Разработка и использование многоагентных банков знаний

УДК 004.89

РАЗРАБОТКА И ИСПОЛЬЗОВАНИЕ МНОГОАГЕНТНЫХ

БАНКОВ ЗНАНИЙ

, к. т.н, доцент 

Московский государственный университет приборостроения и информатики

В образовательный процесс высших учебных заведений активно внедряются новые методы обучения с использованием передовых информационных технологий, в частности, мультиагентных систем (MAS, Multi-Agent Systems). Мультиагентные системы строятся из множества взаимодействующих программных модулей, совместно решающих поставленную задачу в распределенной среде. Агенты рассматриваются как сущности, которые могут воспринимать окружающую среду посредством рецепторов и взаимодействовать с ней [1]. Программные агенты обладают такими  свойствами, как интерактивность или общественное поведение (т. е. способны функционировать в сообществе агентов, инициируя взаимодействия и обмениваясь сообщениями с помощью некоторого языка коммуникаций); реактивность (способны воспринимать окружающую среду и своевременно реагировать на события недетеминированным образом); проактивность и целеустремленность (способны действовать в упреждающей манере, в частности, генерировать новые цели и действовать рационально для их достижения).

Исследования в области мультиагентных систем делят на такие основные направления, как теория агентов, методы кооперации агентов, архитектура агентов и многоагентных систем, технология и программные средства их разработки. В теории агентов рассматриваются формализмы и математические методы для описания рассуждений об агентах и для выражения желаемых свойств агентов. Исследуются методы кооперации агентов, которые определяют организацию кооперативного поведения агентов в процессе совместного решения задач. В исследованиях по архитектуре агентов и многоагентных систем рассматривается, как построить вычислительную систему, удовлетворяющую тем или иным свойствам, которые выражены средствами теории агентов.

Особое место занимают исследования, связанные с разработкой инструментальных средств поддержки технологии разработки мультиагентных систем. Разраработку MAS можно осуществлять на основе стандартов Фонда интеллектуальных физических агентов (Foundation for Intelligent Physical Agents), являющегося  комитетом IEEE Computer Society (http://fipa. org), либо MASIF (Mobile Agent System Interoperability Facilities) ассоциации Object Management Group (http://www. omg. org), с использованием специализированных, либо универсальных интегрированных инструментальных сред, позволяющих подключать модули специального назначения (например, IDE Eclipse или NetBeans). 

Высокий уровень абстракции, используемый при агентно-ориентированном подходе, поддерживаемый агентными кросс-платформенными технологиями, позволяет использовать концепцию программных агентов при разработке таких прикладных МАS, как многоагентные банки знаний (МБЗ) [2]. Многоагентные банки знаний представляют собой распределенные интеллектуальные информационные системы учебного назначения, которые интегрируют функции интеллектуальных учебных сред (ILE, Intelligent Learning Environments) и интеллектуальных обучающих систем (ITS, Intelligent Tutoring System). МБЗ включают общие и специальные знания о предметной области, о процессе обучения и модели обучаемого, ассоциируя их с реактивными и когнитивными программными агентами [3], которые реализуют процедуры обработки этих знаний, формируют и выдают ответы на запросы пользователей, осуществляют адаптивное обучение.

Ответы на запросы пользователей формируются когнитивными агентами МБЗ в результате спецификации свойств сущностей (событий и их субъектов), вычисления каузальных, временных и других отношений на множестве сущностей, а также в результате планирования решения задач. При этом вычисление отношений и синтез плана действий для решения некоторой задачи происходят не только в процессе выполнения когнитивным агентом продукционных, редукционных или трансформационных правил, но также в процессе его переговоров с другими агентами. Адекватные реакции агентов на возможные в окружающей среде ситуации реализуются благодаря обучению искусственных нейронных сетей реактивных агентов, которые при предъявлении агентам входного вектора (ситуации) активизируют наиболее точно соответствующие ему действия.

Программные агенты МБЗ создаются как компоненты (Component-Based Design) в виде специализированных категорий классов (включающих методы, свойства, события), в которых интегрированы механизмы логического вывода с технологией искусственных нейронных сетей. Реактивные и когнитивные агенты многоагентного банка знаний сочетают четкие методы и модели поиска решений и адаптации с нечеткими. Нечеткость включается как в элементы структуры нейронных сетей реактивных агентов, так и в механизмы логического вывода когнитивных агентов. Программные агенты могут осуществлять немонотонный и нечеткий вывод, а также использовать нечеткие запросы (fuzzy queries) к базе знаний. Нечеткие запросы позволяют расширить область поиска в соответствии с изначально заданными ограничениями.

Создание многоагентных банков знаний является сложной задачей, которая требует от разработчиков опыта проектирования и реализации как концептуальных, так и технических решений в таких областях как представление и обработка знаний, сетевые коммуникации и протоколы взаимодействия, нейронные сети и нечеткая логика. Проектирование и реализация МБЗ значительно упрощается при использовании специальных инструментальных средств, поддерживающих процесс разработки многоагентных банков знаний.  К таким средствам относится проблемно-ориентированная инструментальная среда АgentITS (МГУПИ), включающая такие группы программных средств, как среда выполнения МАС (агентная платформа) и инструментальная среда разработки МБЗ. С использованием АgentITS возможно осуществить разработку предметно-ориентированного многоагентного статического банка знаний (МСБЗ) [4], предназначенного для одновременного изучения нескольких языков программирования. В МСБЗ группы агентов, реализуя запросно-ответное отношение между языком запросов и языком ответов, предоставляют пользователю возможность систематически  получать сведения не только о конструкциях конкретных языков, но и связанных с ними стилях и методах программирования.

Список литературы:

скусственный интеллект: современный подход. –М.: Вильямс, 2006. -1408с. О концепции многоагентных банков знаний, как интеллектуальных обучающих системах  // Материалы 16-й международной конференции “Современное образование: содержание, технологии, качество”. В 2-х. т. – СПпб.:Изд-во СПбГЭТУ “ЛЭТИ”. 2010. Т.2. С. 36 - 38. Методология представления и обработки знаний в распределенных интеллектуальных информационных системах. // Автоматизация и современные технологии. 2008, №1, С.29-34. , О концепции многоагентных учебных сред, называемых многоагентными статическими банками знаний. // Материалы XVII Международной конференции “Современное образование: содержание, технологии, качество”. В 2-х. т. – СПпб.:Изд-во СПбГЭТУ “ЛЭТИ”. 2011. Т.2. С. 155 - 156. От многоагентных систем к интеллектуальным организациям. –М.: Эдиториал УРСС, 2002. -352с.