1 / 121

高级人工智能

高级人工智能. 第十五章 分布智能 （一） 史忠植 中国科学院计算技术研究所. 内容提要. 15.1 概述 15.2 分布式问题求解 15.3 主体 15.4 主体理论 15.5 主体结构 15.6 主体通信 15.7 主体的协调与协作 15.8 多主体环境 MAGE. 概 述. 分布式人工智能主要研究在逻辑上或物理上分散的智能系统如何并行的、相互协作地实现问题求解。 两种解决问题的方法： 自顶向下：分布式问题求解 自底向上：基于主体的方法. 分布智能系统的特色.

nerice
Télécharger la présentation

高级人工智能

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 高级人工智能 第十五章 分布智能（一） 史忠植 中国科学院计算技术研究所 史忠植 高级人工智能

  2. 内容提要 15.1 概述 15.2 分布式问题求解 15.3 主体 15.4 主体理论 15.5 主体结构 15.6 主体通信 15.7 主体的协调与协作 15.8 多主体环境MAGE 史忠植 高级人工智能

  3. 概 述 • 分布式人工智能主要研究在逻辑上或物理上分散的智能系统如何并行的、相互协作地实现问题求解。 • 两种解决问题的方法： • 自顶向下：分布式问题求解 • 自底向上：基于主体的方法 史忠植 高级人工智能

  4. 分布智能系统的特色 系统中的数据、知识, 以及控制不但在逻辑上, 而且在物理上是分布的, 既没有全局控制, 也没有全局的数据存储。 各个求解机构由计算机网络互连, 在问题求解过程中, 通信代价要比求解问题的代价低得多。 系统中诸机构能够相互协作, 来求解单个机构难以解决, 甚至不能解决的任务。 史忠植 高级人工智能

  5. 分布智能系统的主要优点 提高问题求解能力。 提高问题求解效率。 扩大应用范围。 降低软件的复杂性。 史忠植 高级人工智能

  6. 分布式人工智能 分布式人工智能的研究可以追溯到70年代末期。早期分布式人工智能的研究主要是分布式问题求解，其目标是要创建大粒度的协作群体，它们之间共同工作以对某一问题进行求解。 史忠植 高级人工智能

  7. 合同网 1980年Davis 和 Smith提出了合同网(CNET) CNET使用投标---合同方式实现任务在多个节点上的分配。合同网系统的重要贡献在于提出了通过相互选择和达成协议的协商过程实现分布式任务分配和控制的思想。 史忠植 高级人工智能

  8. 分布式车辆监控测试系统DVMT 1980年麻萨诸塞大学的Lesser, Corkill 和 Durfee 等人主持研制DVMT 该系统对市区内行驶的车辆轨迹进行监控, 并以此环境为基础, 对分布式问题求解系统中许多技术问题进行研究。DVMT是以分布式传感网络数据解释为背景，对复杂的黑板问题求解系统之间的相互作用进行了研究，提供了抽象和模型化分布式系统行为的方法。 史忠植 高级人工智能

  9. ACTOR模型 1983年Hewitt 和他的同事们研制了基于ACTOR模型的并发程序设计系统。 ACTOR模型提供了分布式系统中并行计算理论和一组专家或ACTOR获得智能行为的能力。在1991年Hewitt提出开放信息系统语义, 指出竞争、承诺、协作、协商等性质应作为分布式人工智能的科学基础，试图为分布式人工智能的理论研究提供新的基础。 史忠植 高级人工智能

  10. MACE系统 是一个实验型的分布式人工智能系统开发环境(Gasser 1987)。 MACE中每一个计算单元都称作主体，它们具有知识表示和推理能力，主体之间通过消息传送进行通信。MACE是一个类面向对象环境，但避开了并发对象系统中难于理解和实现的继承问题。MACE的各个机构并行计算, 并提供了描述机构的描述语言, 具有跟踪的demons机制。 该课题研究的重点是在实际并行环境下运行分布式人工智能系统，保持概念的清晰性。 史忠植 高级人工智能

  11. 分布式运输调度系统DTDS-I 1989年清华大学石纯一等主持研制了分布式运输调度系统DTDS-I(石纯一 1989)。 该系统以运输调度为背景，提出了分布式问题求解系统的体系结构，对问题分解、任务分布算法和基于元级通信的协作机制等方面进行了探讨。 史忠植 高级人工智能

  12. 分布式知识处理系统DKPS 1990中国科学院计算技术研究所史忠植等研究了分布式知识处理系统DKPS。 该系统采用逻辑------对象知识模型，研究了知识共享和协作求解等问题。 史忠植 高级人工智能

