人工智能ArtificialIntelligence九章课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,史忠植 人工智能：,DAI,与智能体,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,史忠植 人工智能：,DAI,与智能体,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,史忠植 人工智能：,DAI,与智能体,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,史忠植 人工智能：,DAI,与智能体,*,人工智能,Artificial Intelligence,第九章,史忠植,中国科学院计算技术研究所, AI & Agent,2024/10/1,1,史忠植 人工智能：,DAI,与智能体,人工智能Artificial Intelligence第,2024/10/1,史忠植 人工智能：,DAI,与智能体,2,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 2内容,2024/10/1,史忠植 人工智能：,DAI,与智能体,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：基于智能体的方法,2022/10/10史忠植 人工智能：DAI与智能体 3概,2024/10/1,史忠植 人工智能：,DAI,与智能体,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。,2022/10/10史忠植 人工智能：DAI与智能体 4分布,2024/10/1,史忠植 人工智能：,DAI,与智能体,5,多,智能体,系统,20,世纪,90,年代，多智能体系统（,multi-agent systems,多智能体系统,),的研究成为分布式人工智能研究的热点。多智能体系统主要研究自主的智能智能体之间智能行为的协调，为了一个共同的全局目标，协作进行问题求解。,基于智能智能体的概念，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智能体”。所以，智能智能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,IJCAI95,的特邀报告中谈到：“智能的计算机智能体既是人工智能最初的目标，也是人工智能最终的目标。”,2022/10/10史忠植 人工智能：DAI与智能体 5多智,2024/10/1,史忠植 人工智能：,DAI,与智能体,6,多,智能体,系统,关于智能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：“基于智能体的计算（,Agent-Based Computing,， 简称,ABC,）,将成为软件开发的下一个重要的突破。”,2022/10/10史忠植 人工智能：DAI与智能体 6多智,2024/10/1,史忠植 人工智能：,DAI,与智能体,7,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 7内容,2024/10/1,史忠植 人工智能：,DAI,与智能体,8,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。,两种协作方式：,任务分担,结果共享,2022/10/10史忠植 人工智能：DAI与智能体 8,2024/10/1,史忠植 人工智能：,DAI,与智能体,9,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。,2022/10/10史忠植 人工智能：DAI与智能体 9任务,2024/10/1,史忠植 人工智能：,DAI,与智能体,10,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,2022/10/10史忠植 人工智能：DAI与智能体 10结,2024/10/1,史忠植 人工智能：,DAI,与智能体,11,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,2022/10/10史忠植 人工智能：DAI与智能体 11分,2024/10/1,史忠植 人工智能：,DAI,与智能体,12,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,2022/10/10史忠植 人工智能：DAI与智能体 12分,2024/10/1,史忠植 人工智能：,DAI,与智能体,13,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,2022/10/10史忠植 人工智能：DAI与智能体 13任,2024/10/1,史忠植 人工智能：,DAI,与智能体,14,分布式问题求解中协作的分类,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,2022/10/10史忠植 人工智能：DAI与智能体 14分,2024/10/1,史忠植 