Мультиагентные технологии

Мультиагентные технологии

 

Мультиагентные технологии — один из главных инструментов, интеллектуальное ноу-хау, применяемое в деятельности компании.

 

Суть мультиагентных технологий заключается в принципиально новом методе решения задач.

 

В отличие от классического  способа, когда проводится поиск  некоторого чётко определенного (детерминированного) алгоритма, позволяющего найти наилучшее  решение проблемы, в мультиагентных технологиях решение получается автоматически в результате взаимодействия множества самостоятельных целенаправленных программных модулей — так называемых агентов. Агент может действовать по поручению и в интересах человека.

 

Вообще говоря, существует несколько определений понятия  агента, но мы можем привести следующие  основные признаки программного агента:

выполняется автономно;

взаимодействует с другими  агентами или пользователем;

оценивает состояние окружающего  его «виртуального мира»

 

Зачастую классические методы решения задач либо неприменимы  к реальной жизни (все мы представляем, что значит попытаться решить задачу управления предприятием в непредсказуемой  динамичной обстановке современного бизнеса, даже с помощью высшей математики), либо они требуют совершенно необозримых  объемов расчетов (для которых  не хватит мощности всех современных  компьютеров), либо они вовсе отсутствуют.

 

Значит ли это, что ситуация, когда точный алгоритм решения отсутствует, безнадежна? Нет, отвечают мультиагентные технологии. В конце концов, людям в своей жизни постоянно приходится в условиях дефицита времени и средств решать задачи, не имеющие точного формального решения — и они решаются часто не самым наихудшим образом.

 

Дело в том, что нам  присущ интеллект — то, что отличает человека от компьютера, действующего строго по заложенной в него программе. То, что позволяет нам ориентироваться  в сложной обстановке, иметь дело с нечетко поставленными задачами, адаптироваться к меняющимся условиям.

 

Неопределенность присутствует, когда существует набор альтернатив, и невозможно предсказать, какой  из вариантов окажется лучшим по прошествии достаточно длительного времени. При составлении расписаний, это ситуация, когда, к примеру, существует выбор между несколькими грузовиками, перевозящими грузы, несколькими дорогами, которые могут быть использованы для достижения разных точек назначения, и многими водителями, которые могут управлять грузовиками. Каждый из ресурсов (грузовик, дорога и водитель) имеют различные свойства. Неопределенность возрастает в ситуациях, когда возможны непредсказуемые события, такие как изменения в условиях поставок или спроса, аварии или сбои ресурса, задержки, отмены заказов, и тому подобное.

 

А есть ли интеллект, скажем, у колонии муравьев? С одной  стороны, каждый отдельно взятый муравей, очевидно, им не обладает. С другой — колония в целом проявляет удивительные образцы поведения, которое во многом может считаться интеллектуальным. Такие ситуации называются проявлением эмерджентного интеллекта, или неожиданных свойств, которыми обладает система, но не обладает ни один входящий в нее отдельный элемент.

 

Возникающий при этом эффект «интеллектуального резонанса» часто  так и называют «Интеллект роя». Действительно, интеллект и физическая сила одной пчелы не так велики, но рой пчел, согласованно действующий, может победить медведя и даже человека.

 

Агенты очень похожи на членов команды, которые могут соревноваться  друг с другом или сотрудничать в  процессе принятия решения.

 

Ключевая особенность  эмерджентного интеллекта — динамика и непредсказуемость процесса принятия решений.

 

На практике это означает, что решение достигается за счет сотен и тысяч взаимодействий, которые почти невозможно отследить. Но это и не требуется, поскольку  агентам дают цели, которые они  должны достигать, но не предопределяют сценарии исполнения задач по достижению этих целей. Эти сценарии формируются  и исполняются агентами самостоятельно. На каждом шаге агенты рассматривают  входы системы и реагируют  на непредсказуемые события (задержки, сбои, изменения), Реакция может быть самостоятельной, или осуществляться во взаимодействии с оператором.