  13. 多主体系统 • 90年代，多主体系统Multiagent systems)的研究成为分布式人工智能研究的热点。多主体系统主要研究自主的智能主体之间智能行为的协调，为了一个共同的全局目标，也可能是关于各自的不同目标，共享有关问题和求解方法的知识，协作进行问题求解。 • 基于智能主体的概念，人们提出了一种新的人工智能定义：“人工智能是计算机科学的一个分支，它的目标是构造能表现出一定智能行为的主体”。所以，智能主体的研究应该是人工智能的核心问题。 • 斯坦福大学计算机科学系的 Hayes-Roth在IJCAI'95的特邀报告中谈到：“智能的计算机主体既是人工智能最初的目标，也是人工智能最终的目标。” 史忠植 高级人工智能

  14. 多主体系统 关于主体的研究不仅受到了人工智能研究人员的关注，也吸引了数据通信、人机界面设计、机器人、并行工程等各领域的研究人员的兴趣。有人认为：“基于主体的计算（Agent-Based Computing， 简称ABC）, 将成为软件开发的下一个重要的突破。” 史忠植 高级人工智能

  15. 分布式问题求解 特点： 数据、知识、控制均分布在系统的各节点上，既无全局控制，也无全局数据和知识存储。 史忠植 高级人工智能

  16. 分布式问题求解 • 两种协作方式： • 任务分担 • 结果共享 史忠植 高级人工智能

  17. 任务分担 Smith 和Davis 提出了任务分担方式。在任务分担系统中, 结点之间通过分担执行整个任务的子任务而相互协作, 系统中的控制以目标为指导, 各结点的处理目标是为了求解整个任务的一部分。 任务分担的问题求解方式适合于求解具有层次结构的任务, 如工厂联合体生产规划、 数字逻辑电路设计、 医疗诊断。 史忠植 高级人工智能

  18. 结果共享 Lesser 和 Corkill 提出了结果共享方式。在结果共享方式的系统中, 各结点通过共享部分结果相互协作, 系统中的控制以数据为指导, 各结点在任何时刻进行的求解取决于当时它本身拥有或从其它结点收到的数据和知识。 结果共享的求解方式适合于求解与任务有关的各子任务的结果相互影响, 并且部分结果需要综合才能得出问题解的领域。如分布式运输调度系统、分布式车辆监控实验系统DVMT 史忠植 高级人工智能

  19. 分布式问题求解系统分类 • 根据组织结构，分布式问题求解系统可以分为三类： • 层次结构类 • 平行结构类 • 混合结构类 史忠植 高级人工智能

  20. 分布式问题求解过程 • 分布式问题求解过程可以分为四步： • 任务分解 • 任务分配 • 子问题求解 • 结果综合 史忠植 高级人工智能

  21. 任务分解 • 合同网络 • 动态层次控制 • 自然分解, 固定分配 • 部分全局规划 史忠植 高级人工智能

  22. 分布式问题求解系统中协作的分类 • 按节点间协作量的多少，协作分为三类： • 全协作系统 • 无协作系统 • 半协作系统 常用的通信方式有： • 共享全局存储器 • 信息传递 • 黑板模型 史忠植 高级人工智能

  23. 主 体 多主体系统主要研究在逻辑上或物理上分离的多个主体协调其智能行为，即知识、目标、意图及规划等，实现问题求解。可以看作是一种由底向上设计的系统。 The agentfunction maps from percept histories to actions: [f: P*  A] 史忠植 高级人工智能

  24. 主体的思想 • 智能主体的几个典型的实例： • Microsoft的Office助手 • 计算机病毒（破坏主体） • 计算机游戏或模拟中的智能角色 • 贸易和谈判主体（如Ebay的拍卖主体） • 网络蜘蛛Web Spider（搜索引擎中的数据搜集和索引主体，如Google） 史忠植 高级人工智能

  25. 主体程序设计 面向过程的方法 面向实体的方法 面向对象的方法 面向主体的方法 软件开发方法的进化 史忠植 高级人工智能

  26. 主体的定义 在计算机和人工智能领域中，主体可以看作是一个实体，它通过传感器感知环境，通过效应器作用于环境。 An agent is anything that can be viewed as perceiving its environment through sensors and acting upon that environment through actuators 史忠植 高级人工智能

  27. 主体的特性 • 主体弱概念： 自治性 交互性 协作性 可通信性 长寿性 史忠植 高级人工智能

  28. 主体的特性 • 主体强概念： 知识、信念、意图、承诺等心智状态 • 其它属性： 移动性 推理能力 规划能力 学习和适应能力 诚实、善意、理性 史忠植 高级人工智能

  29. 主体理论 智能主体的理论模型研究主要从逻辑、行为、心理、社会等角度出发，对智能主体的本质进行描述，为智能主体系统创建奠定基础。 史忠植 高级人工智能

  30. 理性主体（BDI主体） Belief——信念，主体对环境的基本看法。 Desire——愿望，主体想要实现的状态，即目标。 Intention——意图，目标的子集。 史忠植 高级人工智能