人工智能：,DAI,与智能体,15,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 15内,2024/10/1,史忠植 人工智能：,DAI,与智能体,16,智能体,多智能体（,agent,智能体，主体）系统主要研究在逻辑上或物理上分离的多个智能体协调其智能行为，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,agent,function,maps from percept histories to actions:,f,: P*,A,2022/10/10史忠植 人工智能：DAI与智能体 16,2024/10/1,史忠植 人工智能：,DAI,与智能体,17,智能体的定义,在计算机和人工智能领域中，智能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,2022/10/10史忠植 人工智能：DAI与智能体 17智,2024/10/1,史忠植 人工智能：,DAI,与智能体,18,智能体的特性,智能体弱概念：,自治性,交互性,协作性,可通信性,长寿性,2022/10/10史忠植 人工智能：DAI与智能体 18智,2024/10/1,史忠植 人工智能：,DAI,与智能体,19,智能体的特性,智能体强概念：,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,2022/10/10史忠植 人工智能：DAI与智能体 19智,2024/10/1,史忠植 人工智能：,DAI,与智能体,20,智能体理论,智能智能体的理论模型研究主要从逻辑、行为、心理、社会等角度出发，对智能智能体的本质进行描述，为智能智能体系统创建奠定基础。,2022/10/10史忠植 人工智能：DAI与智能体 20,2024/10/1,史忠植 人工智能：,DAI,与智能体,21,理性智能体（,BDI,智能体）,Belief,信念，智能体对环境的基本看法。,Desire,愿望，智能体想要实现的状态，即目标。,Intention,意图，目标的子集。,2022/10/10史忠植 人工智能：DAI与智能体 21理,2024/10/1,史忠植 人工智能：,DAI,与智能体,22,BDI,智能体模型,BDI,智能体模型可以通过下列要素描述：,一组关于世界的信念；,智能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，描述智能体当前怎样达到它的目标和改变信念。,2022/10/10史忠植 人工智能：DAI与智能体 22,2024/10/1,史忠植 人工智能：,DAI,与智能体,23,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,2022/10/10史忠植 人工智能：DAI与智能体 23B,2024/10/1,史忠植 人工智能：,DAI,与智能体,24,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 24内,2024/10/1,史忠植 人工智能：,DAI,与智能体,25,智能体结构,智能体结构需要解决的问题包括：,智能体由那些模块组成，,模块之间如何交互信息，,智能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。,2022/10/10史忠植 人工智能：DAI与智能体 25智,2024/10/1,史忠植 人工智能：,DAI,与智能体,26,智能体基本结构,环境,智能体,感知,作用,黑箱软件智能体,2022/10/10史忠植 人工智能：DAI与智能体 26智,2024/10/1,史忠植 人工智能：,DAI,与智能体,27,智能智能体的工作过程,环境,交互,信息融合,信息处理,作用,交互,感知,作用,2022/10/10史忠植 人工智能：DAI与智能体 27智,2024/10/1,史忠植 人工智能：,DAI,与智能体,28,智能体骨架程序,function Skeleton-Agent(percept) return action,static: memory /*,智能体的世界记忆 */,memory Update-Memory(memory,percept),action Choose-Best-Action(memory),memory Update-Memory(memory,action),return action,2022/10/10史忠植 人工智能：DAI与智能体 28智,2024/10/1,史忠植 人工智能：,DAI,与智能体,29,智能体的分类,根据人类思维的层次模型，可以将智能体分成四类：,反应智能体,形象思维智能体,抽象思维智能体,复合式智能体,形象思维智能体和抽象思维智能体也可以合称为认知智能体,2022/10/10史忠植 人工智能：DAI与智能体 29智,2024/10/1,史忠植 人工智能：,DAI,与智能体,30,反应智能体,环,境,当前世界,传感器,动 作,效应器,条件-动作,规则,智能体,2022/10/10史忠植 人工智能：DAI与智能体 30,2024/10/1,史忠植 人工智能：,DAI,与智能体,31,反应智能体程序,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-Actionrule,return