Рыбина Технология построения динамических 2011

М.М. Виньков и И.Б.Фоминых [16] и др.). Однако в целом проблема создания мощного программного инструментария для поддержки разработки ДИС, в частности динамических ЭС и ИЭС, практически, не ставилась.

Один из первых зарубежных инструментариев для создания динамических ЭС, который предназначался для символьных ЭВМ Symbolics и носил название Picon, был создан фирмой Lisp Machine Inc (США) в 1985 г. Успех ИС Picon привел к тому, что группа ведущих разработчиков, образовав фирму Gensym, на основе эволюционного развития идей Picon выпустила в 1988 г. ИС под названием G2. В настоящее время во всем мире уже широко используется версия 8.3 системы G2 и целый ряд проблемноориентированных ИС, созданных на базе ядра G2 и предназначенных для разработки приложений для специализированных ПрО и классов задач.

С отставанием от фирмы Gensym Corp. на 2-3 года некоторые другие фирмы начали создавать свои ИС, наиболее известными из которых являются : RT Works (фирма Talarian, США),

COMDALE/C (Comdale Techn., Канада), COGSYS (SC, США), ILOG Rules (ILOG, Франция). По данным, приведенным в [5], объективное сравнение двух наиболее продвинутых систем - G2 и RT Works, проводившееся путем разработки одного и того же приложения двумя организациями, − NASA ( США) и Storm Integration (США), показало значительное превосходство системы G2 (Gensym

Corp.).

В целом можно констатировать, что сегодня в области инструментальной базы для поддержки разработки динамических ЭС и ИЭС нет такого большого разнообразия, как, например, для статических ЭС, где насчитывается несколько сотен ИС самого различного назначения, мощности и стоимости (от нескольких сотен долларов до нескольких десятков тысяч долларов). Сравнительный анализ зарубежных коммерческих ИС для построения динамических ЭС [5], а также опыт разработки прототипов ИЭС РВ [2], [3], [17], [18], накопленный в лаборатории «Интеллектуальные системы и технологии» кафедры Кибернетики НИЯУ МИФИ, и ДИС других типов, например [19], показали значительные преимущества системы G2 над другими коммерческими ИС данного класса (RTWorks,

21

R*Time, L*Star, TCD Expert и др.), функциональные возможности которых не превышают 50 % от возможностей системы G2.

Высокая сложность и трудоемкость создания ИС для динамических ЭС и ИЭС, отсутствие финансирования и правовых основ защиты интеллектуальной собственности являются серьезными препятствиями для создания отечественных ИС, соответствующих уровню системы G2 (Gensym Corp.). Существенно сократить или даже преодолеть имеющийся до настоящего времени разрыв между мировым и отечественным уровнями решения задач подобной сложности и важности можно за счет накопленного опыта разработки и использования мощного инструментария для построения статических ИЭС – комплекса АТ-ТЕХНОЛОГИЯ третьего поколения [3]. В разделе 2 данной работы будет описан новый исследовательский проект, связанный с развитием инструментальной базы комплекса АТ-ТЕХНОЛОГИЯ до уровня современных ИС типа WorkBench для поддержки разработки ИЭС РВ [20]-[23].

1.1.2. Анализ современных исследований в области многоагентных систем

Переход к архитектурам самых сложных ДИС – многоагентных систем (МАС), [4], [24]-[26] связан со сменой архитектурных парадигм интеллектуальных систем (ИнСист) в целом. Как показано в [24], парадигма ранних ИнСист характеризовала архитектуру ИнСист как:

∙эгоцентрическую (ИнСист как одинокий «роденовский мыслитель», работающая на основе знаний «всесведующего» эксперта);

∙несистемную (управление в ИнСист связано с процессами, выполняемыми один за другим, т.е. последовательно);

∙асоциальную (ИнСист – изолированная система, функционирующая автономно).

Парадигма современных ИнСист рассматривает архитектуру как:

∙децентранизованную (ИнСист как система распределенного интеллекта (РИИ));

22

∙распределенную (сетевая структура управления ИнСист);

∙групповую (ИнСист как многоагентная система, тесно интегрирующаяся с другими системами).

