Файл: тарасов.pdf

виде четырех ножек, мягкого сиденья и спинки, сделанных из дерева). Используя термины Аристотеля, можно было бы сравнить паттерн с родовой формой, организацию – с индивидуальной формой и материей. Пытаясь дать определение жизни, авторы теории аутопоэза имеют в виду в первую очередь определение паттерна всех живых систем. Предполагается тем самым, что у всех форм жизни один паттерн и разные организации. Сформулировать необходимый и достаточный признак жизни означает в точности выразить паттерн только живых систем.

В качестве критерия жизни авторы предлагают рассмотреть так называемые аутопоэтические системы. Система может быть названа аутопоэтической если только если для нее выполнены следующие пять условий:

1.Система представляет собою сеть взаимодействий на некотором множестве элементов. Под сетевой структурой здесь имеется в виду особый паттерн организации, в котором каждый элемент влияет на каждый (в смысле причинно-следственных отношений).

2.В качестве элементов сети выступают процессы.

3.Это физические процессы.

4.Это процессы воспроизводства системы, т.е. результатом этих процессов является постоянное восстановление и возможное изменение системы.

5.Граница сети – также один из элементов сети, т.е. она находится в сетевом взаимодействии со всеми

остальными элементами (это условие было добавлено авторами, чтобы отличить аутопоэтические системы от гиперциклов Эйгена[2], для которых верны только первые 4 признака).

Признаки 1-3 и 5 задают так называемую автономную, или операционально замкнутую систему. Такая система только испытывает неспецифическую активацию со стороны внешней среды, определяясь в своем развитии преимущественно внутренними закономерностями. Все причины автономной системы лежат внутри системы. Такая система представляет собою фрагмент реальности, относительно изолированный от окружающей среды по каузальной структуре. Внешняя среда не может извне определить автономную систему, прорвать ее каузальную непроницаемость – вот пожалуй тот главный смысл, который несет в себе идея аутопоэза.

Понятие операциональной замкнутости вполне совместимо с понятием термодинамической открытости живой системы. В случае автономности речь идет о причинно-следственных связях, в то время как термодинамическая открытость рассматривает проблемы обмена энергией и веществом с окружающей средой. Автономная система вполне может определяться к эволюции только внутренними причинами, в то же время активно обмениваясь со средой энергией и веществом. Аутопоэтическая система – автономная система на физических процессах. Обратно, если нас не интересует природа процессов, и мы допускаем возможность системы с признаками 1-3 и 5 на нефизических процессах, то это случай автономной системы. Таким образом, физичность процессов – важный, с точки зрения авторов, признак аутопоэтической системы. Типичным примером простейшей естественной аутопоэтической системы является живая клетка. Все физико-химические процессы в ней находятся в сложных сетевых взаимодействиях (например, ДНК определяет структуру ферментов, которые осуществляют и регулируют в том числе процессы редупликации ДНК), в результате протекания этих процессов клетка постоянно воспроизводится, наконец мембрана клетки (граница сети) активно взаимодействует с остальными клеточными процессами. Интересно, что рассмотрение клетки в качестве аутопоэтической системы приводит, в частности, к тому выводу, что геном клетки не может только определять все остальные процессы, не испытывая одновременно влияния с их стороны. Единственным полным детерминантом аутопоэтической сети является только сама сеть.

2.Что такое «лингвистическая модель суждений агента? Что такое нечеткие множества и отображения и для чего они служат в теории агентов? В чем состоят связи и отличия между мерой возможности и вероятностной мерой?

Одной из главных характеристик человеческого интеллекта является широкое использование богатых возможностей естественного языка для описания сложных объектов и отношений. Формальной моделью, наиболее приближенной к ограниченному естественному языку и открывающей возможности вычислении со словами, является лингвистическая переменная Заде. По сути дела, лингвистическая переменная уже позволяет отобразить использование базовой триады “понятие — значение — смысл” в процессах вербальной коммуникации.

Лингвистической переменной называется переменная, значениями которой могут быть не только числа, но и слова, и словосочетания какого-либо естественного или искусственного языка. Ее можно представить пятеркой LV = (L,Т,Х, G,М), где L — название переменной; Т — терм-множество (совокупность ее лингвистических значений); Х — универсальное множество; G — множество синтаксических правил (грамматика), позволяющее из простых атомарных термов строить составные термы, G: Т Т*, Т* есть

расширенное терм-множество; М — множество семантических правил, задающее отношение полиморфизма (соответствия типа “один-ко-многим”) между Т и U

Наиболее известным случаем классической меры является нормальная мера или вероятностная мера А.Н.Колмогорова P: 2X [0,1], которая удовлетворяет следующим условиям:

1) P( ) = 0, P(Х) =1 (ограниченность)

2)А,В 2X, А В P(A) P(B) (монотонность)

3)А,В 2X, А В= P(A B)=P(А)+P(В) (аддитивность)

В общем случае, берется -алгебра множеств, 2X и аксиома аддитивности записывается в форме Аi ,Аi = P ( Аi) = P(Аi). С вероятностной мерой связана статистика средних значений. Пусть x0 есть заданный элемент в X. Частным случаем вероятностной меры является примитивный класс мер Дирака mD, определяемый соотношением: А 2X, 1, если x0 A и mD (А) = 0 в противном случае.

