Некоторые исторические вехи в развитии агентно-ориентированного подхода

Предыстория теории агентов связана в первую очередь с описанием реактивных агентов в контексте проблематики искусственной жизни, которая восходит к работам У. Питтса и У. МакКаллока по формальным нейронам, Дж. фон Неймана по самовоспроизводящимся автоматам, А. Н. Колмогорова по теории сложности, У. фон Форстера по теории самоорганизации, У. Эшби по гомеостазису, Г. Уолтера по реактивным роботам, Дж. Холланда по генетическим алгоритмам. Особое место в этом ряду занимает школа коллективного поведения автоматов М. Л. Цетлина [32,33]. В работах этой школы [32,11,22] впервые в мире был поставлен вопрос о возможности моделирования целесообразного поведения в стационарной среде при рассмотрении коллектива реактивных агентов минимальной сложности. Как показал М. Л. Цетлин, если среда является стационарной и вероятностной (реакции среды на действия агента выдаются с неизменным для каждого действия распределением), то для организации целесообразного взаимодействия со средой достаточно иметь в качестве агента конечный автомат определенной структуры. Расширение адаптивности агентов достигалось за счет перехода к автоматам переменной структуры. Это решение обеспечивало лишь некоторый, весьма невысокий уровень целесообразности, величина которого зависела от свойств среды. Следовательно, классические модели коллективного поведения автоматов — это предельный случай описания реактивных агентов, которые обладают минимальной автономностью и целеполаганием, поскольку их поведение корректируется из некоторого центрального устройства управления, входящего в структуру среды.

Дальнейшее развитие этого направления связано с разработкой элементов теории локально организованных систем [23]. Подробнее о работах школы коллективного поведения можно узнать из книг [4,5]; сопоставление тенденций развития этого направления с некоторыми результатами теории МАС проведено В. Л. Стефанюком в работе [24].

Помимо школы коллективного поведения простейших реактивных агентов, в 60-е — 70-е годы в СССР сформировались еще две мощные «поведенческие» школы моделирования интеллектуальных агентов и их свойств — школа рефлексивного поведения В. А. Лефевра [12] и школа нормативного социального поведения Д. А. Поспелова [18,19]. В частности, было предложено описание действий (поведенческих актов) автономных агентов фреймами поступков, представляющих собой пары взвешенных графов специального вида («замысел — реализация»). В этой модели уже принимаются во внимание такие ментальные характеристики и социальные факторы как потребности, мотивы, намерения, ожидаемые оценки, нормы.

В США одним из первых ученых, предложившим распространить психические процессы (или ментальные свойства) на искусственные объекты, рассматриваемые в ИИ, и трактовать ментальную сферу как следствие взаимодействия между активными объектами стал М. Минский [108]. Им описан ряд механизмов возникновения интеллектуального поведения в результате конфликтов и сотрудничества между простейшими вычислительными единицами, которые он называет агентами. Каждый из этих агентов «отвечает» за то или иное ментальное свойство, причем их взаимодействие происходит спонтанно, без участия какого-либо управляющего агента. Отсюда М. Минский сделал важное заключение о том, что функционирование психики связано не столько с реализацией множества выводов над символьными конструкциями, сколько с принципами самоорганизации при взаимодействии автономных процессов.

Идеи М. Минского оказали серьезное влияние на многих исследователей в области МАС, особенно на Р. Брукса и П.Маэс.

Пожалуй, наибольшую роль в становлении РИИ сыграли пионерские работы К. Хьюитта в области открытых систем и теории акторов [87,88]. Так в начале 70-х годов, разработав систему PLANNER, предназначенную для доказательства теорем, К. Хьюитт раскрыл важнейшую роль процессов коммуникации и управления в организации и понимании рассуждений. Отойдя от рассмотрения управления как последовательности актов выбора, он ввел вариант распределенной системы, в которой структуры управления трактовались как «паттерны прохождения сообщений» (patterns of message passing), циркулирующих между активными объектами, названными им акторами. В результате, была предложена и реализована концепция разработки программ как сообществ специалистов, совместно решающих задачу в процессе коммуникации путем обмена сообщениями. При этом процесс решения задачи группой экспертов был им рассмотрен как столкновение различных точек зрения. В итоге родилось семейство языков акторов, которые стали первым средством реализации МАС, когда коммуникация осуществляется путем посылки асинхронных сообщений.

Затем новаторские идеи К. Хьюитта получили свое развитие главным образом в области совмещенного программирования (concurrent programming) [35,105,139], а также в контексте семантики открытых систем [88].

Первые практические разработки по МАС, посвященные в основном проблематике РИИ и интеллектуальных агентов, относятся к 70-м годам и связаны с именами В. Лессера и сотр. [69,98], К. Хьюитта [87] и Д. Лената [97]. С одной стороны, работы В. Лессера, Ф. Хэйес-Рота, Л. Эрмана и др. с системой HEARSAY II привели к созданию архитектуры «доски объявлений» и легли в основу многих дальнейших разработок по организации коммуникации между агентами. Исследуя проблематику автоматического понимания речи, эти авторы воспользовались метафорой «доски объявлений», основываясь на простой идее, что решение любой проблемы требует заранее не запланированных обращений к специалистам (источникам знаний), когда структура управления процессом коммуникации предварительно не определена. При этом деятельность источников знаний связана с доставкой, модификацией и извлечением объектов с доски объявлений, т. е. из зоны совместной работы в базе данных, где модель предметной области структурирована как пространство гипотез и решений. Специальное управляющее устройство разрешает конфликты доступа к доске объявлений, возникающие между агентами и неявно организует их совместную работу.

