Представление виртуальной кафедры на уровне визуальных моделей многоагентной среды Jack

Аннотация

Московченко А.В., Жабская Т.Е., Федяев О.И. Представление виртуальной кафедры на уровне визуальных моделей многоагентной среды Jack. Статья посвящена проектированию виртуальной кафедры университета. Агентно-ориентированный анализ учебной кафедры выполнен с помощью методологии Gaia. Для программной реализации агентов с BDI-архитектурой выбрана инструментальная среда Jack. Рассмотрена трансформация логических моделей Gaia в визуальные модели среды Jack.

Введение

Формы получения высшего образования, используемые в настоящее время, не позволяют своевременно реагировать на изменение требований рынка труда, в полной мере учитывать индивидуальные возможности и желания студентов в освоении дисциплины за ускоренное время (экстерном). Они предполагают обязательное личное присутствие преподавателя на всех этапах передачи и контроля усвоения знаний, жесткую привязку студентов к расписанию занятий. Студенту не всегда разрешают работать по индивидуальному графику, поскольку без общения с преподавателем, несмотря на полноценное учебно-методическое обеспечение, практически сложно получить хороший уровень знаний по предметам. Несмотря на эту проверенную опытом форму обучения, современная тенденция в инженерном образовании характеризуется внедрением индивидуальных образовательных схем, в полной мере отвечающих быстрым изменениям конъюнктуры рынка. Поэтому классические схемы централизованного управления образованием с жесткой структурой должны позволять трансформироваться в более гибкие схемы [1-4].

В этой связи, учебные заведения вынуждены расширять формы образовательной деятельности, т.е. технологии профессиональной подготовки студентов. В наши дни активно происходит расширение образовательных платформ, формируются электронные информационно-образовательные среды учебных заведений, создаются новые модели образовательных организаций – виртуальные кафедры, появление которых полностью обусловлено развитием информационно-коммуникационных технологий [5]. Виртуальная кафедра предоставит студентам и преподавателям возможность взаимодействовать в процессе обучения через компьютерную сеть, что позволит внедрить в вузы дистанционное образование и различные формы онлайн-обучения профессиональным навыкам. Виртуальная образовательная среда становится всё более значимым социальным явлением реальной действительности [6].

Цель данной статьи – рассмотреть учебную кафедру университета как объект виртуальной образовательной среды, представляющей собой информационное пространство взаимодействия участников учебного процесса, порождаемое технологиями информации и коммуникации, включающее комплекс компьютерных средств и технологий, позволяющее осуществлять управление содержанием образовательной среды и коммуникацию участников [6]. Чтобы полноценно реализовать интеллектуальные функции участников и их коммуникацию, виртуальную кафедру целесообразно представить в виде многоагентной программной системы, основанной на принципах распределенного искусственного интеллекта [5]. Преимущество виртуальной кафедры, как новой среды обучения, состоит в следующем:

1. гибкость, обучаемый имеет возможность заниматься в удобном для себя месте, т.к. цикл обучения осуществляется посредством Интернет-технологий;
2. модульность, обучаемый имеет возможность из набора независимых курсов-модулей формировать учебную программу, отвечающую индивидуальным потребностям;
3. экономическая эффективность, снижаются затраты как обучающегося, так и системы образования за счёт максимально эффективного использования учебных площадей, времени и технических средств [6].

Построение логических моделей виртуальной кафедры с помощью методологии Gaia

Процесс обучения, в соответствии с методологией Gaia, описывается следующими моделями: моделью ролей, моделью взаимодействий, моделью агентов, моделью услуг, моделью связей. На рис. 1 показаны взаимосвязи и содержание моделей, полученных с помощью агентно-ориентированного проектирования виртуальной кафедры.

На стадии агентно-ориентированного анализа и проектирования разработаны следующие модели: модель ролей для описания должностных обязанностей всех ролей в виде активностей, протоколов, полномочий, обязательств; модель взаимодействий для описания основных видов общения между ролями в виде протоколов; модель агентов для определения типов агентов; модель функционирования для определения действий агентов и модель связей для отображения возможных коммуникаций между агентами [7].

Поскольку программным агентам делегируется выполнение полномочий субъектов образовательного процесса, то они должны имитировать взаимодействия, которые в определённой степени соответствуют их профессиональной деятельности. Для имитации профессиональной деятельности каждый программный агент должен обладать знаниями о порученных должностных обязанностях, знаниями об агентах, с которыми возможно общение, а также правилами, определяющими его поведение в плане выполнения своих обязанностей [7].

Из характера образовательного процесса следует, что кроме реактивности, автономности, активности и коммуникабельности, архитектура программного агента должна иметь внутренние механизмы мотивации, которые задаются ментальными свойствами, такими как убеждения, обязательства, способности и правила поведения. Из существующей классификации для создаваемой системы больше подходит архитектура, основанная на классических принципах искусственного интеллекта, т. е. архитектура интеллектуального агента на основе продукционных правил.

