"Многоагентная система обучения студентов на кафедральном уровне"
Автореферат*
Главным отличием современных интеллектуальных систем является их распределенность, обеспечение обработки и применение распределенных знаний. Акцент развития средств искусственного интеллекта делается на переход от изолированных систем искусственного интеллекта, от индивидуальных систем к распределенному интеллектуальному анализу информации и разработке многоагентных интеллектуальных систем (MAC).
На основе многоагентных систем, использующих искусственных агентов, создаются виртуальные организации, которые представляют собой одну из наиболее многообещающих областей развития искусственного интеллекта. Кроме того, интегрируются с современными сетевыми WWW-технологиями, и средствами искусственного интеллекта, включая большие базы данных (знаний) и системами объектно-ориентированного программирования.
Сегодня основными направлениями в разработке МАС являются распределенный искусственный интеллект и искусственная жизнь. Ядро РИИ составляют исследования взаимодействия и кооперации небольшого числа интеллектуальных агентов, например, классических интеллектуальных систем, включающих базы знаний и решатели. Главной проблемой в РИИ является разработка интеллектуальных групп и организаций, способных решать задачи путем рассуждений, связанных с обработкой символов. Иными словами, здесь коллективное интеллектуальное поведение образуется на основе индивидуальных интеллектуальных поведений. Это предполагает согласование целей, интересов и стратегий различных агентов, координацию действий, разрешение конфликтов путем переговоров; теоретическую базу здесь составляют результаты, полученные в психологии малых групп и социологии организаций.
Важным разделом РИИ является кооперативное распределенное решение задач. Речь идет о сети слабо связанных между собой решателей, которые совместно работают в целях решения задач, которые выходит за рамки индивидуальных возможностей. Различные узлы подобной сети, как правило, имеют неодинаковый опыт (знания, точки зрения) и разные ресурсы. Каждый узел должен быть способен модифицировать свое поведение в зависимости от обстоятельств, а также планировать свои стратегии коммуникации и кооперации с другими узлами. Здесь показателями уровня кооперации являются: характер распределения задач, объединение различных точек зрения и, конечно, возможность решения общей проблемы в заданное время.
Второе направление — искусственная жизнь — в большей степени связано с трактовкой интеллектуального поведения в контексте выживания, адаптации и самоорганизации в динамичной, враждебной среде. В русле ИЖ глобальное интеллектуальное поведение всей системы рассматривается как результат локальных взаимодействий большого числа простых и необязательно интеллектуальных агентов.
Для построения обучающей системы для студентов необходимо решить следующие задачи:
- Создание модели знаний преподавателя;
- Создание модели изучаемого предмета
- Создание модели студента
Здесь появляются следующие проблемы:
- Как достичь такого представления, чтобы знания были не статические, а динамические?
- Как получить такую модель, чтобы знания были формализованы с одной стороны, и легко доступны с другой?
- Как получить автоматический вывод новых знаний?
- Как получить оценку знания студентов на основе доступных знаний?
- Как обеспечить максимальную адаптацию к каждому обучаемому. Такие системы при выборе очередного учебного воздействия должны учитывать всю картину знаний ученика по изучаемому предмету, и даже его личностные особенности.
Данные вопросы активно обсуждаются многими учеными мира, однако программной системы, решающей в полном объеме данные вопросы еще не существует.
В настоящее время вопрос о том, какую компьютерную программу следует квалифицировать как агента или многоагентную систему, находится в стадии интенсивного обсуждения [2]. Принято различать два определения интеллектуального агента — "слабое" и "сильное".
Под интеллектуальным агентом в слабом смысле понимается программно или аппаратно реализованная система, которая обладает такими свойствами как: автономность, общественное поведение, реактивность, активность [1,2,3].
Сильное определение агента включает использование ряда дополнительных свойств. В частности, главным из них является наличие у агента хотя бы некоторого подмножества так называемых "ментальных свойств", к которым относятся знания, убеждения, намерения, цели.
Идея многоагентности предполагает кооперацию агентов при коллективном решении задач. В многоагентной системе aгент, который не способен решить некоторую задачу самостоятельно, может обратиться к другим агентам. Другой вариант, когда необходима кооперация — это использование коллектива агентов для решения одной общей трудной задачи. При этом агенты могут строить планы действий, основываясь не только на своих возможностях, но и учитывать планы и намерения других агентов. Известно, что коллективы даже простейших автоматов, в которых каждый из них преследует только свои примитивные цели, в целом способны решать очень сложные задачи. Например, пчелиный улей или искусственная нейронная сеть.
Для обмена друг с другом информацией агенты ведут переговоры. Схема, по которой ведутся такие переговоры, определяет протокол взаимодействия агентов (см. рисунок ниже). Существует ряд схем переговоров [1,2].
Обмен сообщениями между агентами
(7 кадров, задержка между кадрами 1с., 535х400 пикселей, 27.9 Кб, создавался в MP Gif Animator)
Типичным представлением инструментальных систем создания МАС, является система Bee-gent. Она предназначена для проектирования и реализации MAC. В ней используется специальная МАС-библиотека, реализованная на языке Java, а технология, основывается на методологии спецификации поведения агентов распределенной системы. При этом в системе Bee-gent используется несколько типов агентов: упаковщики (agent wrappers) и посредники (mediation agents) [4].
Поведение всей системы, направленное на достижение определенных целей, базируется на спецификации "бесед" (message exchanges), в основе которых обмен XML/ACL сообщениями через протоколы взаимодействия (interaction protocols).
В Bee-gent используется специальный язык ACL, разработанный на основе KQML. Логическая структура ACL-выражений представляется в форме XML. Поэтому язык обмена сообщениями агентов в Bee-gent называется XML/ACL.
Агентная библиотека фирмы Toshiba является достаточно развитой и отвечает основным требованиям к компонентам программного обеспечения данного класса. Перформативы XML/ACL более высокого, по сравнению с KQML, уровня. Для спецификации протоколов взаимодействия предлагается использовать язык программирования, а не представления знаний.
Литература- Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) // Новости искусственного интеллекта, №2, 1998. c.64-117.
- Клышинский Э.С. Некоторые аспекты построения агентных систем. Портал "Программирование магических игр" URL: http://pmg.org.ru/ai/agent.htm
- Писарев А.С. Применение подхода многоагентных интеллектуальных систем и высокопроизводительных баз знаний для задач дистанционного обучения. Портал "Информационно-коммуникационные технологии в образовании" URL: http://www.ict.edu.ru/vconf/files/tm99_120.doc
- Toshiba Bee-gent, http://www.toshiba.co.jp.
* — При написании автореферата работа над дипломным проектом еще не завершена.