Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Распределенный искусственный интеллект (DAI), также называемый децентрализованным искусственным интеллектом [1], является областью исследований в области искусственного интеллекта, посвященной разработке распределенных решений проблем. DAI тесно связан с многоагентными системами и является предшественником этой области .

Определение [ править ]

Распределенный искусственный интеллект (DAI) - это подход к решению сложных задач обучения, планирования и принятия решений. Он ужасающе параллелен , что позволяет использовать крупномасштабные вычисления и пространственное распределение вычислительных ресурсов. Эти свойства позволяют решать задачи, требующие обработки очень больших наборов данных. Системы DAI состоят из узлов автономной обучающей обработки ( агентов), которые распространяются, часто в очень большом масштабе. Узлы DAI могут действовать независимо, а частичные решения интегрируются посредством связи между узлами, часто асинхронно. Благодаря своему масштабу DAI-системы являются надежными и эластичными и, по необходимости, слабо связаны. Кроме того, системы DAI созданы для адаптации к изменениям в определении проблемы или базовых наборах данных из-за масштаба и сложности повторного развертывания.

Системы DAI не требуют агрегирования всех соответствующих данных в одном месте, в отличие от монолитных или централизованных систем искусственного интеллекта, которые имеют тесно связанные и географически близкие узлы обработки. Поэтому системы DAI часто работают с подвыборками или хэшированными впечатлениями очень больших наборов данных. Кроме того, исходный набор данных может изменяться или обновляться в ходе выполнения системы DAI.

Цели [ править ]

Цели распределенного искусственного интеллекта - решить проблемы рассуждения , планирования, обучения и восприятия искусственного интеллекта , особенно если они требуют больших данных, путем распределения проблемы между автономными узлами обработки (агентами). Для достижения цели DAI требует:

Есть много причин для того, чтобы распространять информацию или справляться с многоагентными системами. Основные проблемы исследования DAI включают следующее:

  • Параллельное решение проблем: в основном касается того, как можно изменить классические концепции искусственного интеллекта, чтобы можно было использовать многопроцессорные системы и кластеры компьютеров для ускорения вычислений.
  • Распределенное решение проблем (DPS): концепция агента , автономных сущностей, которые могут общаться друг с другом, была разработана, чтобы служить абстракцией для разработки систем DPS. Подробнее см. Ниже.
  • Мультиагентное моделирование (MABS): ветвь DAI, которая создает основу для моделирования, которое должно анализировать явления не только на макроуровне, но и на микроуровне , как это происходит во многих сценариях социального моделирования .

История [ править ]

В 1975 году распределенный искусственный интеллект возник как область искусственного интеллекта, которая занимается взаимодействием интеллектуальных агентов [2]. Распределенные системы искусственного интеллекта были задуманы как группа интеллектуальных объектов, называемых агентами, которые взаимодействуют посредством сотрудничества, сосуществования или конкуренции. DAI подразделяется на многоагентные системы и распределенное решение проблем [1]. В многоагентных системах основное внимание уделяется тому, как агенты координируют свои знания и действия. При распределенном решении проблем основное внимание уделяется тому, как проблема декомпозируется и синтезируются решения.

Примеры [ править ]

Мультиагентные системы и распределенное решение проблем - два основных подхода к DAI. Есть множество приложений и инструментов.

Подходы [ править ]

Появилось два типа DAI:

  • В многоагентных системах агенты координируют свои знания и действия и рассуждают о процессах координации. Агенты - это физические или виртуальные объекты, которые могут действовать, воспринимать окружающую среду и общаться с другими агентами. Агент автономен и обладает навыками для достижения целей. Агенты своими действиями изменяют состояние своего окружения. Существует ряд различных методов координации [3].
  • При распределенном решении задач работа распределяется между узлами, а знания передаются. Основные проблемы - это декомпозиция задач и синтез знаний и решений.

DAI может применять восходящий подход к ИИ, аналогичный архитектуре подчинения, а также традиционный нисходящий подход ИИ. Кроме того, DAI также может быть средством для появления .

Приложения [ править ]

Области применения DAI:

  • Электронная коммерция, например, для торговых стратегий, система DAI изучает правила финансовой торговли на подвыборках очень больших выборок финансовых данных.
  • Сети, например, в телекоммуникациях, система DAI контролирует совместные ресурсы в сети WLAN http://dair.uncc.edu/projects/past-projects/wlan-resource
  • Маршрутизация , например, модельный транспортный поток в транспортных сетях
  • Планирование , например планирование потокового цеха, когда объект управления ресурсами обеспечивает локальную оптимизацию и сотрудничество для глобальной и локальной согласованности
  • Мультиагентные системы, например, искусственная жизнь , исследование моделируемой жизни.
  • Электроэнергетические системы, например, многоагентная система мониторинга состояния (COMMAS), применяемая для мониторинга состояния трансформатора, и система автоматического восстановления IntelliTEAM II [2]

Инструменты [ править ]

  • ECStar , распределенная система обучения на основе правил

Агенты и мультиагентные системы [ править ]

Дополнительная информация: Multi-agent_system § Приложения

Понятие агентов: агентов можно описать как отдельные объекты со стандартными границами и интерфейсами, предназначенными для решения проблем.

