Интеллектуальные агенты. 
Интеллектуальные системы и технологии

В этой главе агент рассматривается как автономная программа, которая обеспечивает восприятие внешней информации о среде и самостоятельное принятие решений о действиях в ней в соответствии с поставленными целями. Интеллектуальный агент должен иметь способность к выводу с использованием знаний, планированию и гибким действиям для достижения поставленных целей.

Здесь под гибкостью подразумеваются:

• • реактивность — способность ощущать свое окружение и адекватно отвечать на изменения, которые в нем происходят;
• • проактивность — способность проявлять целенаправленное поведение и инициативу для достижения поставленных задач;
• • социальность — способность к общественной деятельности: интеллектуальные агенты способны взаимодействовать с другими агентами (и возможно людьми) для достижения поставленных задач.

В этом параграфе обсуждается вопрос принятия решения для индивидуального интеллектуального агента в окружении, которое может быть динамическим, непредсказуемым, неопределенным, но не содержит других агентов.

Можно формализовать рассмотренное понятие агента в виде некоторой абстрактной модели [4]. Предположим, что состояние окружающий среды может быть охарактеризовано как набор S = {s_t, s₂, …} состояний среды. Предположим также, что в каждый данный момент среда находится в одном из этих состояний. Способность агента к действию может быть представлена как набор А = {a_t, а₂,…} действий.

Тогда абстрактно агент может быть описан функцией.

которая отображает последовательность состояний среды на действия. Такой агент решает, какое действие выполнить на основе своей истории, т. е. собственном опыте, накопленном к текущему моменту. Этот опыт представлен как последовательность состояний окружения, в которых агент успел побывать.

Недетерминированная среда может быть смоделирована функцией.

которая принимает текущее состояние среды s с S и действие a (Z А (выполняемое агентом) и отображает их на набор состояний среды env (s, а), которые являются результатом выполнения действия а в состоянии s. Если все наборы в диапазоне env являются однозначными (например, если результат выполнения действия в любом состоянии единственен), тогда среда детерминирована и ее поведение может быть точно предсказано.

Можно представить взаимодействия агента со средой как последовательность пар «состояние — действие», определяющую историю /г, т. е.

где 5₀ — исходное состояние среды (например, когда агент начинает выполнение); а_и при взаимодействии локальных решателей — действие, которое выбрал для выполнения агент в состоянии s_u (которое само является возможным результатом выполнение действия а_и-_Х в состоянии 5_w_j).

Если действия агента action-. S* —> A, a env S х A—>@(S) определяет среду и s₀ — начальное состояние среды, тогда указанная последовательность будет представлять собой возможную историю агента в этой среде, если выполняются два следующих условия:

Поведение агента action: 5*->Лв окружении env. S х A—>fc>(S) — это набор всех историй, которые удовлетворяют этим свойствам. Если некоторое свойство ср заключает в себе все эти истории, то оно может считаться инвариантным свойством агента в данной среде. Например, если агент является регулятором атомного реактора (т.е. окружением является атомный реактор) и все возможные истории включают пары «регулятор — реактор», при которых реактор не взрывается, то это может считаться инвариантным (желаемым) свойством.

Можно обозначить набор всех историй агента в среде как hist (agent, environment). Два агента ag и ag2 считаются идентичными по поведению в данной среде env, если hist (agl, env) = hist (ag2, env) и просто эквивалентными, если они идентичны по поведению в любой среде.

Реактивные агенты решают, что им делать в настоящий момент, без ссылки на прошлое. Такие агенты просто реагируют на окружающую обстановку. Формально поведение реактивного агента может быть представлено функцией

Агент на абстрактном уровне достаточно прост для анализа. Однако это не помогает конструировать агентов, поскольку не дает информации о структуре функции действия. По этой причине следует уточнить абстрактную модель агентов, разбивая ее на подсистемы.

Первое уточнение связано с разделением функции принятия решения агента на восприятие и действие. Введем функцию see, которая определяет способность агента наблюдать за своим окружением, тогда как функция action представляет собой процесс принятия решения агентом, бее-функция может быть реализована аппаратно, в случае если агент находится в физическом мире: например, это может быть видеокамера или инфракрасный сенсор на мобильном роботе. Для программного агента сенсорами могут быть системные команды, которые предоставляют информацию о программном окружении. Выходом функции see является percept (восприятие, ощущение) — входное восприятие.

Пусть Я будет набор результатов восприятия. Тогда функция see имеет вид.