Соответственно, возникает необходимость перехода к новым методам и средствам распределенной обработки информации на основе МАС и РИИ, которые являются основными представителями самых сложных ДИС. Таким образом, выделяются два источника МАС – это общая теория систем и РИИ, т.е. можно считать, что МАС зародились на пересечении теории систем и РИИ. Это означает, что, с одной стороны, процессы взаимодействия агентов рассматриваются как причины возникновения систем с новыми качествами, а с другой – МАС строятся как объединение отдельных интеллектуальных систем, типа ЭС.

Следует также отметить, что современные MAC развиваются в русле двух основных направлений ИИ – искусственной жизни и РИИ. В контексте искусственной жизни выделяются такие области исследований как [4]:

∙анализ и моделирование основных принципов организации живого;

∙изучение динамики сложных явлений методами теории клеточных автоматов и теории нелинейных дифференциальных уравнений;

∙моделирование эволюции популяции с помощью генетических алгоритмов и классификаторов;

∙разработка аниматов – автономных агентов, способных к адаптации и действиям в плохо определенной среде;

∙моделирование эмергентных MAC, возникающих на основе реактивных агентов и др.

С точки зрения теории и методологии РИИ, выделяются следующие направления исследований [4]:

∙социопсихологическая школа организационного моделирова-

ния;

∙логическая школа моделирования убеждений, намерений и склонностей агентов на основе неклассических логик;

23

∙лингвистическая школа моделирования речевых актов, используемых при построении протоколов коммуникации и описании взаимодействия агентов на базе потоков работ (workflows);

∙математическая школа теории игр и конфликтов;

∙школа рефлексивных моделей;

∙математическая школа сетей Петри;

∙программистская школа, использующая языки акторов и идеи агентно-ориентированного программирования.

В целом выделяются два основных периода в развитии МАС [25]. Первый из них связан с теоретическими исследованиями так называемых «смышленных» (smart) агентов (с 1971г. по настоящее время), что включало: исследование принципов взаимодействия между агентами; декомпозиция задач на подзадачи; распределение (планирования) задач по отдельным агентам; координация и кооперация агентов; разрешение конфликтов путем переговоров и др. В

СССР и России это ранние работы М.Л. Цейтлина, Д.А. Поспелова, В.А. Лефевра, В.Л. Стефанюка, теория «акторов» Э.А. Трахтенгерца и др.

Основная цель исследований этого периода заключалась в анализе специфик проектирования и реализации систем агентов, а также в разработке специальных ИС для построения агентов и МАС.

Современный период МАС начинается в 90-е годы XX в., когда стало ясно, что программные агенты могут использоваться в самых широких приложениях, поэтому в настоящее время наблюдается «взрыв» рынка для МАС. Как показано в [25], уже в 1994 г. известная фирма Ovum предсказала рост рынка для программных агентов

вСША и Европе с 476 млн. $ (1995 г.) до 3,9 биллиона в 2000 г., однако реальный рост рынка МАС уже в 2007 г. превысил вдвое.

В настоящее время МАС активно применяются в таких областях как [24]-[26]: управление информационными потоками (workflow management); управление сетями (network management); управление воздушным движением (air-trafic control); информационный поиск

(information retrieval); электронная коммерция (e-commerce); обу-

чение (education); электронные библиотеки (digital libraries); телекоммуникации; управление роботами и др.

24

Перечислим основные научные направления в ИИ(РИИ), связанные с построением МАС [4].

1.Моделирование индивидуального и коллективного поведения автоматов в МАС (данное направление восходит в том числе к пионерским работам отечественных ученых в области рефлексивного поведения, теории гиромата и построения фреймов поступков).

2.Лингвистическое направление, связанное с моделированием речевых актов как основы построения протоколов коммуникациий между агентами (восходит от теории речевых актов Дж. Остина и Дж. Сёрла, положенной в основу языка взаимодействия агентов

KQML (Knowledge Query Manipulation Language)).

3.Организационное моделирование МАС (опирающееся на современные подходы общей теории систем и организаций, включая функционально-структурный и эволюционно-адаптационный подходы).

4.Теоретико-игровое моделирование взаимодействий агентов (в частности, определение устойчивых стратегий поведения агентов в ситуациях равновесия по Парето и Нэшу).