Благодаря разработанным агентно-ориентированным моделям осуществлен системный переход от этапа постановки задачи к этапу программной реализации компьютерной среды с элементами общения между субъектами учебного процесса изучения дисциплин кафедры [7].

Описание визуальных моделей инструментальной среды Jack

В результате анализа существующих инструментов была выбрана среда JACK, которая использует язык Java для того, чтобы внедрить концепции агентно-ориентированного программирования. JACK - это профессиональная, кроссплатформенная среда для создания, эксплуатации и интеграции коммерческих агропромышленных систем. Она построена на прочной логической основе: модели убеждений, желаний и намерений (belief, desire, and intention (BDI) model). BDI - это интуитивная и мощная абстракция, которая позволяет разработчикам управлять сложностью проблемы. В JACK агенты определяются с точки зрения их убеждений (что они знают и что они умеют делать), их желания (какие цели они хотят достичь) и их намерения (цели, которые они в настоящее время преследуют к достижению) [8].

BDI-архитектура позволяет моделировать ментальные свойства агентов, необходимых для решения задачи обучения. Агент, имеющий BDI-архитектуру, описывается тремя компонентами А = (B, D, I), где B – это убеждения агента, которые являются информацией агента о собственном состоянии и состоянии его окружения, и рассматриваются как его информационная компонента; D – это желания агента в виде информации о его целях, которые рассматриваются как его мотивационная компонента; I – это намерения агента, которые представляют возможные направления его действий, и являются его рассудительной компонентой.

Для программной реализации убеждений, желаний и намерений агента в языке JACK предусмотрены следующие новые конструкции, расширяющие синтаксис языка Java на уровне классов:

1. Agent (Агент), определяет интеллектуальных агентов.
2. Event (Событие), определяет цели агента, в виде событий, для моделирования ситуаций и сообщений, на которые агент должен быть способен ответить.
3. Plan (План), описывает намерения агента в отношении достижения цели в виде планов и условий их применимости.
4. Beliefset (Множество убеждений), описывает знания агента.
5. Capability (Способность), структурирует убеждения, события и планы в кластеры для реализации определенной интеллектуальной способности агента для достижения цели.

Чтобы работать в инструментальной среде JACK, необходимо мыслить на уровне её понятий, характерных для BDI-архитектуры. Для правильного перехода от абстрактных моделей агентов к их представлению на уровне визуальных моделей среды JACK, авторами были составлены спецификации семантики визуальных моделей данной среды [8].

Семантика визуальной модели агента, представленного формально в среде JACK в виде Аgent = (N, Bel, PE, HE, SE, PS), описывается следующим образом: N – имя агента; Bel – убеждения агента; PE = {E1, E2, …, En} – множество имен событий, создаваемых собственными методами агента; HE = {{E1, E2, …, En}, HE1, …} – множество обрабатываемых событий, создаваемых самостоятельно и воспринимаемых извне; SE = {SE1, SE2, …, SEm} – множество имен событий, передаваемых агентом во внешнюю среду; PS = {P1, P2, …, Pk} – множество имен планов, определяющих поведение агента.

Более эффективно определять агента можно через его способности, тогда Аgent = (N, Bel, PE, Cap), где Cap = {C1, C2, …, Cn} – множество имен способностей, которыми обладает агент для достижения поставленных целей.

Семантика визуальной модели воспринимаемого события, формально представляемая в среде JACK в виде Event = (N, Pw, Pa, EvT), имеет следующее внутреннее содержание: N – имя воспринимаемого события; Pw – метод автоматического порождения новых убеждений при соответствии собственных убеждений агента некоторым условиям; Pa – метод явного восприятия агентом события внешнего мира и формирования новых убеждений, связанных с данным событием, в результате которого агент получает цель для достижения; EvT – определение стратегии достижения цели [8].

Визуальная модель плана для описания рассуждений агента формально в среде JACK представляется в виде Plan = (N, Ev, Sev, МP, МF, Rel, С, B), где N – имя плана; Ev – имя события, для обработки которого предназначен данный план; Sev – множество имен событий, отправляемых агентом во внешнюю среду при выполнении плана; МP, MF – завершающие действия, выполняемые соответственно при успешном /неуспешном выполнении плана; Rel – метод определения применимости плана для обработки события на основе истинности логического условия, зависящего от результата сопоставления убеждений агента о данном событии; C – метод определения применимости плана для обработки события на основе истинности логического условия, зависящего от результата сопоставления собственных убеждений агента, при условии, что выполнено логическое условие метода Rel; B – основной метод рассуждений агента, выполняемый в случае применимости плана [8].

Выделенные наиболее важные аспекты семантики визуальных моделей среды JACK гарантируют качественное их построение.