т.е. связывает состояния окружающей среды и восприятия. Тогда функцию action можно записать как.

т.е. связать последовательность восприятий и действия.

Агенты на логике соответствуют традиционному подходу к построению интеллектуальных систем, который предполагает, что интеллектуальное поведение может быть выработано в системе на основе символьного представления среды и желаемого поведения системы. В классическом варианте эти символьные представления реализуются логическими формулами, а для вывода используются логическая дедукция и методы доказательства теорем.

При доказательстве теорем должна быть построена логическая теория, которая объясняет, как интеллектуальный агент должен себя вести. Эта теория может объяснять, например, как агент вырабатывает цели, удовлетворяющие его назначение, и как он разделяет целенаправленное и реактивное поведения для достижения этих целей. Такая теория дает символьное описание предполагаемого поведения агента. Традиционный подход к реализации системы, которая удовлетворяет этому описанию, включает уточнение этого описания через последовательную конкретизацию состояний до тех пор, пока окончательная цель не будет достигнута. Однако при использовании методов доказательства теорем такого уточнения не происходит. Вместо этого логическая теория рассматривается как выполняемая спецификация, которая прямо выполняется при формировании поведения агента.

Рассмотрим, как можно построить некоторую абсупрактную модель агента на логике. Пусть L обозначает набор формул логики первого порядка и пусть D = fc>(L) будет набором баз данных L, т. е. набор наборов L-формул. Тогда внутреннее состояние агента представляет собой элемент D. Определим А1, Д2, … как элементы D. Внутреннее состояние агента в этом случае просто определяется элементом набора D. Тогда процесс принятия решения агентом может моделироваться через набор правил дедукции р, которые являются простыми правилами логического вывода. Введем описание Д^р-'Ф, если логическая формула ф может быть доказана через базу данных Д с изпользованием только правила дедукции р.

Введем в абстрактную модель агента функцию восприятия, выходом которой будет набор воспринимаемых на входе агента сигналов Р в разных состояниях из набора S, т. е.

Введем также функцию next, которая отображает базу данных D и восприятие Р на новую базу данных Д т. е.

Тогда функция выбора действия агента должна определять действия А в соответствии с новой базой данных Д т. е.

Определение этой функции должно быть дано в терминах правил дедукции. В псевдокоде оно будет выглядеть следующим образом:

• 1. function action (Д: D): A
• 2. begin
• 3. for each aeA do
• 4.
• 5.
• 6.
• 7.
• 8. 9.
• 10
• 11

if Д <-«_p Do (a) then return a.

end-if.

end-for.

for each aeA do.

if Д—i <-*_p -iDo (a) then return a.

end-if.

• 12. end-for
• 13. return null
• 14. end function action

Здесь дедуктивные правила и база данных агента должны быть представлены таким образом, что если формула Do (a) может быть выведена, где а является термом, определяющим действие, то а — лучшее действие для выполнения. Это реализуется в первой части описания функции (строки 3—7), где агент последовательно перебирает все возможные действия а и пробует доказать формулу Do (a) из своей базы данных (переданной как параметр данной функции), используя дедуктивные привила р (это обозначено как, А Если агенту удается доказать формулу Do (a), то а возвращается как действие для выполнения. Если агент не сможет доказать Do (a) для всех действий а е А, он пытается найти действие, которое не противоречит правилам и базе данных, т. е. то, которое не запрещено явно. Это реализуется в строках 8—12, где агент пытается найти действие а е А такое, чтоiDo (a) не может быть выведено из его базы данных посредством правил р (это обозначено как А^-1 _р). Если он сможет найти такое действие, тогда оно возвращается как действие для выполнения. Если все же агент не смог найти действие, функция возвращает специальное действие null (нет действия).

Таким образом, поведение агента определяется посредством дедуктивных правил, содержащихся в его программе, и его БД, представляющей собой информацию, которую агент имеет о среде. В качестве примера, демонстрирующего устройство и работу агента на логике, можно рассмотреть предикатный вариант системы управления роботом-уборщиком, описанный в параграфе 6.1.

Более сложные логические агенты для работы в динамических средах должны иметь средства планирования и перепланирования действий в процессе работы. Такие агенты могут быть названы делиберативпыми. Они должны иметь локальные и разделяемые базы знаний, содержащие наборы допустимых действий, индивидуальных планов и сценариев коллективной работы. Заготовленные планы и сценарии могут быстро выбираться из базы знаний при изменяющихся ситуациях в среде.