Эта статья включает в себя список общих ссылок , но он остается в значительной степени непроверенным, поскольку в нем отсутствует достаточное количество соответствующих встроенных ссылок . ( Февраль 2011 г. ) ( Узнайте, как и когда удалить этот шаблон сообщения ) |
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:
- Распределенная система с надежным и упругим вычислением на ненадежных и отсутствии ресурсов, которые слабо связаны
- Координация действий и общение узлов
- Подвыборки больших наборов данных и онлайн-машинное обучение
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 ]
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 ]
- ^ Демазо, Ив и JP. Мюллер, ред. Децентрализованный AI. Vol. 2. Эльзевир, 1990.
- ^ 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