 

Таким образом, эмерджентный интеллект — это не есть какой-либо один новый и специально сконструированный  уникальный «блок», добавленный к  системе. Напротив, это нечто (результат  самоорганизации), что возникает  как бы «из воздуха» (за счет множества  скрытых или явных условий, сложившихся  в ситуации), спонтанно и в заранее  не предвиденный момент времени, и так  же неожиданно исчезает, но в процессе своего существования определяющим образом «правит» работой всей системы.

 

Тут мы имеем дело с возникновением порядка из хаоса, с одним из тех  явлений, которые изучали и описывали  такие выдающиеся ученые, как Александр  Богданов (теория организации), Илья Пригожин (самоорганизация в физических системах), Марвин Минский (психология и теория мышления), Артур Кестлер (биология).

 

Начало построению моделей  и применению искусственных мультиагентных систем на практике было положено в 1960-х годах. В качестве основы были взяты достижения таких областей деятельности человека, как Системы Искусственного Интеллекта (Artificial Intelligence), Параллельные Вычисления (Parallel Computing), Распределенное Решение Задач (Distributed Problem Solving).

 

Сейчас МАС — одно из наиболее динамично развивающихся  и перспективных направлений  в области Искусственного Интеллекта.

 

Существует большое количество различающихся в тех или иных аспектах подходов к построению таких  систем.

 

Ключевой особенностью подхода  НПК «Генезис знаний» является использование  наряду с мультиагентными технологиями, онтологий (семантических сетей) для представления знаний о конкретной предметной области (логистика, производство, поиск информации в Интернете и т.д., и т.п.).

 

 Агенты функционируют  в виртуальном мире, представляющем  проблему, и взаимодействуют между  собой путем посылки сообщений.  Как результат переговоров агентов,  формируется текущее решение  проблемы, которое гибко меняется  в соответствии с динамикой  среды.

 

Одной из возможных разновидностей переговоров агентов является торговля, когда существуют агенты потребностей и агенты возможностей (ресурсов), между  которыми происходят переговоры (negotiations), в рамках модели виртуального рынка.

 

Перспективными областями  применения мультиагентных технологий являются:

Электронная коммерция

Транспорт

Логистика

Оптимальное динамическое планирование производства и сбыта продукции

Интеллектуальный поиск  товаров и услуг в сети Интернет

Направленная реклама  и маркетинг

и т.д.

 

Станьте первыми в Вашей  отрасли, кто использует интеллектуальные мультиагентные технологии — и получите уникальные конкурентные преимущества!

 

Особенности мультиагентного подхода Генезиса знаний

 

Одной из ключевых особенностей мультиагентных систем, разрабатываемых НПК «Генезис знаний», является синтез неотъемлемых частей онтологий и сцен для представления базы знаний о той или иной предметной области, и конкретной решаемой проблемы, и сообщества интеллектуальных агентов.

 

При этом изменения в ситуации в виртуальном мире, в котором  функционируют агенты, отражаются в  изменении состояния сцены, что  вызывает генерацию соответствующего сообщения.

 

Агенты различных типов  умеют воспринимать те или иные виды сообщений и генерировать, в соответствии с поставленными перед ними целями и заложенными в них правилами  поведения, ответные сообщения.

Основной целью рассматриваемого проекта является создание системы мониторинга показателей деятельности органов исполнительной власти и показателей качества жизни населения региона, системы поддержки решения задач на стыке разделения функций уровней власти и согласования принимаемых решений.

 

Для достижения поставленных целей необходимо обеспечить руководителей  органов исполнительной власти различного уровня автоматизированным рабочим  местом (АРМ) — современным инструментом, обеспечивающим решение следующих  задач:

Конструирование показателей  деятельности органов исполнительной власти и качества жизни населения;

Мониторинг и контроль событий (проблемных ситуаций), происходящих в системе;

Обеспечение эффективного анализа  данных о ходе выполнения целевых, в  том числе межотраслевых проектов и программ;

Поддержка принятия решений, выработка вариантов решений  проблем на основе ситуа-тивного анализа выполнения программ и базы знаний электронных регламентов;

Отслеживание результатов  и контроль исполнения принятых решений.

