7.1.1. Характеристики интеллектуальных агентов

Интеллектуальным агентам присущи следующие основные свойства:

• автономность — способность функционировать без вмеша­тельства со стороны своего владельца и осуществлять контроль собственных действий и внутреннего состояния. Автономность

308

предполагает относительную независимость агента от окружаю­щей среды, т.е. наличие «свободы воли», обусловливающей соб­ственное поведение, которое должно быть обеспечено необходи­мыми ресурсами;

• активность — способность к организации и реализации дей­ ствий;

• общительность — взаимодействие и коммуникация с други­ ми агентами;

• реактивность — адекватное восприятие состояния среды и реакция на его изменение;

• целенаправленность, предполагающая наличие собствен­ ных источников мотивации;

• наличие базовых знаний о себе, о других агентах и об окру­ жающей среде;

• убеждения — переменная часть базовых знаний, меняющих­ ся во времени;

• желания — стремление к определенным состояниям;

309

• намерения — действия, которые планируются агентом для выполнения своих обязательств и/или желаний;

• обязательства — задачи, которые выполняет один агент по просьбе и/или поручению других агентов.

Иногда к этому списку добавляются другие качества, в том числе:

• правдивость - неспособность к подмене истинной инфор­ мации заведомо ложной;

• благожелательность — готовность к сотрудничеству с други­ ми агентами в процессе решения собственных задач, что обычно предполагает отсутствие конфликтующих целей, поставленных перед агентами;

• альтруизм — приоритетность общих целей по сравнению с личными;

• мобильность — способность агента мигрировать по сети в поисках необходимой информации.

В работе [12] для классификации агентных программ исполь­зуются два основных признака: 1) степень развития внутреннего представления о внешнем мире; 2) способ поведения.

По первому признаку выделяются интеллектуальные (когни­тивные, рассуждающие) и реактивные агенты. Интеллектуальные агенты обладают хорошо развитой и пополняемой символьной моделью внешнего мира благодаря наличию у них БЗ, механиз­мов рассуждения и анализа действий. Реактивные агенты не име­ют развитого представления о внешней среде. Они не используют рассуждений и могут не иметь собственных ресурсов. Их поведе­ние определяется целью, в соответствии с которой формируются реакции на предъявляемые ситуации. В связи с этим реактивные агенты не имеют внутренних источников мотивации и не способ­ны планировать свои действия (реактивность в чистом виде — это обратная связь без прогноза).

7.1.2. Архитектуры мультиагентных систем

Интеллектуальная мультиагентная система представляет со-" бой множество интеллектуальных агентов, распределенных в се­ти, которые мигрируют по ней в поисках релевантных данных, знаний, процедур и кооперируются для достижения поставлен­ных перед ними целей.

310

В зависимости от концепции, принятой при разработке MAC, возможны различные варианты ее архитектуры, среди которых выделяют три базовых типа:

1. архитектуры, основанные на методах работы со знаниями;

2. архитектуры, в которых используются поведенческие моде­ ли «стимул-реакция»;

3. гибридные архитектуры.

В архитектурах первого типа для представления и обработки знаний используются традиционные модели, методы и средства искусственного интеллекта, а принятие решений осуществляется на основе механизмов формальных рассуждений. В самых пер­вых системах такого типа для представления и обработки знаний использовалась логика предикатов первого порядка. Развитие исследований в этой области привело к появлению специальных расширений логических исчислений, ориентированных на учет таких свойств агентов, как убеждения, желания, намерения и обязательства [9, 12]. Основной недостаток архитектур первого типа — сложность или принципиальная невозможность построе­ния достаточно полных баз знаний, которые являются необходи­мой частью создаваемых систем. В частности, интеллектуальный агент может иметь архитектуру типичной продукционной систе­мы, которая способна воспринимать информацию из внешней среды и осуществлять те или иные действия в результате обработ­ки этой информации. Главные отличия агентной программы от обычной продукционной ЭС связаны с наличием механизма формирования целей и модуля коммуникации, который обеспе­чивает взаимодействие с другими агентами. Агент с такой архи­тектурой способен к рассуждениям, но не способен к обучению. Адаптивное поведение агента позволяет реализовать архитектура на основе классифицирующих систем Дж. Холланда (см. рис. 6.6, 6.7). Важнейшими отличиями классифицирующих систем от продукционных являются: 1) возможность формирования новых правил с применением генетического алгоритма; 2) наличие ме­ханизма поощрений.

В архитектурах второго типа, которые называют реактивными, не используются традиционные для ИИ символьные модели представления знаний [16]. Модели поведения агентов представ­лены либо наборами правил, которые позволяют выбрать дейст­вие, соответствующее ситуации, либо конечными автоматами, ли­бо другими средствами, обеспечивающими формирование адек-

311

ватных реакций агента на возникающие в системе стимулы. Сис­темы этого типа, как правило, имеют высокую степень специали­зации и строгие ограничения на сложность решаемых задач.

Наиболее перспективными считаются гибридные интеллекту­альные мультиагентные системы, которые позволяют использо­вать возможности интеллектуальных и реактивных архитектур. Примером может служить архитектура с иерархической базой знаний, которая содержит структурированную БЗ, рабочую па­мять, модуль управления коммуникацией и человеко-машинный интерфейс. Агент с подобной архитектурой обладает способнос­тью к рассуждениям и к реактивному поведению. Его БЗ содер­жит три уровня: 1) знания предметной области; 2) знания о взаи­модействии, которые позволяют принимать решения в условиях неопределенности; 3) управляющие знания. Интеллектуальное поведение агента обеспечивается способностью принимать ре­шения, а реактивное — системой контроля за содержимым рабо­чей памяти, которая функционирует по принципу глобальной доски объявлений. Агент взаимодействует с пользователем, ис­пользуя человеко-машинный интерфейс. В общем случае гиб­ридные архитектуры являются многоуровневыми и отличаются друг от друга структурой и содержанием уровней, которые могут соответствовать различным уровням управления, абстракции ли­бо отдельным функциональным свойствам агента.

Одно из новых направлений — применение нейронных сетей для реализации MAC. Коннекционистские архитектуры (на ос­нове ИНС) позволяют создавать самообучающихся агентов, зна­ния которых формируются в процессе решения практических за­дач. Хорошие перспективы для реализации самообучающихся агентов имеют сети с обратными связями и нечеткие ИНС [12].