5.Программистское направление (истоки восходят к работам К. Хьюитта по языкам акторов и методам параллельного программирования, сюда же относятся подходы агентно-ориентированного программирования).

6.Построение моделей распределенных систем на базе сетей Петри.

7.Логико-семиотические направления (моделирование ментальных свойств на основе неклассических логик и др.).

Концепция создания MAC является одной из самых молодых и самых быстроразвивающихся областей ИИ и теории программирования, имеющая блестящие перспективы в ближайшем будущем. Прикладное программное обеспечение в таких областях как космические исследования, телекоммуникационные услуги, медицина, подводные исследования, управление аппаратами в труднодоступных местах и т.д. будет полностью прерогативой MAC, поскольку использование MAC позволяет свести к минимуму коммуникационные затраты, затраты на содержание персонала, осуществляющего мониторинг систем, и т.п.

25

В настоящее время теорией и технологией МАС заинтересовались крупные производители программного обеспечения, уже начаты крупномасштабные программы по исследованиям возможностей применения данной концепции и скоро следует ждать появления новых специализированных ИС, позволяющих эффективно осуществлять поддержку разработки и реализации MAC для применения в различных ПрО.

Интересные результаты в области приложений МАС к задачам реальной сложности и практической значимости (контроль состояния химически опасных объектов г. Москвы, управление инвестиционными проектами, управление силами и средствами объектовой охраны и др.) можно найти в работах авторов [27], [28].

1.2. Теоретико-методологические основы построения динамических интегрированных экспертных систем

1.2.1. Основные понятия и определения ДИС

Для того чтобы рассмотреть особенности современных архитектур динамических ИнСист, поясним некоторые используемые по-

нятия, в частности, определение динамической интеллектуальной системы (ДИС).

В целом, понятие динамической системы возникает тогда, когда необходимо исследовать, как система развивается во времени, т.е. установить взаимосвязь между значениями параметров системы в различные моменты времени. Здесь существуют два основных подхода – классический и с позиции ИИ.

Классический подход заключается в том, что значения параметров в любой момент времени (т. е. состояния системы) задаются с помощью семейства функций S, называемых реакциями системы, и семейства функций P, называемых функциями перехода системы. Для описания S и P используются строгие математические модели в виде уравнений и т. п. Подход с позиций ИИ, как правило, предполагает для описания состояний системы использование БД, а для задания функций S и P – БЗ, нейронных сетей, генетических алгоритмов и т. д.

26

Необходимость и возможность использования подходов ИИ к исследованию поведения ряда сложных технических, организаци- онно-технических, социальных, экологических и др. систем определяются тем, что зависимости настолько сложны, что не допускают традиционного аналитического представления состояния Si, описываются качественными параметрами, а законы поведения могут задаваться множеством эмпирических или экспертных знаний. Это означает, что для динамических систем подобного класса могут использоваться методы и средства представления знаний в ИИ [1], [5], т.е. состояния Si описываются параметрами и переменными, имеющими символьный характер, а функции перехода Pi - описываются правилами, используемыми в интеллектуальных системах, например, в ЭС – это продукционные правила. Поэтому можно ввести рабочее определение динамических интеллектуальных систем (ДИС).

Определение. ДИС – это системы, которые, с одной стороны, удовлетворяют определениям динамической системы, а с другой – состояния Si и функции перехода из одного состояния в другое Pi могут описываться формализмами ИИ.

В общем случае природа динамического объекта моделирования может быть очень сложной. В качестве примера рассмотрим класс сложных технических систем (СТС) [3].

Определение. СТС – это объекты технической природы (системы, комплексы и др.), которые могут быть представлены в следующем виде:

СТС=<Sп,Sк,Sф,Sд,Sц>,

где Sп - множество непрерывно изменяющихся параметров в РВ; Sк – множество функционально и конструктивно связанных

компонентов, подсистем, модулей, блоков и т.д. (сотни и тысячи); Sф – процесс функционирования, представляющий сложный

технологический процесс, сопровождающийся изобилием нештатных ситуаций, быстрой сменой обстановки и дефицитом времени на принятие решений в нештатных ситуациях;

Sд – сложный процесс управления, который может рассматриваться как специфический процесс мониторинга состояния СТС в каждый текущий момент времени (общая задача диагностики)

27

плюс процесс поиска неисправностей (частный случай общей задачи диагностики);

Sц – множество рисков ошибок персонала.

