Назначение и функции интеллектуальных информационных агентов

Одним из фундаментальных понятий во многих областях теории искусственного интеллекта (и, в частности, задаче планирования) является концепция агента – того объекта, который действует в некотором окружении с целью выполнения определенных функций. Несмотря на широкую распространенность самого термина «агент», до настоящего времени не существует общепринятого определения этого понятия. В последующем изложении понятие интеллектуального агента будет интерпретироваться в смысле двух определений [136]:

1. Слабое определение интеллектуального агента: интеллектуальный агент – аппаратная или программная система, обладающая следующими свойствами: автономность, реактивность, активность и коммуникативность.

2. Сильное определение интеллектуального агента: интеллектуальный агент – вычислительная система, обладающая перечисленными свойствами и, кроме того, реализованная на основе концепций, наиболее применимых к людям.

В работе [28] определения сформулированы несколько иным образом по отношению к приведенным выше: под агентом понимается самостоятельная программная система, имеющая возможность принимать воздействие из внешнего мира, определять свою реакцию на это воздействие и осуществлять эту реакцию, тогда как понятие интеллектуального агента соответствует агенту, который обладает рядом знаний о себе и окружающем мире и поведение которого определяется этими знаниями

Наряду с перечисленными определениями в литературе по искусственному интеллекту встречается еще несколько десятков разнообразных формулировок определения агента [121], тем не менее, большинство из них сводится к наличию перечисленного набора ключевых признаков. Рассмотрим определяющие свойства интеллектуальных агентов более подробно:

• Автономность – способность функционировать независимо от внешних управляющих воздействий (например, контроля оператора). Высокой степени автономности способствуют такие возможности агента как гибкие алгоритмы работы, способность к самообучению, возможность работы с неполной информацией.

• Реактивность – способность к восприятию агентом состояния окружающей среды (внешнего мира) и изменений этого состояния, а также к учету этой информации в своей деятельности. Крайними формами использования свойства реактивности являются жесткая схема работы агента, при которой действия выполняются по заранее разработанному плану, не модифицируемому в процессе выполнения, и полностью реактивная схема поведения, когда агент не имеет заранее подготовленного плана и действует только на основании информации о текущем состоянии среды.

• Целеустремленность – способность агента не только к реактивным действиям, но и к целенаправленному поведению для достижения некоторой заданной цели, устанавливаемой самостоятельно или извне.

• Коммуникативность – свойство агентов взаимодействовать между собой, а также с другими интеллектуальными существами (например, людьми). Например, в задаче распределенного искусственного интеллекта в системе действуют несколько агентов, некоторым образом взаимодействующих между собой. В простом случае взаимодействие ограничивается лишь обменом информацией, в более сложных системах агенты могут кооперироваться и корректировать свою деятельность для достижения общих целей.

Примером интеллектуального агента является софтбот (программный робот) [61] – система, взаимодействующая с компьютерной средой (например, операционной системой) посредством выполнения команд и интерпретации результатов команд и других сообщений среды.

Как показывает практика, в большинстве случаев применение интеллектуальных агентов сводится к одному из двух вариантов:

1. Автономное выполнение специфических функций вместо человека, а в ряде случаев, даже от лица человека.

2. Помощь в выполнении некоторых видов деятельности посредством высокоуровневого взаимодействия с человеком.

В результате анализа известных прикладных систем, реализованных на базе рассматриваемого подхода, можно выделить следующие типы интеллектуальных агентов [108]:

1. Кооперативные агенты, способные не только к автономному изолированному функционированию, но и к совместной деятельности с другими агентами, в частности координации действий, разработке общих планов и разрешению конфликтов. Примерами агентов являются проект Pleiades университета Карнеги-Меллон [128], системы MII [131] и ADEPT [109].

2. Интерфейсные агенты, задачей которых является взаимодействие с пользователем (а не с другими агентами) и помощь ему в выполнении некоторой деятельности. Данный тип агентов также иногда называют персональными ассистентами. Существующие реализации включают различные справочные системы [66, 114], торговые помощники [55], системы поддержки документооборота [88] и развлекательные системы [95].

