您的位置：关键词：智能体
从工程角度看,功能模块化降低了系统的复杂性。
慎思方法的局限性在于这种结构的主体要面对以下两个基本问题:1转换问题,如何在
一定时间内将现实世界翻译成一个准确、合适的符号描述;2表示/推理问题,如何用符号表
示复杂现实世界中的实体和过程,以及如何让主体在一定时间内根据这些信息进行推理,作
出决策。第一个问题涉及计算机视觉、自然语言理解等多个领域的研究;第二个问题涉及知
识表示、自动推理、自动规划等多个领域的研究。虽然很多学者在这些领域进行了大量的
研究,但是离真正解决这两个问题还有很大的距离。
对慎思主体的研究主要是孤立地对认知构件进行研究(即作为非嵌入的主体)。当确实
需要嵌入这种主体时,人们已经注意到,虽然嵌入主体可以做某些复杂的工作(如规划和问题
求解),但是对需要快速动作而无需仔细推敲的"简单的"任务(如日常反应),它们还存在着一
定的问题。事实上,一般情况下规划是不可判断的,有一些看来很简单的问题,例如常识推理
,要实现起来都非常困难。符号演算算法的复杂性更使得最简单的定理证明也要耗费大量的
时间。换句话说,传统的规划是费时的,它需要对可能巨大的问题空间进行指数搜索。
另外,Brooks认为人一级的智能太复杂,并且人类还没有能够充分地理解它,还不能分
解为正确的构件。即使其分解是正确的,也仍然不知道这些构件之间正确的接口。
2. 反应主体
与认知主体相反,反应主体就是不包含用符号表示的世界模型,并且不使用复杂符号推
理的主体。第一个反应主体出现在80年代中期,其思想来源于我们日常活动,由日常动作而
不是抽象推理组成。所以,在这种类型的主体中,没有世界模型和规划,仅有一些简单的行为
模式,这些行为模式以刺激—回答方式对环境的改变作出反应。因此,反应主体只是简单地
对外部刺激发生反应、没有符号表示的世界模型,并且不使用复杂的符号推理。反应结构的
设计部分是来自下面的假设:主体行为的复杂性可以是主体运作环境复杂性的反映,而 不是
主体复杂内部设计的反映。
目前已有试验表明,在现实世界中,反应主体在做有限的一些任务时优于传统的方法。
然而,除了不是特别通用外,反应方法在处理需要世界知识的任务时也存在一些问题,
这些知识必须通过推理或从记忆中获得,而不是通过感知得到的。还有,反应主体适应能力
一般比较差,常常没有任何学习能力,并且事实上主体的每个行为需要分开来编码,与之相关
的是系统的可扩展性问题。另一个问题是反应方法的进化问题,例如将反应式方法与简单的
基于刺激反应行为的昆虫进行比较。有些研究者得出基于反应方法的主体永远不会达 到人
类一级行为的结论。
3. 混合主体
越来越多的研究人员发现,无论是纯粹的认知结构,还是纯粹的反应结构都不是构造主
体的最佳方式。他们提出混合式结构的主体系统,把两种方式结合起来,试图以此来融合经
典和非经典的人工智能。
经过多年研究,国际上已出现了许多比较著名的多主体系统,如MACE、IRMA、PRS、Co
operA、GRATE、TouringMachine、InteRRap等等。
四、 主体之间的协作和协商
主体之间的协作和协调是多主体研究的核心问题之一。协调是指一组智能主体完成一
些集体活动时相互作用的性质。协调是对环境的适应,在这个环境中存在多个主体并且都在
执行某个动作。协调一般是改变主体的意图,协调的原因是由于其他主体意图的存在。协作
是非对抗的主体之间保持行为协调的一个特例。
80年代中期以前,分布式人工智能对协调与协作的研究,主要是在无目标冲突的情况下
互相帮助,以达到目标。这种研究适用于分布式问题求解。80年代中期,Rosenschein在其博
士论文中对于主体在目标有冲突情况下的交互进行了深入研究,运用对策论,建立了理性主
体交互的静态模型,成为多主体协调与协作问题的形式化理论基础。清华大学石纯一、王学
军等采用对策论研究了主体之间的协作。
