Cтраница 3
Ради выполнения этих функций, собственно, и создаются многоагентные системы СГШР. Каждая такая функция является составляющей в выработке решения. При этом она должна отражать предпочтения руководителя. Так, в системах поддержки принятия решений это может быть генерация возможных вариантов решений, их оценка и / или согласование. Эти функции могут быть реализованы различными алгоритмами генерации, согласования и выбора решений в соответствии с предпочтениями руководителя. [31]
Мобильные агенты функционируют в многоагентных системах, построенных с использованием методов распределенного искусственного интеллекта. Они характеризуются скоординированным интеллектуальным поведением, обеспечивающим достижение общей цели, стоящей перед многоагентной системой. [32]
Такой жанр книги объясняется несколькими причинами. С одной стороны, монографий с популярным и систематическим изложением основных понятий, идей и моделей теории агентов и многоагентных систем ( MAC) на русском языке до сих пор нет, и автор надеется, что эта книга позволит хоть в какой-то степени восполнить этот пробел. Проблематика искусственных агентов, многоагентных систем и интеллектуальных организаций требует знания основ информатики и искусственного интеллекта, психологии и лингвистики, социологии и биологии, теории организаций и теории деятельности, теории управления, теории коммуникации и ряда других научных дисциплин. [33]
Разработка схем интеграции при системном подходе, анализе и синтезе к построению ИИ приводит к возникновению гибридного ( синергетиче-ского) ИИ. Основное здесь - единый, системный подход, который может быть выражен через следующие компоненты триады: агент-многоагентная система ( МАС) - сообщество многоагентных систем. [34]
В целом, можно сделать вывод, что богдановский вариант общей теории систем и организаций заслуживает самого внимательного изучения и осмысления в контексте разработки современных многоагентных систем и технологий. [35]
Выбор метода генерации решений зависит от характера задачи и накопленного в многоагентнои системе опыта. Если требуется выявить структуру причинных связей между элементами системы, элементами сложного объекта, составляющими проблемы и т.п. и оценить последствия, происходящие под влиянием воздействия на эти элементы или изменения характера связей, то многоагентная система поддержки принятия решений может предложить использовать метод когнитивных карт. [36]
В ней автор стремился рассказать в достаточно простой и понятной форме, доступной для представителей самых различных областей знания и профессий, что же такое науки об искусственном, и в чем состоит суть происходящей ныне революции в ИИ, как строятся различные искусственные агенты, многоагентные системы, интеллектуальные организации, и почему при их разработке все большую роль начинают играть междисциплинарные исследования, требующие развития синергетической методологии науки. [37]
С 1964 г. в Московском энергетическом институте в течение многих лет плодотворно работай научный семинар по психонике, в рамках которого активно обсуждались идеи ситуационного управления и моделирования поведения, информационно-логических языков для развитых поисковых систем и многослойных перцептронов, а также был предложен ряд моделей, которые смело можно отнести к предшественникам теории агентов и многоагентных систем. [38]
Такой жанр книги объясняется несколькими причинами. С одной стороны, монографий с популярным и систематическим изложением основных понятий, идей и моделей теории агентов и многоагентных систем ( MAC) на русском языке до сих пор нет, и автор надеется, что эта книга позволит хоть в какой-то степени восполнить этот пробел. Проблематика искусственных агентов, многоагентных систем и интеллектуальных организаций требует знания основ информатики и искусственного интеллекта, психологии и лингвистики, социологии и биологии, теории организаций и теории деятельности, теории управления, теории коммуникации и ряда других научных дисциплин. [39]
Она требует распределенной системы управления, в которой существует большое число локальных подсистем управления, принимающих самостоятельные решения на основе знаний и механизмов логического вывода. Данные подсистемы образуют некоторое сообщество, в котором они объединяются общими целями и используют общее множество ограниченных ресурсов для достижения этих целей. Все это способствует возникновению и развитию многоагентных систем и интеллектуальных организаций. [40]