Примерно в это же время, У. Корнфелд и К. Хьюитт [94,95], работая над системой ETHER, разработали схожий подход к совместному решению задач, исходящий из метафоры научных сообществ. В рамках их модели РИИ, демоны, весьма похожие на источников знаний, доставляют факты, гипотезы и доказательства в общую область, аналогичную доске объявлений. Отличие от рассмотренной выше модели [69] состоит прежде всего в декомпозиции демонов на две категории — экспертов и критиков. Эксперты стремятся доказать справедливость некоторой гипотезы, а критики, наоборот, ищут контрпримеры, чтобы ее опровергнуть. Наконец специальные управляющие агенты распределяют время, отводимое каждому демону.

Второй тип управления взаимодействием агентов был предложен Д. Ленатом [97] и К.Хьюиттом. В середине 70-х годов, Д. Ленат, будущий автор системы EURISCO и инициатор проекта построения больших баз знаний CYC, разработал систему PUPS, в которой была реализована идея решения задачи группой агентов (специалистов), именуемых «beings» («существа»). Эти существа стремятся синтезировать особого специалиста Concept Formation, способного самостоятельно решить задачу. Сами специалисты постоянно меняются в процессе решения задачи и не могут быть отнесены к классическим источникам знаний. Каждый специалист моделируется подобно фрейму множеством пар «атрибут-значение» и может обращаться за сведениями к другим специалистам, не зная их лично. В итоге, Д. Ленат построил демонстрационный прототип системы с взаимодействующими «существами».

В области РИИ трудно переоценить значение модели «договорных сетей» Р. Смита [126], обеспечивающей распределение задач и ресурсов между агентами, которая нашла широкое применение в задачах производственного планирования и управления. Эта модель послужила прообразом для развития многочисленных моделей с механизмами аукционов, которые используются, например, при формировании виртуальных организаций [75] и календарном планировании работ [10].

«Викторианская» эпоха РИИ начинаетcя с построения в 80-х годах таких прикладных систем как: DVMT (Distributed Vehicle Monitoring Test — разработана группой В. Лессера из MIT) [98], MACE — разработана группой Л. Гассера [81] и систем, основанных на моделях договорных сетей [126,57], например, YAMS [20] Так система DVMT предназначена для распознавания ситуаций дорожного движения. В ней агенты должны выработать согласованную точку зрения на конкретную ситуацию дорожного движения, отслеживая положение автомобилей на основе избыточной, противоречивой и зашумленной информации, снимаемой с датчиков. Значение этой работы связано с изучением большого числа относительных конфигураций между датчиками и агентами, рассмотрением проблемы многоагентного планирования исходя из локальных планов, разработкой основ механизма переговоров и кооперации агентов.

Одной из важнейших работ начала 90-х годов стала статья И. Шоэма «Агентно-ориентированное программирование» [124]. В ней был описан социальный взгляд на организацию вычислений, связанный с взаимодействием агентов в процессе вычислений. При этом агент рассматривается как «прозрачный ящик» и моделируются такие его «внутренние переменные» (по сути дела, психические характеристики) как мотивы, убеждения, обязательства, способности к выработке и принятию решений. Мотивы агента лежат в основе его решений, а убеждения определяют логические ограничения на них.

Общение агентов осуществляется с помощью протоколов коммуникации. В контексте теории речевых актов вводится стандартный набор примитивов: «сообщить», «запросить», «предложить» и т. п.

Как известно, в ООП вычислительный процесс понимается как система, собранная из модулей, которые взаимодействуют друг с другом и имеют собственные способы обработки поступающих сообщений. В свою очередь, АОП уточняет эти рамки, фиксируя активность модулей — агентов и изменения их состояний с помощью понятий убеждений, желаний, решений и пр.

Система АОП должна включать следующие базовые компоненты:

• — ограниченный формальный язык с соответствующими синтаксисом и семантикой для описания внутреннего состояния агента, которое определяется несколькими параметрами типа убеждений, желаний, намерений и обязательств;
• — язык программирования для спецификации агентов, включающий примитивные команды типа REQUEST и INFORM;
• — агентификатор, преобразующий нейтральные компоненты в программируемые агенты.

Оригинальные методы описания реактивных агентов предложены в работах Р. Брукса [46,47] и Ж. Фербe [72,73]. Так метод «экорезолюции», предложенный Ж. Фербе, основан на решении задачи множеством агентов, которые общаются путем обмена сообщениями. Здесь решение задачи понимается как эволюция динамической системы вплоть до достижения ею устойчивых стационарных состояний. Этим стационарным состояниям отвечает удовлетворение целей различных агентов. Поведение агентов сводится к набору реакций, удовлетворяющих следующим требованиям: а) условия удовлетворения агентов представляют собой стационарные состояния; б) условия «отказа от работы» соответствуют состояниям, в которых агентам не хотелось бы оказаться; в) критерий выживания определяет возможные действия агентов.