9.1.2. Основные понятия

Существует несколько подходов к определению понятий в данной предметной области. По-видимому, одним из наиболее последовательных в этом вопросе является международная ассоциация FIPA (Foundation for Intelligent Physical Agents), каждый документ которой содержит толковый словарь терминов, реле­вантных данному документу [FIPA, 1998]. И вместе с тем практически во всех работах, где даются, например, определения понятия агента и его базисных свойств, общим местом стало замечание об отсутствии единого мнения по этому поводу [Franklin et al., 1996; Belgrave, 1996; Nwana, 1996]. Фактически, используя понятие «агент», каждый автор или сообщество определяют своего агента с кон­кретным набором свойств в зависимости от целей разработки, решаемых задач, техники реализации и т. п. критериев. Как следствие, в рамках данного направле­ния появилось множество типов агентов, например: автономные агенты, мобиль­ные агенты, персональные ассистенты, интеллектуальные агенты, социальные агенты и т. д. [Nwana, 1996], а вместо единственного определения базового аген­та - множество определений производных типов.

Учитывая вышесказанное, понятие агента целесообразно трактовать как мета-имя или класс, который включает множество подклассов. Ряд определений аген­тов, данных разными исследователями, представлен в работе [Franklin et al., 1996]. В настоящем издании будем придерживаться следующей концепции по этому поводу.

Агент - это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных перед ним владельцем и/или пользователем [Wool-dridgeetal., 1995].

Таким образом, в рамках МАС-парадигмы программные агенты рассматривают­ся как автономные компоненты, действующие от лица пользователя.

В настоящее время существует несколько классификаций агентов [Nwana, 1996], одна из которых представлена в табл. 9.1.

Таблица 9.1. Классификация агентов

Типы агентов Характеристики	Простые	Смышленые (smart)	Интел- лектуальные (intelligent)	Действительно (truly) интел- лектуальные
Автономное выполнение	+		+	+
Взаимодействие с другими агентами и/или пользователями	+	+	+	+
Слежение за окружением	+	+	+	+
Способность использования абстракций		+	+	+
Способность использования предметных знаний		+	+
Возможность адаптивного поведения для достижения целей			+	+
Обучение из окружения			+	+
Толерантность к ошибкам и/или неверным входным сигналам			+
Real-time исполнение			+
ЕЯ-взаимодействие			+

Как следует из приведенной таблицы, собственно целесообразное поведение по­является только на уровне интеллектуальных агентов [Пономарева и др., 1999; Хорошевский, 1999]. И это не случайно, так как для него необходимо не только наличие целей функционирования, но и возможность использования достаточно сложных знаний о среде, партнерах и о себе. С точки зрения целей настоящей книги, наибольший интерес представляют интеллектуальные и действительно интеллектуальные (см. табл. 9.1) агенты. Понятно, что все характеристики бо­лее «простых» типов агентов при этом наследуются.

Иногда агентов определяют через свойства, которыми они должны обладать. Учитывая то, что нас в данной книге, в первую очередь, интересуют интеллекту­альные агенты, приведем типовой список свойств, которыми такие агенты долж­ны обладать [Wooldridge et al, 1995; FIPA, 1998]:

• автономность (autonomy, autonomious functioning) - способность функцио­нировать без вмешательства со стороны своего владельца и осуществлять кон­троль внутреннего состояния и своих действий;

• социальное поведение (social ability, social behaviour) - возможность взаимо­действия и коммуникации с другими агентами;

• реактивность (reactivity) - адекватное восприятие среды и соответствующие реакции на ее изменения;

• активность (pro-activity) - способность генерировать цели и действовать ра­циональным образом для их достижения;

• базовые знания (basic knowledge) - знания агента о себе, окружающей среде, включая других агентов, которые не меняются в рамках жизненного цикла агента;

• убеждения (beliefs) - переменная часть базовых знаний, которые могут ме­няться во времени, хотя агент может об этом не знать и продолжать их исполь­зовать для своих целей;

• цели (goals) - совокупность состояний, на достижение которых направле­но текущее поведение агента;

• желания (desires) - состояния и/или ситуации, достижение которых для аген­та важно;

• обязательства (commitments) - задачи, которые берет на себя агент по просьбе и/или поручению других агентов;

• намерения (intentions) - то, что агент должен делать в силу своих обяза­тельств и/или желаний.

Иногда в этот же перечень добавляются и такие свойства, как рациональность (retionality), правдивость (veracity), благожелательность (benevolence), а также мобильность (mobility), хотя последнее характерно не только для интеллекту­альных агентов.

В зависимости от концепции, выбранной для организации MAC, обычно выде­ляются три базовых класса архитектур [Wray et al., 1994; Wooldridge et. al., 1995; Nwana, 1996]:

• архитектуры, которые базируются на принципах и методах работы со знания­ми (deliberative agent architectures);

• архитектуры, основанные на поведенческих моделях типа «стимул-реакция» (reactive agent architectures);

• гибридные архитектуры (hybrid architectures).