Связь логических моделей Gaia c визуальными моделями среды Jack

Процесс создания визуальных моделей агента и его ментальных составляющих является основополагающим, так как именно на этом этапе разработки агентной системы происходит переход на следующий, более низкий, уровень абстракции. Возникает задача перехода от логических моделей к визуальным моделям среды JACK для представления агента в виде событий, планов, убеждений [7]. Для этого были разработаны рекомендации для отображения логических моделей Gaia в концепты среды JACK [6].

При создании модели агента в JACK все агентные типы для МАС берутся из модели агентов Gaia (см. рис. 2). Для каждого агентного типа с помощью базового графического примитива визуально создается агент со своим именем. При создании в JACK модели агента определяются множества воспринимаемых и передаваемых событий HE, PE, SE. Определение событий является ключевым вопросом при создании агента, потому что его деятельность зависит от их возникновения (если события не происходят – агент бездействует). Если возникает событие, то у агента, во-первых, появляется желание (воспринимаемое как цель) обработать это событие и, во-вторых, появляются новые убеждения об этом событии, которые играют определяющую роль при выборе агентом намерений в отношении его ответных действий [7].

Все желания, которые может иметь агент, в агентном языке JACK определяются множеством воспринимаемых событий для обработки НЕ, в котором выделяется два непересекающихся подмножества событий: множество РЕ и множество событий, воспринимаемых из внешнего мира (элементы множества НЕ, не принадлежащие множеству РЕ). Исходя из того, что все проявления деятельности агента определены активностями протоколами в модели ролей, то предшествующие им события (множество РЕ) естественно определяются в соответствии с ними (рис. 2).

Множество передаваемых во внешнюю среду событий SE определяется в соответствии с протоколами, в которых данный агент является инициатором взаимодействия. Таким образом определяются воспринимаемые и передаваемые события для агента или, другими словами, его рецепторы и эффекторы.

При определении множества планов действий агента для обработки каждого воспринимаемого события в зависимости от сложившейся ситуации следует исходить из того, что весь функциональный аспект агента зафиксирован в модели функционирования уровня Gaia для данного агентного типа. В этой связи, при создании конкретных планов обработки различных ситуаций, возможных для события, следует использовать его функции, описанные в модели функционирования каждого агентного типа (рис. 2).

По разработанным в среде JACK визуальным моделям агентов сгенерированы физические компоненты агентов на Java, которые представлены в виде классов с определенными отношениями между ними (рис. 3).

Заключение

Выполнен агентно-ориентированный анализ процесса обучения студентов на кафедральном уровне, благодаря которому получена новая модель индивидуального обучения студентов по конкретной дисциплине. Особенностью модели является сохранение взаимоотношений между участниками учебного процесса, близких к реально существующим, и предоставление возможности автономного и распределенного выполнения учебно-методических обязанностей. Эта модель позволяет повысить децентрализованность и индивидуальность работы преподавателей и студентов на уровне кафедры.

Список использованной литературы

1. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика.- М.: “Едиториал УРСС”, 2002. -352 с.
2. Гаврилова Т. А., Яшин А. М., Фертман В. П. Взаимодействие интеллектуальных агентов для поддержки сервера дистанционного обучения// Материалы междунар. конф. ”Интеллектуальные системы и информационные технологии в управлении IS&ITC”, Псков, 2000, с.224-227.
3. Курейчик В.М. Эволюционная адаптация интерактивных средств открытого образования /В.М. Курейчик, Л.А. Зинченко //Открытое образование. - 2001. - N1. - С.43-50.
4. Глибовец Н.Н. Использование JADE (Java Agent Development Environment) для разработки компьютерных систем поддержки дистанционного обучения агентного типа// Educational Technology&Society 8(3) 2005 ISSN 1436-4522 pp. 325-345.
5. Шляпина С.Ф., Дубицкая С.А. Применение электронных образовательных ресурсов в учебном процессе // Электронное обучение в непрерывном образовании. Сб. трудов V Междунар. науч.-практич. конференции. – Ульяновск : УлГТУ, 2018. - С. 744-748.
6. Ваныкина Г.В., Сундукова Т.О. Педагогические условия эффективного использования виртуальной образовательной среды в обучении // Электронное обучение в непрерывном образовании. Сб. трудов V Междунар. науч.-практич. конференции. – Ульяновск: УлГТУ, 2018. – С. 143-150.
7. Федяев О.И. Проектирование виртуальной кафедры университета на основе многомодельного агентно-ориентированного подхода /О.И.Федяев, Т.Е.Жабская // Искусственный интеллект – 2010, №3. – С. 679–686.
8. David Kinny, Michael Georgeff, Anand Rao A Methodology and Modelling Technique for Systems of BDI Agents. Proceedings of the Seventh European Workshop on Modelling Autonomous Agents in a Multi-Agent MAAMAW’96, (LNAI Volume 1038).