застосування МАС (як і застосування ШІ) важко описати. Нові галузі з’являються, виникають нові ідеї на перетині різних областей. Перерахуємо деякі успішні напрямки:
електронна комерція та електронні ринки, де агенти покупці і агенти продавці торгують на користь своїх користувачів.
моніторинг та керування телекомунікаціними мережами у реальному часі, де агенти відповідальні за перенаправлення дзвінків та підтримання сигнала.
моделювання транспортної системи будь-якого маштабу.
збір та фільтрація інформації з Інтернету.
оптимізація виробничих процесів.
аналіз бізнес процесів.
електронні ігри.
дослідження соціальних явищ, наприклад використовуючі дані з соціальних мереж.
Спільним у всіх (і багатьох інших) застосуваннях є наступні особливості:
Внутрішня розподіленість, в тому сенсі, що дані, які необхідно опрацювати:
розташовані у географічно різних місцях;
виникають у різні моменти часу;
формуються у кластери, що вимагають різного семантичного підходу (мова, онтологія);
формуються у кластери, що потребують різного функціонального підходу (методів аналізу);
Внутрішня складність це складність обумовлена розміром: вони великі настільки, що не можуть бути ефективно розв’язані централізованою системою на сьогоднішньому рівні технологій;
Виклики
Для того щоб побудувати МАС у якій агенти “роблять те що потрібно” потрібно витратити багато зусиль (особливо з огляду на характеристики, описані вище). Загалом рекомендуть два принципи побудови таких систем:
знизу вгору: шукати агентну поведінку та властивості, які в результаті дадуть групову взаємодію з необхідними характеристиками;
зверху вниз: шукати властивості групової взаємодії, нормативи або узгодженості і обмежувати таким чином можливості конкретних агентів.
Незалежно від вибраного підходу, як правило, доводиться розв’язувати наступні проблеми:
Як забезпечити здатність агентів декомпозувати їх цілі і задачі, розподіляти їх між іншими агентами та синтезувати проміжні результати і розв’язки.
Як забезпечити здатність комунікації. Якою мовою або за яким протоколм здійснювати комунікацію.
Як надати агентам можливість оперувати такими абстракціями як дії, плани, знання та передавати їх іншим агентам під час взаємодії.
Як надати агентам можливість розуміти та повідомляти інформацію про стан процесу ваємодії. Як їм зрозуміти, що їх зусилля з налагодження координації увінчались успіхом?
Як представляти поняття точки зору і конфлікту. Як синтезувати результати?
Як створювати практичні МАС, інженерія та обмеження.
Як збалансувати локальні обчислення та взаємодію.
Як уникнути небажаної (наприклад хаотичної або коливної) системної поведінки.
Як надати агентам можливість вести переговори та укладати угоди. Які правила та протоколи слід використовувати?
Як агентам утворювати коаліції, організаційні структури та кооперуватись для досягнення мети.
Який формалізм кращий для опису МАС та взаємодії між агентами.
Як створити “інтелектуальний процес” такий як розв’язання проблем, планування, прийняття рішень та навчання у контексте МАС.
Приклад. Flock behaviour
Розглянемо просту модель Netlogo:
to setup
clear-all
reset-ticks
create-turtles number [
setxy random-xcor random-ycor]
end
to go
ask turtles [
let around-turtles (other turtles) in-radius 2
ifelse (count around-turtles = 0)
[set heading random 360
forward 1]
[let leader min-one-of around-turtles [distance myself]
ifelse (distance leader < 0.5)
[facexy 0.9 * xcor + angle 0.9 * ycor + (random 11 - 5 )
forward 0.45]
[set heading towards leader
forward 0.4 + random 0.1 ]
]
]
end
