Мультиагентные технологии — новый способ решения сложных задач, использующий принципы самоорганизации и эволюции, присущие живым системам.
Суть мультиагентных технологий заключается в принципиально новом методе решения сложных задач, которые не решаются или трудно решаются классическими математическими методами.
В отличие от классического способа решения задачи, когда проводится комбинаторный поиск вариантов решения по чётко определенному (детерминированному) алгоритму, позволяющего найти наилучшее решение проблемы, в мультиагентных технологиях решение задачи получается в ходе самоорганизации множества программных агентов, способных к конкуренции и кооперации, и имеющих собственные критерии, предпочтения и ограничения. Решение считается найденным, когда в ходе своих недетерминированных взаимодействий агенты достигают неулучшаемого консенсуса (временного равновесия или баланса интересов), который и принимается за решение задачи.
Решение задачи в такого рода системах всегда рассматривается как временное «равновесие» (неустойчивое равновесие или устойчивое неравновесие), получаемое как динамический останов системы в случае, когда ни один из агентов более не может улучшить свое состояние, что и свидетельствует о достижении разумного компромисса, баланса интересов или согласия (гармонии) всех участников в решении проблемной ситуации, даже если часть агентов остается не полностью удовлетворена (у них просто нет других лучших вариантов).
Агенты могут действовать как от лица и по поручению человека, так и любых физических и абстрактных сущностей, как это планируется в Интернете вещей, чтобы учесть действие и находить баланс как можно большего числа факторов.
Существует много определений понятия агента, но основные признаки программного агента следующие:
- автономность: обладает автономностью, т.е способен сам ставить и достигать цели;
- реагирует на изменения в среде, принимает решения и их исполняет для достижения цели;
- социальность: проактивно взаимодействует с другими агентами или пользователями
В нашем понимании основные отличия мультиагентных технологий могут быть показаны на схеме ниже:
|
|
В мультиагентной модели каждой сущности реального мира ставится в соответствие программный агент, который представляет интересы данной сущности и может согласовывать свои решения с другими агентами.
Преимущества мультиагентных технологий, позволяющих строить самоорганизующиеся системы, в особенности проявляются в условиях априорной неопределенности и высокой динамики окружающего мира, позволяя строить адаптивные системы, перестраивающие свои планы по событиям в реальном времени.
Так, в классических методах планирования и оптимизации считается, что все заказы и ресурсы заданы наперед и не меняются в ходе решения задачи, а размерность задачи существенно ограничена во избежание комбинаторного взрыва и экспоненциально быстрого замедления решения задачи.
В предлагаемых нами моделях, методах и алгоритмах изначально применяется распределенный подход к решению задачи (Distributed Problem Solving), когда сложная задача разбивается на много малых, а потом путем самоорганизации решаются конфликты между получаемыми решениями. При этом система не ищет единственное глобальное решение, а за счет множества параллельных и асинхронных взаимодействий, быстро находит допустимое рациональное решение, несмотря на наличие множества самых различных и часто противоречивых критериев, причем в задачах любой размерности.
Шаг к искусственному интеллекту: интеллект роя и эмерджентный интеллект
Мы привыкли к тому, что компьютер всегда действует строго по заложенной в него программе, имеющей мало общего с интеллектом человека.
На наш взгляд, интеллект человека строится совершенно по другим принципам, как самоорганизующаяся неравновесная термодинамическая система, что и дает возможность ориентироваться в сложной обстановке, иметь дело с нечетко поставленными задачам, адаптироваться к меняющимся условиям и т.д.
В этом контексте, мультиагентные технологии предлагают новые модели, методы и средства для создания действительно интеллектуальных систем, способных самостоятельно решать сложные задачи в условиях неопределенности и высокой динамики изменений.
Для решения сложных задач управления ресурсами мы предлагаем набор специальных агентов потребностей и возможностей, которые взаимодействуют на виртуальном рынке системы и образуют между собой связи, формируя сеть потребностей и возможностей (ПВ-сеть), которые максимизируют их собственные функции удовлетворенности при заданных функциях бонусов и штрафов.
Построенная так система демонстрирует функции интеллектуального резонатора, позволяющего при определенных условиях даже в случае относительно простых агентов и небольших изменений на входе получать на выходе довольно сложные решения, образующиеся в ходе длинных цепных автокаталитических реакций пересмотров ранее принятых решений.
В этом случае можно говорить о наблюдении феномена «интеллекта роя» (Swarm Intelligence) – как важной альтернативе принятому ныне в искусственном интеллекте (ИИ) классическому пониманию интеллектуальной системы, механически собираемой из таких компонент, как блок индукции и дедукции и т.д.