Понятие мультиагентов: Мультиагентная система определяется как сеть агентов, которые слабо связаны, работая как единое целое, например, общество, для решения проблем, которые отдельный агент не может решить.

Программные агенты [ править ]

Ключевым понятием, используемым в DPS и MABS, является абстракция, называемая программными агентами . Агент - это виртуальный (или физический) автономный объект, который понимает свою среду и действует в ней. Агент обычно может общаться с другими агентами в той же системе для достижения общей цели, которую один агент не может достичь. Эта система связи использует язык связи агента .

Первая полезная классификация - разделить агентов на:

  • реактивный агент - реактивный агент - это не что иное, как автомат, который получает входные данные, обрабатывает их и производит выходные данные.
  • Делиберативный агент. Делиберативный агент, напротив, должен иметь внутреннее представление о своей среде и быть в состоянии следовать своим собственным планам.
  • Гибридный агент - Гибридный агент представляет собой смесь реактивного и обдуманного, который следует своим собственным планам, но также иногда напрямую реагирует на внешние события без обдумывания.

Хорошо известными архитектурами агентов, описывающими внутреннюю структуру агента, являются:

  • ASMO (появление распределенных модулей)
  • BDI (Believe Desire Intention, общая архитектура, описывающая, как составляются планы)
  • InterRAP ( трехуровневая архитектура с реактивным, совещательным и социальным уровнями)
  • PECS (Physics, Emotion, Cognition, Social, описывает, как эти четыре части влияют на поведение агентов).
  • Взлететь (подход, основанный на правилах)

Проблемы [ править ]

Проблемы распределенного ИИ:

1. Как осуществлять связь и взаимодействие агентов, и какой язык или протоколы общения следует использовать.

2. Как обеспечить слаженность агентов.

3. Как синтезировать результаты среди группы «интеллектуальных агентов» путем формулировки, описания, декомпозиции и распределения.

См. Также [ править ]

  • Коллективный разум
  • Федеративное обучение
  • Смоделированная реальность
  • Рой Интеллект

Ссылки [ править ]

  1. ^ Демазо, Ив и JP. Мюллер, ред. Децентрализованный AI. Vol. 2. Эльзевир, 1990.
  2. ^ Каттерсон, Виктория М .; Davidson, Euan M .; МакАртур, Стивен Диджей (01.03.2012). «Практическое применение мультиагентных систем в электроэнергетических системах» (PDF) . Европейские сделки по электроэнергии . 22 (2): 235–252. DOI : 10.1002 / etep.619 . ISSN  1546-3109 .
  • А. Бонд и Л. Гассер. Чтения по распределенному искусственному интеллекту. Морган Кауфманн , Сан-Матео, Калифорния, 1988.
  • Брахим Чайб-Драа, Бернар Мулен, Рене Мандио и П. Милло. Тенденции в распределенном искусственном интеллекте.

Обзор искусственного интеллекта, 6 (1): 35-66, 1992.

  • Ник Р. Дженнингс. Методы координации распределенного искусственного интеллекта. Основы распределенного искусственного

разведка, страницы 187-210, 1996.

  • Дэмьен Трентезо, Филипп Песен и Кристиан Тахон. Распределенный искусственный интеллект для планирования и управления fms

и дизайнерское сопровождение. Журнал интеллектуального производства, 11 (6): 573-589, 2000.

  • Каттерсон, В.М., Дэвидсон, Е.М., и МакАртур, SDJ. Практическое применение многоагентных систем в электроэнергетических системах. Европейские транзакции по электроэнергии , 22 (2), 235–252. 2012 г.

Дальнейшее чтение [ править ]

  • Хьюитт, Карл; и Джефф Инман (ноябрь / декабрь 1991 г.). "DAI Betwixt and Between: From 'Intelligent Agents' to Open Systems Science" IEEE Transactions on Systems, Man, and Cybernetics . Том: 21 Выпуск: 6, pps. 1409–1419. ISSN 0018-9472
  • Шохам, Йоав; Лейтон-Браун, Кевин (2009). Мультиагентные системы: алгоритмические, теоретико-игровые и логические основы . Нью-Йорк: Издательство Кембриджского университета . ISBN 978-0-521-89943-7.
  • Солнце, Рон, (2005). Познание и мультиагентное взаимодействие . Нью-Йорк: Издательство Кембриджского университета. ISBN 978-0-521-83964-8 
  • Влассис, Никос (2007). Краткое введение в многоагентные системы и распределенный искусственный интеллект . Сан-Рафаэль, Калифорния: Издательство Morgan & Claypool. ISBN 978-1-59829-526-9.
  • Грейс, Дэвид; Чжан, Хунган (август 2012 г.). Когнитивные коммуникации: распределенный искусственный интеллект (DAI), регуляторная политика и экономика, внедрение . John Wiley & Sons Press. ISBN 978-1-119-95150-6