Примерами подобных СТС являются бортовые авиационные системы, комплексы предстартовой подготовки ракетоносителей, электрофизические комплексы и установки, объекты атомной энергетики и т.п., высокотехнологические производства, где высоки требования противопожарной, электро- и радиационной безопасности. Моделирование поведения СТС как источников динамики является важным моментом при построении, например, динамиче-

ских ИЭС [2], [3].

В [1] описывается другой класс ДИС – двухуровневые интеллектуальные системы управления, потребность в которых возникла в связи с развитием беспилотных средств транспортного и иного назначения, однако в данной работе эти ДИС не рассматриваются.

1.2.2. Особенности архитектуры динамических ИЭС

На рис. 2 представлен пример современных архитектур наиболее распространенных и востребованных классов прикладных ИнСист – статических и динамических систем, основанных на знаниях (СОЗ) [2]. В целом, архитектура СОЗ, состав и структура ее основных компонентов определяется следующими основными принципами [2]:

∙мощность СОЗ обусловлена, в первую очередь, мощностью БЗ

ивозможностью ее пополнения и модификации, а во вторую очередь – используемыми методами (процедурами);

∙знания являются эвристическими, неопределенными, правдоподобными (т. е. решаемые задачи являются неформализованными);

∙пользователь должен иметь возможность непосредственного взаимодействия с СОЗ (с учетом неформализованности решаемых задач и эвристического, личностного характера используемых знаний) и получения объяснений от СОЗ по ходу рассуждений при решении конкретной задачи.

Структура традиционной статической СОЗ, т.е. ЭС [2], включает следующие основные компоненты (см. рис. 2, верхняя часть):

28

решатель (интерпретатор), рабочую память, БЗ, компонент приобретения знаний, объяснительный компонент, диалоговый компонент (средства общения). В структуру статической СОЗ с масштабируемой архитектурой и расширяемой функциональностью, т.е. ИЭС [2], [3], могут дополнительно входить любые другие компоненты (БД, расчетные модули и т.д.).

Если в статических СОЗ не учитываются изменения окружающего мира, происходящие во время процесса решения задачи (т.е. входные данные не изменяются во время работы СОЗ, а значения других данных изменяются только самой системой), то в динамических СОЗ необходимо учитывать динамику, т.е. изменения, происходящие во время работы, например, СТС.

С этой целью, как показано на рис. 2, в архитектуру динамической СОЗ вводятся такие дополнительные компоненты, как подсистема моделирования внешнего мира (окружения) и подсистема связи (сопряжения) с внешним окружением, осуществляющая связи через систему датчиков и контроллеров, т.е. речь идет уже об архитектуре динамической ИЭС [3].

Определенным изменениям подвергаются и некоторые традиционные компоненты системы, такие как БЗ и решатель, чтобы отразить временную логику происходящих в реальном мире событий (на рис.2 эти компоненты заштрихованы).

В разработке любой динамической ИЭС традиционно участвуют: эксперт в той ПрО, задачи которой будет решать будущая система, инженер по знаниям, программист по разработке инструментальных средств, которые будут ускорять процессы создания ИЭС.

Как было отмечено в разделе 1.1.1, по сравнению со статическими СОЗ(ЭС), для поддержки разработки которых существует огромное число различных инструментальных средств (ИС), для динамических ИЭС картина совершенно другая – менее десятка универсальных и примерно около сотни специализированных, которые делятся на проблемно-специализированные и предметноспециализированные [2], [3], [5].

Проблемно-специализированные ИС – предназначены для по-

строения динамических ИЭС, решающих динамические задачи определенного класса и использующих динамические представле-

29

ния предметной области, например, для построения диагностических динамических ИЭС и т.п.

Предметно-специализированные ИС – предназначены для по-

строения динамических ИЭС, решающих динамические задачи и использующих динамические представления конкретной предметной области, например, для диагностики нефтепроводов и т.д.

Рис. 2. Архитектуры статической и динамической СОЗ

В разделе 2 рассматриваются возможности и особенности всех типов ИС для поддержки разработки выделенных классов ДИС.

30