Мультиагентные системы

О чём урок

Один из возможных способов достижения интеллекта: так называемый эмерджентный (или синергетический) подход. Он основан на том, что совокупное поведение множества относительно простых агентов может привести к более сложному (или интеллектуальному) поведению системы в целом. Теоретически это базируется на принципах коллективного интеллекта, эмерджентизма и эволюционной кибернетики. Эти принципы утверждают, что системы более высокого уровня приобретают некую дополнительную ценность при правильном объединении из систем более низкого уровня (так называемый принцип метасистемного перехода). Направление мультиагентных систем появилось в ИИ в 1990-х годах как ответ на рост Интернета и распределённых систем. Один из классических учебников по ИИ, Artificial Intelligence: A Modern Approach, рассматривает классический ИИ с точки зрения мультиагентных систем. Центральное понятие мультиагентного подхода: агент. Это сущность, которая существует в некоторой среде, которую она может воспринимать и на которую может воздействовать. Это очень широкое определение, и существует множество различных типов и классификаций агентов: По способности к рассуждению: Реактивные агенты обычно имеют простое поведение типа «запрос-ответ». Делиберативные агенты используют логическое рассуждение и/или возможности планирования. По месту выполнения кода агента: Статические агенты работают на выделенном узле сети. Мобильные агенты могут перемещать свой код между узлами сети. По поведению: Пассивные агенты не имеют конкретных целей. Такие агенты могут реагировать на внешние стимулы, но не инициируют действия самостоятельно. Активные агенты имеют цели, которые они преследуют. Когнитивные агенты включают сложное планирование и рассуждение. Мультиагентные системы сегодня используются в ряде приложений: В играх многие неигровые персонажи используют некоторую форму ИИ и могут считаться интеллектуальными агентами. В видеопроизводстве рендеринг сложных 3D-сцен, включающих толпы, обычно выполняется с использованием мультиагентного моделирования. В моделировании систем мультиагентный подход используется для симуляции поведения сложной модели. Например, мультиагентный подход успешно применялся для прогнозирования распространения COVID-19 по всему миру. Аналогичный подход можно использовать для моделирования городского трафика и анализа реакции на изменения правил дорожного движения.

План урока

1. Тест перед лекцией
2. NetLogo
3. Библиотека моделей
4. Основные принципы
5. Flocking
6. Другие модели для изучения
7. Делиберативные агенты
8. Заключение