Понятие «агент»
Понятие термина «агент» варьируется в зависимости от сферы применения (напр., на производстве – это робот, в страховой сфере – это представитель компании, а в области телекоммуникаций ‑ программа). Одно из первых определений понятия агент в теории искусственного интеллекта приводится в работах Д.А. Поспелова и В.Н. Пушкина по теории гиромата. Гиромат – элементарная модель целесообразного поведения, способная адаптироваться с условием решаемой задачи, содержащая ряд модулей – блок мотивации, блок селекции (рецепторы), блок построения внутренней модели внешней среды, блок выдвижения гипотез, блок модельного опыта, блок выработки решений, блок модельного опыта, блок выработки решений, блок активного опыта, блок времени.
Алан Кэй, который начал первым продвигать теорию агентов, определил агент как программу, которая после получения задания способна поставить себя на место пользователя. Если агент попадает в тупик, он может задать пользователю вопрос, чтобы определить, каким образом ему необходимо действовать дальше.
Агенты рассматриваются как активные объекты, которые, в отличие от обычных (пассивных) объектов, не «засыпают» до получения следующего сообщения (от пользователя или из внешней среды) и его выполнения, а постоянно функционируют, решая порученные им задачи. Таким образом, главное их отличие состоит в том, что они сами являются инициаторами действий по изменению своего поведения в окружающей среде.
Обобщая множество определений агентов, данных разными исследователями, можно остановится на следующей нейтральной концепции: Агент ‑ это аппаратная или программная сущность, способная действовать в интересах достижения целей, поставленных пользователем. Агенты описываются так же рядом свойств, которые характеризуют понятие агента. Обычно агент обладает набором из следующих свойств:
адаптивность: агент обладает способностью обучаться.
автономность: агент работает как самостоятельная программа, ставя себе цели и выполняя действия для достижения этих целей.
коллаборативность: агент может взаимодействовать с другими агентами несколькими способами, например, играя роль поставщика/потребителя информации или одновременно обе эти роли.
способность к рассуждениям: агенты могут обладать частичными знаниями или механизмами вывода, например, знаниями, как приводить данные из различных источников к одному виду. Агенты могут специализироваться на конкретной предметной области.
коммуникативность: агенты могут общаться с другими агентами.
мобильность: способность к передачи кода агента с одного сервера на другой.
Агентские технологии
Повышенное внимание агентским технологиям начали уделять около 10 лет назад, но и за такое сравнительно короткое время интерес к ним уже переместился из области академических исследований в сферу коммерческих и промышленных приложений. При этом идеи и методы, лежащие в их основе, быстро мигрировали из теории искусственного интеллекта в практику разработки программного обеспечения реальных коммерческих приложений (персональные помощники, обработчики почты, программы для электронной коммерции, компьютерные игры, системы управления и контроля сложными процессами в медицине, промышленности, системы для поиска и обработки информации).
В рамках агентного подхода существует два направления развития теории. С точки зрения классического искусственного интеллекта (ИИ) агент обладает некоторым глобальным видение проблемы, действует в целях ее решения и ему доступны необходимые знания, навыки и ресурсы. В распределенном искусственном интеллекте организация агентных систем предполагает мультиагентность, когда решение сложной проблемы осуществляется набором агентов, каждый из которых имеет представление лишь о некоторой части общей проблемы и действует в целях решения выделенной локальной подзадачи. В мультиагентных системах концептуальной новизной является социальный аспект, поскольку для решения общей задачи агентам необходимо определенным образом взаимодействовать. Подобные способы организации с общением агентов и вызывают наибольший интерес, поскольку позволяют реализовывать весьма сложные, но в то же время эффективно работающие системы.
Простая программа отличается от агента тем, что не утруждает себя целевым поведением и анализом достигнутых результатов. Тогда как агент, представляя интересы пользователя, «заинтересован» в том, чтобы задание было выполнено. В случае неудачи или какого-то сбоя он должен повторить попытку позднее или иметь про запас альтернативный вариант решения проблемы.
Главная особенность интерфейса, формы и способов представления информации, которые могут предоставить агенты, состоит в том, что они оказываются персонифицированными. Это достигается за счет того, что интеллектуальные агенты способны к обучению. В одном случае они могут целенаправленно анкетировать пользователя, в другом ‑ агент получает информацию о привычках пользователя путем наблюдения за его действиями.
В принципе, многие задачи агенты могут выполнять и без использования методов искусственного интеллекта, однако ряд проблем без них просто не может быть решен. На данный момент существует ряд технологий, таких как нейронные сети и генетические алгоритмы, нечеткая логика и другие, которые успешно применяются в различных специализированных системах, агентах и мультиагентных системах (рис. 4).
Рис. 4. Технологии, используемые интеллектуальными агентами