Вопросам построения гибридных систем, включающих подсистемы эволюционного моделирования, блоки оптимизации, взаимодействующие с имитационными моделями, экспертными системами и другими системами поддержки принятия решений, посвящена пятая глава. Создание имитационных моделей выступает здесь как одно из направлений развития подходов интеллектуального имитационного моделирования. В данной главе описаны подходы и модели многоагентных систем, различного уровня интеллектуальности и их дальнейшая эволюционная форма - модели искусственной жизни. Как примеры гибридных систем с эволюцией приводятся моделирование развития популяции простейших автоматов и многомодельные системы. [41]
Пейперта, бум вокруг которых вновь возник в конце 80 - х годов в связи с появлением нейрокомпьютеров и развитием интегрированных подходов в ИИ. Похожая вещь произошла недавно с ситуационным управлением и семиотическим моделированием - научным направлением, сформировавшимся в конце 60 - х годов в отечественной школе Д.А.Поспелова, которое пережив в середине 90 - х годов новое рождение под именем Прикладная семиотика, вызвало широкий международный резонанс в научном мире. Автор верит, что на новом витке развития ИИ, в русле продвижения от многоагентных систем к интеллектуальным организациям, возродятся, получат широкое распространение и найдут применение многие блестящие модели психики и интеллекта, формирования индивидуального и коллективного поведения, самоорганизации деятельности, познания и общения, разработанные в недрах различных наук. И будут выращены зерна новых междисциплинарных научных знаний, будут открыты новые технологии. [42]
Безусловно, наш краткий экскурс в предысторию теории агентов и агент-но-ориентированного подхода в информатике и ИИ является фрагментарным и не претендует на полноту. За кадром остались многие другие работы, например, проводимые на стыке робототехники и ИИ, математической лингвистики и ИИ. Однако, наша цель состоит здесь не в том, чтобы дать полный обзор ранних работ по многоагентным системам. Она значительно скромнее и сводится к выборочному анализу и установлению ряда вех, позволяющих перебросить концептуальный мостик от классических интеллектуальных систем к агентам, распределенному искусственному интеллекту, коллективному интеллекту и многоагентным технологиям в целом. [43]
Результатом естественного развития системного подхода в ИИ является зарождение нового интеграционистского направления - синергетического ИИ. Объектом синергетического ИИ выступают сложные, самоорганизующиеся интеллектуальные системы. Область синергетического ИИ включает, в первую очередь, исследования процессов зарождения, формирования, деятельности, коммуникации, эволюции и кооперации сложных, открытых интеллектуальных систем различных классов, Примерами сложных интеллектуальных систем служат: гибридные интеллектуальные системы, системы мягких вычислений, системы с кооперативным поведением, интеллектуальные агенты, распределенные системы управления, многоагентные системы, виртуальные коллективы, интеллектуальные организации, эволюционирующие искусственные сообщества. В синергетическом ИИ прежде всего изучаются нестационарные состояния, динамика, взаимные переходы, способы разрушения и создания сложных интеллектуальных систем. Это направление призвано обеспечить необходимые теоретические предпосылки для объединения интеллектуальных систем, формирования искусственных коллективов и сообществ, построения, а также исследования виртуальных популяций и эволюционных организаций. [44]
Идеи и положения регулятивного подхода находят свое применение в контексте агентификации искусственных систем, когда все большую роль начинает играть моделирование мотивов, убеждений, намерений, желаний, интуиции и ряда других компонентов психики, относящихся к потребностно-мотивациотюй и аффективно-чувственным сферам. Методология структурно-уровневого подхода, а также работы по функциональной организации когнитивных процессов представляют большой интерес в контексте синтеза архитектур интеллектуальных агентов. Элементы триархической теории, основанные на метафору управления государством, предполагают выделение соответствующих функций ( законодательная, исполнительная, оценочная), уровней ( глобальный и локальный), форм ( монархическая, анархическая, иерархическая, олигархическая), сфер ( внутренняя, внешняя), ориентации ( консервативная, прогрессивная) интеллекта. Данный подход напрямую соотносится с такой актуальной проблематикой информатики и ИИ как проектирование многоагентных систем и разработка интеллектуальных организаций. [45]