Massachusette大学在强化FA/C与PGP方法的基础上,采用元级通信的方法协调主体计
算。MacIntosh运用启发式方法将协作引入机器定理证明。Sycara以劳资谈判为背景研究协
商问题。该方法使用启发式与约束方法满足技术解决分布式搜索问题,使用异步回溯恢复不
一致的搜索决策。Conry研究了多目标、多资源条件下的多步协商。Hewitt提出了开放分布
式人工智能系统的思想,对Rosenschein的静态交互模型提出了挑战。Decker等提出一种用
于分布式传感器网络的动态协调算法,各主体按照一个统一的标准动态修改本主体负责的传
感器区域,可以自动达成各区域边界的协调。吉林大学刘大友等对主体的协商进 行了研究
。
在多主体规划系统中,可以通过规定各种行为与目标的相关性而达成行为序列的自发
协调。自发协调的一种方法是Kosoresow提出的Markov过程。在主体目标和偏好相容的情况
下,Markov过程是一种快速的概率性的协调方法。Jennings等采用共同责任概念,强调意图
作为行为控制器的作用,规定各主体在协作问题求解中应该如何行动。
五、 面向主体的程序设计方法/语言
面向主体的程序设计方法,完全有可能成为继面向对象之后的另一个软件设计规范方
法。这方面最引人注目的主体语言是Shoham提出的AOP。AOP是一种特殊的面向对象的程序
设计方法。OOP方法把一个计算系统看成由模块组成,这些模块相互之间能够传递消息,并且
具有不同的方法处理输入的消息。AOP方法扩充了这种方法,它允许模块拥有有关其它模块
和环境的知识和信念,且允许这些模块具有能力和作出承诺。一个计算由这些主体之间相互
告知、请求、谈判、帮助等组成。
对AOP的需求开始于80年代中期,目前已出现了主体语言的原型系统。这表明主体技术
正在被广泛使用,并且在不久的将来,将出现许多基于主体的应用系统和过程。
AGENT0是根据Shoham提出的"基于计算的社会观点的一种新的程序设计范式",而实现
的一个面向主体的程序设计语言。其主要思想是根据主体的特性、心智状态或意图的概念
直接进行程序设计。它的主要动机是人类使用基于意图的态度作为抽象机制,来表示复杂系
统的特性。同样我们也用基于意图的态度来表示人类自身,所以使用这一概念来进行程 序
设计也是有用的。
Shoham认为,一个完整的AOP系统应由3部分组成:定义主体心智状态的逻辑系统,进行
主体程序设计的语言解释器和"主体化"过程。AGENT0是Shoham研究结果的一个实现。该系
统的逻辑基础是定量的多模态逻辑,可以直接引用时间的概念。
在该语言中,主体由一组能力、初始信念、承诺和承诺规则进行描述。决定主体如何
动作的主要部分是承诺规则。能力是指主体所能做的动作,动作可以是私有的(对应于主体
内部可执行的子程序),也可以是可通信的,用以传递消息。AGENT0的消息类型来自于言语动
作理论,分为:request(请求其它主体执行动作)、inform(传递一些心智状态的消息)和 un
request(停止request)。
AGENT0只是一个原型系统,用以说明AOP的某些原理。一个更好的实现是1993年由Tho
mas在其博士论文工作中研究的系统PLACA(PLAnning Communication Agents)。PLACA的目
的是为了克服AGENT0的一些不足,如不能进行规划。PLACA引入了意图的概念,这里是指达到
某一状态的承诺。该语言的逻辑成分与AGENT0类似,但含有用于规划的操作符。该逻辑的语
义也比较详细。在国内史忠植等设计了主体描述语言AOPL和主体通信语言SACL。
各种主体程序设计语言的出现,是建造基于主体应用系统的重要保证,是DAI和多主体
理论与技术成功应用的关键,是分布式人工智能理论研究成果的直接体现,是主体技术被广
泛接受和应用的重要的过程。