Мера Дирака есть частный случай вероятностной меры, соответствующий детерминированной сингулярной информации (мера полной уверенности).

Экзаменационный билет №17

1.Приведите примеры формальных моделей многоагентных систем. Чем отличаются системы распределенного ИИ от систем децентрализованного ИИ? Приведите примеры (книжка Тарасова, с 131)

Для формального определения МАС можно взять за основу понятие алгебраической системы по А. И.

носителем или основой системы, П— множество предикатов, — множество операций [Мальцев, 1970].

Очевидно, что система может быть многоосновной, и в этом случае = (). Например, многоагентная система обычно включает как множество агентов, так и множество объектов, что может быть записано в виде Х = (А, О).

Когда X = A, и с учётом того, что МАС представляет собой открытую систему, ее в простейшем случае можно выразить как MAS = (A,E,R,ORG), Где А – множество агентов; E = {e} – среда, в которой находится данная МАС; R – множество взаимодействий между агентами (например, коммуникативные акты, аукционы и т.п.); ORG – множество базовых организационных структур, соответствующих конкретным функциям (ролям) агентов и установившимся отношениям между ними.

Вариант описания МАС с акцентом на ее действия MAS = (А, АСТ, , L), где А — множество агентов;

АСТ — конечное множество действий в МАС; — множество действий агента , L — подмножество расширенного множества АСТ*, которое описывает поведение всей МАС.

Более общее определение эволюционной многоагентной системы (ЭМАС): EMAS = (А, Е, R, АСТ, Р, ST, ЕV), где А = {1,..., n} — множество неоднородных агентов различных типов srt; Е — множество сред, в которых функционируют агенты; R — семейство базовых отношений между агентами; АСТ — множество действий агентов; Р — множество коммуникативных актов, образующих протокол коммуникации в МАС; ST— множество состояний МАС (задающих ее текущую организационную структуру); ЕV — множество эволюционных стратегий.

В свою очередь, МАС, понимаемая как социальный (коллективный) агент, определяется: SA = (ST, L, АСТ, SL, Т), где ST — множество состояний; L — множество языков; АСТ — множество действий; SL –

множество социальных законов, причем ограничение задается парой (act,), а социальный закон sl есть множество ограничений (),; T — обобщенная функция переходов,

то ; б) для любых , если ,

то .

Другой возможный вариант описания агентов и МАС предложен К. Цетнаровичем. Он опирается на идею трехступенчатого определения основных понятий, например, а — агент, А— множество (конфигурация)

агентов, , — множество всех конфигураций агентов, . Далее вводятся g — тип агентов, G —

множество возможных типов агентов, , Е — пространство системы, — множество всех пространств

МАС, . Затем исходная МАС задается парой MAS = (), а соответствующая среда — тройкой W = (E,А, С), где С — взаимосвязь между агентами А и пространством Е. При этом еще рассматриваются понятия ресурса МАС r, множества (конфигурации) ресурсов R и множества всех возможных конфигураций

ресурсов в МАС , а также топологии жизненного пространства Т (множества мест t Т, где агенты могут жить и работать) и множества всех возможных топологий .

Тогда общая структура жизненного пространства агентов Е характеризуется парой E=(R,Т). В результате агент а типа g определяется набором а = (М, Q, STR, I, Х, L, m, q, str), где m — модель среды агента; М —

множество моделей среды, m М; q — цель агента, определенная как отображение q: М М , R — множество действительных чисел; Q — множество (конфигурация) целей агента, q Е Q; str — стратегия агента, str: М М; STR — множество (конфигурация) стратегий, str: MM; STR; — наблюдения агента; Х

— операция выполнения стратегии агента; L — операция адаптации (обучения) агента.

Наконец, МАС интерпретируется как искусственный рой (swarm), построенный из мобильных, реактивных агентов, которые способны локально взаимодействовать друг с другом и коллективно решать различные задачи, действуя параллельно.

Искусственный рой определяется набором SW = (А, ST, Ч, Х, u, f, g, ), где А — множество агентов; ST

— множество состояний агентов; V — множество векторов скоростей перемещения агентов; ; f —

; — функция перемещения, : Х V Х; u — функция соседства, u: А

.

2.Что такое горизонтальные и вертикальные архитектуры агентов? Нарисуйте архитектуры агентов на основе нейронных сетей и классификаторов.

А. Архитектура на основе продукционной системы

Одной из наиболее популярных архитектур первого класса является архитектура агента на базе продукционной системы, которая задается набором правил вида: если “список условий”, то “список действий”, где список условий связан с элементами из базы фактов, а список действий содержит элементарные действия, например, добавить или исключить элементы из базы фактов.