Действительно ведь умственные возможности одного муравья или пчелы может быть и относительно малы, но действуя вместе, как единый организм, рой пчел или колония муравьев представляют собой мощную силу с высокой степенью интеллекта, позволяющий защищать гнездо от непредвиденных нашествий, постоянно осваивать новые территории, находить пропитание в незнакомой местности и решать многие другие критически важные жизненные задачи в условиях постоянно изменяющихся условий в среде.
Развивать «интеллект роя» можно создавая модели все более сложных командных взаимодействий, включая новые классы агентов и протоколов их переговоров для достижения уступок, обучение из опыта и т.д.
Чем выше интеллект каждого агента и чем богаче возможности такой коммуникации между агентами – тем более сложное и творческое поведение может демонстрировать система.
Такого рода системам, по определению, присуща совершенно другая феноменология, связанная с недетерминированным поведением, явлениями порядка и хаоса, бифуркаций, катастроф и многими другими нелинейностями.
Различного рода классы таких моделей ИИ нового поколения мы будем называть «Эмерджентным интеллектом» (ЭИ), отражая присущую ему природу самоорганизации.
В сравнении с ИИ в ЭИ нет никакого главного блока управления, отвечающего за интеллект системы — напротив, ЭИ рассматривается как временно возникающее свойство самоорганизующейся системы.
Для наблюдателя ЭИ может проявляться как автокаталитическая реакция или цепочка согласованных изменений в системе решений агентами, которая возникает спонтанно, в заранее не известный момент времени, и распространяется в системе как волна согласований (как пожар в лесу или молния в грозу), после чего также неожиданно исчезает, но в момент своего существования определяет работу своих элементов.
В результате ЭИ возникает как бы ниоткуда «из воздуха» — на самом деле за счет потенциальной энергии принятых ранее решений, отражающих накопившиеся неудовлетворенности или неравновесия — но в процессе своего существования определяющим образом «правит» работой всей системы также, как пробка на дороге управляет водителями.
Этот феномен «двойной спирали» в принятии решений известен в теории самоорганизации, где локальные взаимодействия агентов формируют глобальные структуры, которые в свою очередь влияют на поведение образовавших их локальных агентов (принцип Кауфмана).
В развитие данного направления большой вклад внесли Александр Богданов (теория организации), Илья Пригожин (самоорганизация в физических системах), Марвин Минский (психология и теория мышления), Артур Кестлер (биология) и ярд других ученых.
В настоящее время мультиагентные технологии — одно из наиболее динамично развивающихся и перспективных направлений в области информационных технологий, успешно дополняющее такие передовые направления как семантический интернет и онтологии, сетецентрические системы, Интернет вещей и другие.
По оценкам всемирно известной компании Gartner рынка информационных технологий к 2020 году мультиагентные технологии будут служить основой для более чем 40% всех мобильных приложений.
Перспективные области применения мультиагентных технологий:
В настоящее время выделяются следующие перспективные области применения мультиагентных технологий:
- Промышленность
- Транспорт
- Энергетика
- Цепочки поставок
- Электронная коммерция
- Интеллектуальный поиск товаров и услуг в сети Интернет
- Направленная реклама и маркетинг
- Военное дело
- Здравоохранение
- Строительство
- Связь
В этих областях могут решаться следующие сложные задачи:
- Управление ресурсами
- Конструирование сложных изделий
- Проектирование
- Мониторинг и контроль
- Распознавание образов
- Понимание текстов
- Извлечение знаний
Важные перспективы технологии связываются с развитием Интернета вещей и повсеместных вычислений.
Результаты применения мультиагентных технологий:
Разработка интеллектуальных систем на основе мультиагентных технологий позволяет добиваться результатов:
- Решаются сложные задачи, которые ранее не могли быть автоматизированы;
- Результаты решения дают качество, сопоставимое с решением человеком;
- Начальное решение строится эффективно (линейно или полиномиально);
- Изменения в постановке задачи приводят лишь к адаптации решения «на лету»;
- Поддерживается работа по событиям в режиме реального времени;
- Обеспечивается возможность решения задачи в диалоге с пользователем;
- Вычисления могут быть легко распараллелены для решения сверх сложных задач.
В результате, мультиагентные технологии позволяют строить интеллектуальные системы нового поколения, отличающиеся высокой открытостью, гибкостью и эффективностью, производительностью, масштабируемостью, надежностью и живучестью.