action,2022/10/10史忠植 人工智能：DAI与智能体 31反,2024/10/1,史忠植 人工智能：,DAI,与智能体,32,认知智能体,环,境,信息融合,传感器,动 作,效应器,智能体,规 划,知识库,目标,内部状态,2022/10/10史忠植 人工智能：DAI与智能体 32认,2024/10/1,史忠植 人工智能：,DAI,与智能体,33,认知智能体程序,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,2022/10/10史忠植 人工智能：DAI与智能体 33认,2024/10/1,史忠植 人工智能：,DAI,与智能体,34,BDI,结构,知,识,信,念,规,划,意 图,目 标,愿 望,2022/10/10史忠植 人工智能：DAI与智能体 34B,2024/10/1,史忠植 人工智能：,DAI,与智能体,35,复合式智能体,决策生成,规 划,反 射,建 模,通 信,感 知,行 动,其他,智能智能体,智能智能体,外部世界,预测,协作与协商,动作,请求或应答信息,一,般,情,况,紧急情,况和简,单情况,2022/10/10史忠植 人工智能：DAI与智能体 35复,2024/10/1,史忠植 人工智能：,DAI,与智能体,36,规划模块,世界的模型,（包括其他,智能体的模型）,经 验 库,目标集合,局 部 规 划 器,决 策 生 成,重新,规划,规划,规划,目标,2022/10/10史忠植 人工智能：DAI与智能体 36规,2024/10/1,史忠植 人工智能：,DAI,与智能体,37,建模模块,世界的模型,（包括其他,智能体的模型）,模 型 库,模 型 生 成 和 维 护,预 测,规划,决策生成,感 知,通 信,建模,2022/10/10史忠植 人工智能：DAI与智能体 37建,2024/10/1,史忠植 人工智能：,DAI,与智能体,38,通信模块,词 法 库,语 法 库,词 义 库,物理通信,语言生成,语言理解,通信,2022/10/10史忠植 人工智能：DAI与智能体 38通,2024/10/1,史忠植 人工智能：,DAI,与智能体,39,智能体通信,策 略,对 话,消 息,黑 板,协 议,通,信,协,作,协 议,2022/10/10史忠植 人工智能：DAI与智能体 39智,2024/10/1,史忠植 人工智能：,DAI,与智能体,40,智能体通信中的主要问题,语义：全部有关的智能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：智能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,2022/10/10史忠植 人工智能：DAI与智能体 40智,2024/10/1,史忠植 人工智能：,DAI,与智能体,41,智能体间的消息传递,消息发送/传输服务器,转换到传输格式,从传输格式转换,消息,M,言语行为,意图,I,目标,G,Agent i,消息,M,Agent i,2022/10/10史忠植 人工智能：DAI与智能体 41智,2024/10/1,史忠植 人工智能：,DAI,与智能体,42,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 42内,2024/10/1,史忠植 人工智能：,DAI,与智能体,43,言语行为,有关言语行为理论的研究主要集中在如何划分不同类型的言语行为。,在智能体通信语言的研究中，言语行为理论主要用来考虑智能体之间可以交互的信息类型。,2022/10/10史忠植 人工智能：DAI与智能体 43言,2024/10/1,史忠植 人工智能：,DAI,与智能体,44,通信语言,KQML：,由美国,ARPA,的知识共享计划中提出，规定了消息格式和消息传送系统，为多智能体系统通信和协商提供了一种通用框架。,ACL：,由,FIPA,制定的一种规范。与,KQML,非常相似,2022/10/10史忠植 人工智能：DAI与智能体 44通,2024/10/1,史忠植 人工智能：,DAI,与智能体,45,KQML,一个例子：,(,ask-all,: senderA,: receiverB,: in-reply-toido,: reply-withidl,: languageProlog,: ontologyfoo,: content“bar (X, Y)”),2022/10/10史忠植 人工智能：DAI与智能体 45K,2024/10/1,史忠植 人工智能：,DAI,与智能体,46,FIPA ACL,(,inform,: sender agent1,: receiver hpl-auction-server,: content,(price (bid good02) 150),: in-reply-to round-4,: reply-with bid04,: language s1,: ontology hpl-auction,),消息结构开始,通信动作类型,消息参数,消息内容表达式,参数表达式,2022/10/10史忠植 人工智能：DAI与智能体 46F,2024/10/1,史忠植 人工智能：,DAI,与智能体,47,FIPA,通信动作库,Accept Proposal,接受提议,Agree,同意,Cancel,取消,Call