  31. BDI主体模型 • BDI主体模型可以通过下列要素描述： • 一组关于世界的信念； • 主体当前打算达到的一组目标； • 一个规划库，描述怎样达到目标和怎样改变信念； • 一个意图结构，描述主体当前怎样达到它的目标和改变信念。 史忠植 高级人工智能

  32. BDI解释器 BDI-Interpreter initialize-state(); do options := option-generator(event-queue, B, G, I); selected-options := deliberate(options, B, G, I); update-intentions(selected-options, I); execute(I); get-new-external-events(); drop-successful-attitudes(B,G,I); drop-impossible-attitudes(B,G,I); until quit 史忠植 高级人工智能

  33. 动作理论 　情景演算是描述动作的主要的形式框架。 在情景演算中引入了状态和动作的概念，并利用两条逻辑公理来描述动作与状态的关系。一条公理描述一个动作在满足什么条件的状态之下可能发生，另外一条描述在一个状态之下某个动作发生以后当前状态如何改变。 史忠植 高级人工智能

  34. 规划库的形式化表示 环境状态： 　State = { P1, P2, … Pn } 目标： Goal=<State, weightiness> 动作模板： Act_template = <name, roles, preconditions, effects, resources> 主体能力： Ability=<Act_template, role, cost> 史忠植 高级人工智能

  35. 主体结构 • 主体结构需要解决的问题包括： • 主体由那些模块组成， • 模块之间如何交互信息， • 主体感知到的信息如何影响它的行为和内部状态， • 如何将这些模块用软件或硬件的方式组合起来形成一个有机的整体。 史忠植 高级人工智能

  36. 环境 感知 主体 作用 主体基本结构 黑箱软件主体 史忠植 高级人工智能

  37. 智能主体的工作过程 交互 感知 环境 信息融合 信息处理 作用 作用 交互 史忠植 高级人工智能

  38. 主体骨架程序 function Skeleton-Agent(percept) return action 　static: memory /* 主体的世界记忆 */ 　memory ← Update-Memory(memory,percept) 　action ← Choose-Best-Action(memory) 　memory ← Update-Memory(memory,action) 　return action 史忠植 高级人工智能

  39. 主体的分类 • 根据人类思维的层次模型，可以将主体分成四类： • 反应主体 • 形象思维主体 • 抽象思维主体 • 复合式主体 形象思维主体和抽象思维主体也可以合称为认知主体 史忠植 高级人工智能

  40. 反应主体 环 境 主体 传感器 当前世界 条件-动作 规则 动 作 效应器 史忠植 高级人工智能

  41. 反应主体程序 function Reactive-Agent(percept) returns action static: rules, /* 一组条件-动作规则 */ state ← Interpret-Input(percept) rule ← Rule-Match(state,rules) action ← Rule-Action[rule] return action 史忠植 高级人工智能

  42. 认知主体 环 境 主体 传感器 内部状态 信息融合 知识库 规 划 目标 动 作 效应器 史忠植 高级人工智能

  43. 认知主体程序 function Cognitive-Agent(percept) returns action static: environment, /* 描述当前世界环境 */ kb, /* 知识库 */ environment ← Update-World-Model(environment,percept) state ← Update-Mental-State(environment,state) action ← Decision-Making(state,kb) environment ← Update-World-Model(environment,action) return action 史忠植 高级人工智能

  44. BDI结构 愿 望 知 识 信 念 规 划 目 标 意 图 史忠植 高级人工智能

  45. 复合式主体 规 划 协作与协商 其他 智能主体 预测 建 模 通 信 决策生成 请求或应答信息 一 般 情 况 紧急情 况和简 单情况 反 射 动作 感 知 行 动 智能主体 外部世界 史忠植 高级人工智能

  46. 规划模块 经 验 库 目标集合 世界的模型 （包括其他 主体的模型） 规划 局 部 规 划 器 规划 重新 规划 目标 决 策 生 成 史忠植 高级人工智能

  47. 建模模块 建模 世界的模型 （包括其他 主体的模型） 规划 模 型 库 决策生成 模 型 生 成 和 维 护 预 测 感 知 通 信 史忠植 高级人工智能

  48. 通信模块 语言生成 词 法 库 语 法 库 词 义 库 物理通信 通信 语言理解 史忠植 高级人工智能

  49. 主体通信 协 作 策 略 协 议 通 信 黑 板 对 话 消 息 协 议 史忠植 高级人工智能

  50. 主体通信中的主要问题 • 语义：全部有关的主体必须知道通信语言的语义，消息的语义内容知识是分布式问题求解的核心部分。 • 言语行为：通信语言也是一种动作，说话是为了使世界的状态发生改变。 • 交互协议：主体之间消息交换的典型模式 • 通信语言：传递消息的标准语法。 Foundation for Intelligent Physical Agents http://www.fipa.org 史忠植 高级人工智能

More Related