Каждый интеллектуальный агент выражается в виде продукционной системы, снабженной функциями интерпретации и выполнения. Отличие агента от обычной экспертной системы состоит в следующем. С одной стороны, речь идет о системе “агент-среда”, когда необходимыми условиями реализации агентом некоторого поведения выступают специальные устройства, непосредственно воспринимающие воздействия внешней среды (рецепторы) и исполнительные органы, воздействующие на среду (эффекторы). Функция восприятия (рецепторы агента) обеспечивает ввод текущей информации или сообщений в базу фактов в ходе функционирования машины вывода, так чтобы их можно было непосредственно учитывать в базе правил. С другой стороны, в архитектуре интеллектуального агента должны явно или неявно присутствовать еще два модуля: а) модуль коммуникации, содержащий описание протоколов коммуникации (в частности, переговоров) агента с другими агентами; б) модель формирования целей и ситуативных оценок, который формирует ядро простейшей интенциональной подсистемы.

Б. Системы на основе классификаторов

Системы на базе классификаторов (classillers), предложенные Дж. Холландом, представляют собой особый случай систем, основанных на правилах. Здесь факты, называемые также сообщениями, являются векторами фиксированного размера (обычно берется бинарный алфавит из нулей и единиц), а правила, именуемые классификаторами, являются парами векторов чисел, к которым также присоединяется неизвестное число #, называемое “джокером”. Правила снабжены весовыми коэффициентами, соответствующими вероятностям их запуска.

Информация, поступающая из среды, кодируется системой восприятия в виде множества фактов. Правила применяются к этим фактам и производят новые факты, которые могут, в свою очередь, запустить новые классификаторы или воздействовать на среду посредством исполнительной подсистемы.

Системы на базе классификаторов отличаются от обычных продукционных систем наличием двух специальных механизмов: а) системы вознаграждения; б) системы воспроизведения правил на основе генетических алгоритмов. Система вознаграждения отмечает правила, которые привели к “удачному действию”, т.е. действию, позволившему достигнуть поставленной цели. В этом случае весовые коэффициенты правил увеличиваются (а, в противном случае, уменьшаются). Вначале запускаются правила, которые имеют большие весовые коэффициенты. Помимо этого, возможно производство новых правил на

основе имеющихся правил с наибольшими весами с помощью генетических операторов мутации, скрещивания и др. Подобные системы классификаторов обычно используются в основном для реализации адаптивного поведения, например, поведения аниматов в динамической среде.

В. Архитектура с иерархической базой знаний

Она включает в себя несколько уровней представления знаний, рабочую память, модуль управления коммуникацией и человеко-машинный интерфейс. Для успешного выполнения своих задач агент должен иметь возможность осуществлять как интеллектуальное поведение

(выбор планов, декомпозиция проблемы и распределение задач) так и реактивное поведение (своевременно реагировать на появление новой информации, изменения в существующих данных и т.д.). В разработанной архитектуре интеллектуальное поведение обеспечивается сочетанием правил принятия решения для выбора планов, осуществления декомпозиции и распределения задач с правилами кооперации для формулирования обязательств. Реактивное поведение обеспечивается уровнем контроля, который реагирует на различные изменения в рабочей памяти (такие как доставка результатов, появление новых целей или сообщений об изменениях в существующих данных, целях, обязательствах и задачах).

Укажем три уровня знаний, играющих ключевую роль в архитектуре агента:

•Знания предметной области (domain knowledge), например, об организации и управлении предприятием.

•Знания о взаимодействии (tnterface knowledge), которые выступают в форме общих декларативных правил поведения, а также правил пополнения '' и модификации знаний предметной области. Правила взаимодействия представляют собой основу архитектуры агента и подразделяются на: а) правила принятия решения в условиях неопределенности; б) правила управления кооперацией агентов.

•Управляющие знания (control knowledge) — знания, применяющие знания взаимодействия к знаниям предметной области для пополнения и изменения рабочей памяти.

Рабочая память предназначена для хранения временных данных, полученных от уровня управления, пользователя или модуля управления коммуникациями. Так, в рабочей памяти содержится информация о целях, информация о текущих задачах, информация о завершившихся задачах, входящие и исходящие сообщения и текущие обязательства. Рабочая память функционирует по принципу глобальной доски объявлений.

Модуль управления коммуникациями осуществляет составление и отправку сообщений, посылаемых другим агентам. Сообщения составляются из коммуникационных примитивов, получаемых с помощью правил управления задачами и правил кооперации. Каждый примитив характеризуется своим типом и содержанием. Модуль управления коммуникациями также занимается получением подтверждений о доставленных сообщениях.

Человеко-машинный интерфейс определяет способы взаимодействия между системой и пользователем. Здесь компьютер способен осуществлять различные функции (принятие решения, управление задачами, кооперация), но не является полностью автономным. В общем случае, агент сообщает пользователю результаты своей работы, и пользователь должен подтвердить их, прежде чем они вступят в силу и будут переданы другим агентам.

В горизонтально организованной архитектуре, все уровни агента связаны с уровнем восприятия и действий (иными словами, все уровни могут общаться между собой).

Варианты такой архитектуры приведены на рис. 3.19 и 3.20а. Напротив, в вертикально организованной архитектуре только один из уровней агента связан с уровнем восприятия и действий, а каждый из остальных уровней взаимодействует только с парой смежных с ним уровней.