Под мультиагентными технологиями в настоящее время часто понимают как технологии разработки инструментальных средств мультиагентных систем (MAC), так и технологии для создания мультиагентных моделей различного применения.
Многоагентная система (МАS, англ. Multi-agent system) — это система, образованная несколькими взаимодействующими интеллектуальными агентами. Многоагентные системы могут быть использованы для решения таких проблем, которые сложно или невозможно решить с помощью одного агента или монолитной системы.
Перспективные области применения мультиагентных технологий:
- промышленность;
- транспорт;
- энергетика;
- цепочки поставок;
- электронная коммерция;
- интеллектуальный поиск товаров и услуг в сети Интернет;
- направленная реклама и маркетинг;
- военное дело;
- здравоохранение;
- строительство;
- связь;
В этих областях могут решаться следующие сложные задачи:
- управление ресурсами;
- конструирование сложных изделий;
- проектирование;
- мониторинг и контроль;
- распознавание образов;
- понимание текстов;
- извлечение знаний;
- важные перспективы технологии связываются с развитием Интернета вещей и повсеместных вычислений.
Результаты применения мультиагентных технологий:
- разработка интеллектуальных систем на основе мультиагентных технологий позволяет добиваться результатов;
- решаются сложные задачи, которые ранее не могли быть автоматизированы;
- результаты решения дают качество, сопоставимое с решением человеком;
- начальное решение строится эффективно (линейно или полиномиально);
- изменения в постановке задачи приводят лишь к адаптации решения «на лету»;
- поддерживается работа по событиям в режиме реального времени;
- обеспечивается возможность решения задачи в диалоге с пользователем;
- вычисления могут быть легко распараллелены для решения сверх сложных задач.:
- мультиагентные технологии позволяют строить интеллектуальные системы нового поколения, отличающиеся высокой открытостью, гибкостью и эффективностью, производительностью, масштабируемостью, надежностью и живучестью.
Агенты в МАС должны обладать:
1) Автономностью– агенты работают без непосредственного вмешательства со стороны
2) Интерактивностью– взаимодействуют с другими агентами
3) Реактивностью– воспринимают окружающую среду и взаимодействуют с ней
4) Проактивностью– сами являются источником возмущения для окружающей среды, проявляя целеустремленное поведение
5) Целеустремленностью– агенты способны выполнять высокоуровневые задачи и проявлять интеллектуальное поведение при достижении цели.
Цель когнитивной науки - понять природу и работу искусственного интеллекта - это то, что обрабатывает внутреннюю информацию, чтобы сделать ее целенаправленной. Множество понятий удовлетворяют этому описанию: люди, компьютеры, роботы, сенсорные системы, список бесконечен. Одним из видов такой системы, представляющей особый интерес для когнитивных ученых, является искусственный самостоятельный агент , который воздействует на информацию.
Интеллектуальный агент (ИА) способен принимать решения на основе своего опыта и может выбирать действия в различной ситуации.
Агент - это все, что принимает среду через датчики и воздействует на нее через эффекторы, что звучит достаточно просто. Это определение агента охватывает широкий спектр машин: от термостатов до объектов, которые могут фактически изучить небольшой репертуар поведения.
Датчики - это инструменты, используемые агентом для сбора информации о своем мире. Клавиатура и видеокамера могут работать как датчики, если они связаны с программой-агентом. В конце ответа системы исполнители - это инструменты, используемые агентом для воздействия на окружающую среду. Примерами эффекторов являются монитор, принтер и роботизированная рука.
Автономный агент по определению Франклина и Грейссера - это «система, находящаяся внутри и часть среды, которая воспринимает эту среду и действует на нее со временем, в целях осуществления своей собственной повестки дня и для того, чтобы воздействовать на то, что она ощущает в будущем».
Датчики могут быть органическими, такими как глаза и уши, и их нейронные процессоры, или искусственные, такие как видео- и аудиопроцессоры, встроенные в цифровой компьютер. Окружающая среда может быть очень ограниченной областью, например, замкнутым пространством, или очень сложной, такой как фондовый рынок или набор астероидов. Датчики должны соответствовать типам объектов, с которыми агент взаимодействует.
Агент-рефлектор имеет более сложный механизм. Вместо непосредственного динамического отношения к окружающей среде он ищет то, что он должен делать, в списке правил. Агент рефлекса реагирует на заданное восприятие с запрограммированным ответом. Даже если есть тысячи возможных реакций на данное восприятие, у агента есть встроенный список правил действия ситуации, чтобы выполнить те реакции, которые уже были рассмотрены программистом. Правило действия ситуации в основном является гипотетическим императивом.
Рефлексные агенты действительно не очень яркие. Они просто не могут справиться с новинкой. Интеллектуальный агент содержит функции своих менее сложных родственников, но он не настолько ограничен. Он действует в соответствии с повесткой дня. У этого есть набор целей, которые он активно преследует. Агент, основанный на цели, имеет представление о текущем состоянии среды и о том, как эта среда обычно работает. Он преследует основные стратегии или цели, которые не могут быть немедленно достигнуты. Это делает агента активным, а не только реактивным.
В более сложных агентах применяется служебная мера для различных возможных действий, которые могут быть выполнены в среде. Этот сложный планировщик является агентом, основанным на услугах. Агент, основанный на услугах, будет оценивать каждый сценарий, чтобы узнать, насколько он достигает определенных критериев в отношении получения хорошего результата. Такие вещи, как вероятность успеха, ресурсы, необходимые для выполнения сценария, важность достижимой цели, время, которое потребуется, могут быть учтены в расчетах функций полезности.
Поскольку программист не может, как правило, прогнозировать все состояния мира, с которым будет сталкиваться агент, количество правил, которые нужно было бы написать для рефлекторного агента, было бы астрономическим даже в очень простых областях, например, планированием совещаний или организацией транспортных маршрутов и поставок.
Примеры мультиагентных систем многочисленны и разнообразны. Они используются в видеоиграх и в фильмах, в том числе в программном обеспечении MASSIVE, например, чтобы симулировать движение толпы, в трилогии Властелин колец. Они также могут использоваться компаниями, например, для отслеживания поведения клиентов, просматривающих веб-сайты.
Телеграмм канал - https://tlgg.ru/@bimkanall
Группа в ВК - https://vk.com/club24608109
