Многоагентные системы

Большинство существующих подходов к созданию искусственного интеллекта тем или иным образом пытаются спроектировать «Сверхмозг», «Божественный объект», который как бравый голливудский супергерой в одиночку перебьет все стоящие перед ним задачи. Он и столяр, и плотник, и на мышей охотник. Однако, как мы знаем в реальности такое происходит не часто, и большая универсальность означает слабые умения во всех областях, или огромные затраты на обучение или проектировку такого чуда.

Что же предлагает нам многоагентная система? Она предлагает нам, вместо одного гения использовать тысячу «идиотов», которые умеют работать в вот такой узенькой-узенькой области, но зато знают свое дело хорошо. Этот народ, объединяется в коллективы, распадается, пересобирается в другие, общается с другими агентами, меняет профессии, получает профит за успешную работу, или терпит «пощечину» за неудачную. То есть происходит моделирование динамических социальных отношений в мирке агентов.

Что же это нам дает? Как показывает практика, и народная мудрость – «Одна голова хорошо, а две – лучше», конкатенация не очень умных агентов позволяет решать задачи гораздо более сложные, которые даже не снились самому умному агенту в системе.

Таким образом, многоагентные или мультиагентные системы – это направление искусственного интеллекта, которое для решения сложной задачи или проблемы использует системы, состоящие из множества взаимодействующих агентов. При этом, агенты обладают следующими свойствами:

  • Автономность - агент функционирует самостоятельно.
  • Способность общения - агент взаимодействует с другими агентами.
  • Реактивность - агенты способны воспринимать окружающую среду и адекватно реагировать на ее изменения.
  • Активность - агент обладает целенаправленным поведением.
  • Децентрализация - нет агентов, управляющих всей системой (не всегда выполняется)

Наличие искусственного интеллекта означает, что агент должен некоторым образом хранить свои знания. За историю искусственного интеллекта было разработано множество методов представления знаний. Однако наиболее распространенными на данный момент являются продукции (правила вида "если ... то ...") и нейронные сети. Первые завоевали свой успех благодаря простоте понимания, формализации и реализации. Вторые - тем, что нет необходимости формализовать знания и заносить их в базу, а достаточно обучить сеть. И те и другие дают вполне неплохие результаты.

Вторым важным моментов в мультиагентной системе является модель взаимодействия агентов. Именно она приводит к синергетическим эффектам при объединении отдельных агентов в многоагентную систему. По сути, это основная форма социального поведения и организации взаимодействия между агентами, характеризуемая объединением их усилий для достижения совместной цели при одновременном разделении между ними функций и обязанностей. Наиболее известные модели взаимодействия - это:

  • контактные сети Смита
  • модель "аукцион"
  • модель монотонно-минимальных уступок
  • модель хищник-жертва и др.

При использовании мгогоагентной системы следует помнить, что работа агентов происходит в реальном времени. Предобработка информации задерживает ее поступление в блок, отвечающий за планирование действий. Кроме того, системе может потребоваться и время на реакцию. В случае ограниченного времени может создаться ситуация, когда время предобработки входной информации, время на принятие решения и время реакции превысит допустимый предел. Не разбирая ситуацию, когда время предобработки входной информации и время реакции меньше отведенного (в этом случае система вряд ли сможет что-либо сделать) можно сказать, что время на принятие решения может быть ограничено и, следовательно, несмотря на развитие компьютерной техники искусственный интеллект все еще нуждается в быстрых методах принятия

 

Тэги: ai ии искусственный интеллект многоагентные системы


 


 
архив

подписка