 

В процессе принятия решений, который схематично представлен  на рисунке выделяются три основных фазы:

Предпонимание — начальная стадия процесса принятия решения, на которой фиксируются знания о предметной области в форме онтологий;

Понимание — стадия, обычно начинающая с появления проблемной ситуации; на этой стадии конструируются объектные модели (сцены) с использованием разработанных онтологий;

Взаимопонимание — на этой стадии происходит поиск решения  задачи с учетом сформулированных ограничений  и анализ полученных результатов.

 

Процесс принятия решения  является итеративным. После получения  и анализа результата возможен переход  к началу каждой из фаз процесса с целью получения оптимального решения.

 

 

 

При разработке такой системы  следует учитывать, что большинство  показателей результативности взаимосвязаны  между собой и достижение их целевых  значений зависит от многих факторов (исходных данных, показателей-аргументов) и согласованных усилий всех ОИВ. При этом взаимосвязи исходных данных и показателей представляют собой  четко выраженную сетевую структуру. Особенно ярко это проявляется при  формировании показателей качества жизни населения региона —  комплексной характеристики социально-экономических, политических, культурно-идеологических, экологических факторов и условий  существования личности, положения  человека в обществе. Фрагмент такой  сетевой структуры показан на рисунке ниже.

Перечисленные выше особенности  предъявляют повышенные требования к среде конструирования и  мониторинга показателей качества государственного управления и качества жизни населения, к которым относятся:

Оперативность и достоверность  предоставляемой информации.

Динамичность — система  предоставляет возможность в  любой момент времени изменить определения  отдельных показателей и их взаимосвязей, а также неограниченно наращивать их количество в процессе эксплуатации системы.

Распределенность — показатели по отдельным сферам и территориям могут располагаться на различных серверах и в различных информационных базах, определяться и формироваться различными специалистами и ведомствами, интегрируясь в обобщенные показатели по региону, качеству жизни и т.д.

Открытость — система  допускает поэтапное внедрение  и подключение новых подсистем (серверов) со своим набором показателей  без останова и перезапуска всей системы.

Гибкость — определение  показателей и их взаимосвязей открыто  и доступно конечным пользователям  системы, которые могут изменять и дополнять систему.

Асинхронность — система  поддерживает возможность внесения данных в различные, заранее непредвиденные моменты времени и позволяет  своевременно реагировать на их появление, пересчитывая показатели, зависящие  от этих данных.

Контроль корректности и  своевременности — система контролирует корректность предоставляемых исходных данных и формируемых значений показателей, своевременность их поступления  и формирования.

Авторизация и ответственность  — несмотря на то, что один и тот  же показатель может быть использован  для оценки деятельности различных ОИВ, выделяется ответственный ОИВ (федеральный, региональный или муниципальный), к сфере ответственности которого относится данный показатель. Остальные ОИВ, отвечающие за данный показатель результативности, будут выступать в качестве соисполнителей. Для организации такой схемы система имеет гибко настраиваемую систему ролей пользователей, наделяющую отдельных пользователей правами изменять определение показателя, готовить исходные данные, формировать показатель или просматривать и анализировать его значения.

 

Предлагаемый подход

 

Для создания тиражируемой среды мониторинга показателей качества жизни населения региона и результатов деятельности ОИВ, удовлетворяющей перечисленным требованиям, предлагается использовать мультиагентные технологии и базы знаний (онтологии).

 

В основе мультиагентной технологии лежит понятие программного агента — автономного программного объекта, способный анализировать ситуацию, принимать решения, коммуницировать с другими агентами, вести переговоры друг с другом для разрешения возникающих конфликтов и затем информировать систему и пользователя о результатах своих действий. В процессе переговоров и принятия решений программные агенты пользуются знаниями, хранящимися в онтологии.

 

Онтология — компьютерная форма представления знаний о  предметной области в виде семантической  сети, где в качестве главных концептов  выступают объекты с их атрибутами, отношения между объектами, сценарии (алгоритмы) функционирования объектов. Создание и использование онтологий  позволяет отделить знания и логику принятия решений от программного кода, предоставляя возможность конечному  пользователю без специальных знаний в области программирования пополнять  и изменять знания системы, а также  проводить изменения без прерывания работы системы.