Активным объектом является такой агент, который выполняет собственный поток контроля […]. Активные агенты являются в основном автономными, что означает, что они могут проявлять некоторое поведение без воздействия на них других объектов. Пассивные объекты с другой стороны могут подвергаться изменению состояния только при непосредственном воздействии со стороны.
Таким образом, объекты являются по своей сути агентами, которые не обязательно имеют способность проявлять гибкое автономное поведение.
Подводя итог, традиционный взгляд на объект и наш взгляд на агента имеют три основных различия:
- агенты заключают в себе более строгое представление автономности, чем объекты, и в частности, они сами решают выполнять или не выполнять действие запрошенное другим агентом;
- агенты способны к гибкому (реактивному, проактивному, социальному) поведению, и стандартная объектная модель ничего не может сказать об этих типах поведения;
- мультиагентные системы являются по природе многопотоковыми, т.е. предполагается, что каждый агент имеет, по крайней мере, один поток контроля.
1.2.4 Агенты и экспертные системы.
Экспертные системы были наиболее важной технологией разработки искусственного интеллекта в 1980 годы. Экспертные системы - это системы способные решать проблемы и давать советы в некоторой области знаний [32]. Классическим примером экспертной системы является MYCIN, которая была предназначена для помощи врачам в лечении болезней крови у людей. MYCIN работала в процессе взаимодействия с пользователем для получения набора фактов (символически представленных), которые система использовала для выработки некоторого заключения. MYCIN действовала как консультант: она не взаимодействовала непосредственно с людьми, и на самом деле ни с каким окружением. Так что, вероятно, самое важное различие между агентами и экспертными системами заключается в том, что системы подобные MYCIN являются неактивными. Т.е. это значит, что они не взаимодействуют непосредственного ни с какой средой: они не получают информацию через сенсоры, а через пользователя который выступает посредником. Также они не воздействуют на среду, а скорее выдают результат или совет третьей стороне. В дополнение ты не требуем от экспертных системы способности к кооперации с другими агентами. Несмотря на эти различия некоторые системы (особенно выполняющие контроль за задачей в реальном времени) выглядят очень похожими на агентов. Хорошим примером является система ARCHON [33].
1.3 Абстрактные архитектуры интеллектуальных агентов.
Мы можем легко формализовать абстрактный взгляд на агенты, представленный выше. Первое, мы предположим, что состояние окружающий среды может быть охарактеризовано как набор S={s1,s2…} состояний окружения. Предположим, что в каждый данный момент окружение находится в одном из этих состояний. Способность агента к действию может быть представлена как набор A={a1,a2,…} действий. Тогда абстрактно, агент может рассматриваться как функция
action: S*àA,
которая отображает последовательность состояний среды на действия. Агента смоделированного по этой функции будем называть стандартным агентом. Интуиция заключается в том, что агент решает какое действие выполнить на основе своей истории – собственном опыте, накопленном к текущему моменту. Этот опыт представлен как последовательность состояний окружения, в которых агент успел побывать.
Поведение (недетерминированное) окружения может быть смоделировано функцией
env: S x AàÃ(S),
которая принимает текущее состояние среды s Ì S и действие a Ì A (выполняемое агентом) и отображает их на набор состояний окружения env(s,a) – тех которые являются результатом выполнения действия a в состоянии s. Если все наборы в диапазоне env являются однозначными (например, если результат выполнения действия и любом состоянии единственен), тогда окружение детерминировано, и его поведение может быть точно предсказано.
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.