3. Мобильные агенты, обладающие способностью выполнять свои функции при различном расположении внутри среды обитания. Наиболее естественной средой функционирования для таких агентов являются различные вычислительные сети или системы связи [46, 115]. Необходимо также заметить, что сама по себе мобильность не является ни необходимым, ни достаточным свойством интеллектуального агента.

4. Информационные агенты возникли в виде отдельного класса в результате резко возникшей необходимости поиска, сбора и переработки большого количества информации с относительно простым доступом. В первую очередь к данной группе относятся системы поиска в Интернет, например поиск в WWW (Jasper [58], Webwatcher [45]) и фильтрация архивов телеконференций (NewT [122]).

5. Реактивные агенты составляют специальную группу агентов, которые не располагают какой-либо внутренней моделью среды, а действуют лишь в ответ на определенное состояние окружающей среды или изменение состояния. Примерами таких систем являются “ситуационный автомат” [82], различные системы моделирования общественного поведения [62, 107], игровые приложения [42].

6. Гибридные агенты, совмещающие в себе особенности, присущие различным вышеперечисленным классам. К данной группе относятся, в частности, InteRRaP [103], сочетающий в себе реактивный и кооперативный модули, система мониторинга пациентов Guardian [73], а также различные мобильные информационные агенты.

7. Гетерогенные агентные системы, в отличие от гибридных агентов, состоят из нескольких агентов, принадлежащих к разным классам. Основной мотивацией при создании таких систем является построение интеграции существующих специализированных систем (ARCHON [80]), при этом одним из основных вопросов оказывается организация взаимодействия между агентами [77, 110].

Несмотря на очевидные преимущества и перспективы применения интеллектуальных агентов в различных научных и практических областях, данному подходу присущ также ряд ограничений, в частности:

• Отсутствие общего контроля над интеллектуальными агентами может повлечь значительные сложности при необходимости учета глобальных ограничений, требований гарантированного ответа в реальном времени и обхода возможных тупиковых ситуаций.

• Отсутствие глобальной перспективы: поскольку в реальности агентные системы не могут обладать полной системой знаний об окружающем мире, возникает вопрос о возможности нахождения оптимальных или субоптимальных решений на основе локальной базы знаний.

• Проблема доверия: насколько можно доверять интеллектуальным агентам при автономном выполнении возложенных на них функций, особенно когда такой агент действует в реальном мире от имени некоего физического лица или организации.

Тем не менее, в настоящее время наблюдается повышенный спрос на технологию интеллектуальных агентов со стороны ведущих мировых корпораций, что стимулирует большой объем научно-исследовательской работы в данной области, которая ведется в нескольких основных направлениях:

• Направление по теории агентов занимается исследованием и разработкой спецификаций, концептуализацией агентов, определением свойств и способов их формализованного представления. В работе [67] исследуются признаки, отличающие интеллектуальных агентов от обычного программного обеспечения, а в [68] и [136] содержится достаточно полный обзор существующих теоретических подходов.

• Направление по архитектуре агентов изучает вопросы реализации спецификаций, аппаратные и программные аспекты проблемы построения вычислительной системы, удовлетворяющей заданным свойствам. Примерами наиболее известных архитектур интеллектуальных агентов являются: GISA (Generic Intelligent Software Agent) [123], BDI (Belief-Desire-Intention) [51, 57, 113] и FIPA (Foundation for Intelligent Physical Agents) [56].

• Направление по языкам программирования агентов исследует способы формального описания теоретических принципов, вопросы поиска оптимальных примитивов при кодировании агентов, эффективной компиляции и выполнении программ. К данной группе, в частности, относятся работы, посвященные реализации агентов для Интернет и корпоративных сетей [91, 135], исследованию особенностей применения объектно-ориентированного подхода [96] и концепции агенто-ориентированного программирования [123].