Наиболее «трудными» терминологически в этой триаде являются архитектуры первого типа. Прямая калька - делиберативные архитектуры - неудобна для русскоязычного произношения и не имеет нужной семантической окраски для русскоязычного читателя. Сам термин был введен в работе [Genesereth et al., 1987] при обсуждении архитектур агентов.

Архитектуру или агентов, которые используют только точное представление картины мира в символьной форме, а решения при этом (например, о действиях) принимаются на основе формальных рассуждений и использования методов сравнения по образцу, принято определять как делиберативные.

Таким образом, в данном случае мы имеем дело с «разумными» агентами и архи­тектурами, имеющими в качестве основы проектирования и реализации модели, методы и средства искусственного интеллекта. В работе [Тарасов, 1998] таких агентов предлагается называть когнитивными, что не вполне правильно, так как при этом неявно предполагается, что «рассуждающие» агенты познают мир, в ко­тором они функционируют. Нам представляется, что для русского языка более удобным и адекватным были бы термины «агент, базирующийся на знаниях» или «интеллектуальный агент», а также «архитектура интеллектуальных агентов». Именно этих терминов мы и будем придерживаться в данном издании. Первона­чально идея интеллектуальных агентов связывалась практически полностью с классической логической парадигмой ИИ. Однако по мере развития исследова­ний в этой области стало ясно, что такие «ментальные» свойства агентов, как, на­пример, убеждения, желания, намерения, обязательства по отношению к другим агентам и т. п., невыразимы в терминах исчисления предикатов первого порядка. Поэтому для представления знаний агентов в рамках данной архитектуры были использованы специальные расширения соответствующих логических исчисле­ний [Поспелов, 1998], а также разработаны новые архитектуры, в частности архи­тектуры типа BDI (Belief-Desire-Intention). Один из конкретных примеров архи­тектуры этого класса обсуждается ниже.

Принципы реактивной архитектуры возникли как альтернативный подход к ар­хитектуре интеллектуальных агентов. Идея реактивных агентов впервые возник­ла в работах Брукса, выдвинувшего тезис, что интеллектуальное поведение может быть реализовано без символьного представления знаний, принятого в класси­ческом ИИ [Brooks, 1991]. Таким образом [Connah, 1994]:

Реактивными называются агенты и архитектуры, где нет эксплицитно представленной модели мира, а функционирование отдельных агентов и всей системы осуществляется по правилам типа ситуация-действие. При этом под ситуацией понимается потенциально сложная комбинация внутренних и внешних состояний.

Вообще говоря, данный подход ведет свое начало с работ по планированию пове­дения роботов, которые активно велись в ИИ в 70-х годах. Простым примером реализации реактивных архитектур в этом контексте можно считать системы, где реакции агентов на внешние события генерируются соответствующими конечны­ми автоматами. Широко известным примером системы с реактивной архитекту­рой является планирующая система STRIPS [Fikes et al, 1971], где использовался логический подход, расширенный за счет ассоциированных с действиями пред­условий и постусловий. Позже в рамках реактивных архитектур были разрабо­таны и другие системы, но, как правило, они не могли справиться с задачами ре­ального уровня сложности.

Учитывая вышесказанное, многие исследователи считают, что ни первый, ни вто­рой подходы не дают оптимального результата при разработке агентов и MAC [Wray et al., 1994]. Поэтому попытки их объединения предпринимаются постоян­но и уже привели к появлению разнообразных гибридных архитектур. По сути дела, именно гибридные архитектуры и используются в настоящее время во всех, сколько-нибудь значимых проектах и системах.

Мы рассмотрели основные подходы к разработке мультиагентных систем. Архи­тектуры MAC и их характеристики, широко используемые в настоящее время, представлены в табл. 9.2.

Таблица 9.2. Архитектуры MAC и их характеристики

Архитектура	Представление знаний	Модель мира	Решатель
Интеллектуальная Реактивная Гибридная	Символьное Автоматное Смешанное	Исчисление Граф Гибридная	Логический Автомат Машина вывода

Организация MAC на принципах ИИ имеет преимущества с точки зрения удоб­ства использования методов и средств символьного представления знаний, разра­ботанных в рамках искусственного интеллекта. Но в то же время создание точной и полной модели представления мира, процессов и механизмов рассуждения в нем представляют здесь существенные трудности, уже неоднократно обсуждав­шиеся в данной книге в связи с рассмотрением вопросов приобретения знаний.

Реактивный подход позволяет наилучшим образом использовать множество дос­таточно простых образцов поведения для реакции агента на определенные стиму­лы для конкретной предметной области. Однако применение этого подхода ог­раничивается необходимостью полного ситуативного анализа всех возможных активностей агентов.

Недостатки гибридных архитектур связаны с «непринципиальным» проектиро­ванием MAC со всеми вытекающими отсюда последствиями. Так, например, многие гибридные архитектуры слишком специфичны для приложений, под ко­торые они разрабатываются. Но, несмотря на указанные недостатки, гибридные архитектуры позволяют гибко комбинировать возможности всех подходов. Вот почему в последнее время явно прослеживается тенденция разработки и исполь­зования именно гибридных МАС-архитектур и систем агентов [Sloman, 1996].