for Proposal,要求提议,Confirm,确认,Disconfirm,确认为否定,Failure,失败,Inform,通知,Inform If,通知 是否,Inform Ref,通知 有关对象,Not Understood,不理解,2022/10/10史忠植 人工智能：DAI与智能体 47F,2024/10/1,史忠植 人工智能：,DAI,与智能体,48,Propagate,传播,Propose,提议,Proxy,代理,Query If,询问 是否,Query Ref,询问 有关对象,Refuse,拒绝（请求）,Reject Proposal,拒绝提议,Request,请求,Request When,请求 某个条件下执行,Request Whenever,请求 一旦某个条件成立就执行,Subscribe,预定,详细说明：,http:/www.fipa.org/repository/cas.html,FIPA,通信动作库,2022/10/10史忠植 人工智能：DAI与智能体 48P,2024/10/1,史忠植 人工智能：,DAI,与智能体,49,XML,可扩展标记语言,XML,是用于标记电子文件使其具有结构性的标记语言。,XML,文件本身只是将文件资料结构化。,例如：下面的,ACL,消息,(,inform,:sender jklabrou,:receiver grosof,:content (CPU libretto50 pentium),:ontology laptop,:language kif),2022/10/10史忠植 人工智能：DAI与智能体 49X,2024/10/1,史忠植 人工智能：,DAI,与智能体,50,inform,jklabrou,grosof,转换为,XML,格式,2022/10/10史忠植 人工智能：DAI与智能体 50,2024/10/1,史忠植 人工智能：,DAI,与智能体,51,laptop,(CPU libretto50 pentium),kif,转换为,XML,格式,2022/10/10史忠植 人工智能：DAI与智能体 51,2024/10/1,史忠植 人工智能：,DAI,与智能体,52,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 52内,2024/10/1,史忠植 人工智能：,DAI,与智能体,53,智能体的协调与协作,协调(,coordination),与协作(,cooperation),是多智能体研究的核心问题之一。,协调是指一组智能智能体完成一些集体活动时相互作用的性质。,协作是非对抗的智能体之间保持行为协调的一个特例。,2022/10/10史忠植 人工智能：DAI与智能体 53智,2024/10/1,史忠植 人工智能：,DAI,与智能体,54,协 调,多智能体系统中的协调是指多个智能体为了以一致、和谐的方式工作而进行交互的过程。进行协调是希望避免智能体之间的死锁或活锁。,死锁指多个智能体无法进行各自的下一步动作；,活锁指多个智能体不断工作却无任何进展。,2022/10/10史忠植 人工智能：DAI与智能体 54协,2024/10/1,史忠植 人工智能：,DAI,与智能体,55,协作,目前针对智能体协作的研究大体上可分为两类：,将其它领域研究多实体行为的方法和技术用于智能体协作的研究。如对策论和力学研究。,从智能体的目标、意图、规划等心智态度出发来研究多智能体间的协作。,2022/10/10史忠植 人工智能：DAI与智能体 55协,2024/10/1,史忠植 人工智能：,DAI,与智能体,56,协作,协作的动机：,某个智能体相信通过协作能带来好处（如提高效率，完成以往单独无法完成的任务）,多个智能体在交流的过程中，发现它们能够通过协作来实现更大的目标。,2022/10/10史忠植 人工智能：DAI与智能体 56协,2024/10/1,史忠植 人工智能：,DAI,与智能体,57,协作过程,产生需求、确定目标,协作规划、求解协作结构,寻求协作伙伴,选择协作方案,实现目标,评估结果,2022/10/10史忠植 人工智能：DAI与智能体 57协,2024/10/1,史忠植 人工智能：,DAI,与智能体,58,协作模式,从社会心理学的角度看，多智能体之间的协作情形大致可分为：,协作型：同时将自己的利益放在第二位。,自私型：同时将协作放在第二位。,完全自私型：不考虑任何协作。,完全协作型：不考虑自身利益。,协作与自私相混合型。,2022/10/10史忠植 人工智能：DAI与智能体 58协,2024/10/1,史忠植 人工智能：,DAI,与智能体,59,协作策略,计算生态学,对策论,规划,2022/10/10史忠植 人工智能：DAI与智能体 59协,2024/10/1,史忠植 人工智能：,DAI,与智能体,60,计算生态学,80,年代末，在计算机中出现了一个崭新的学科,-,计算生态学,(the ecolog of computation),。计算生态学是研究关于开放系统中诀定计算结点的行为与资源使用的交互过程的学科。它摒弃了封闭、静止地处理问题的传统算法，将世界看作是开放的、进化的、并发的,通过多种协作处理问题的生态系统,(ecosystem),加以研究。它的进展与开放信息系统的研究息息相关。,2022/10/10史忠植 人工智能：DAI与智能体 60计,2024/10/1,史忠植 人工智能：,DAI,与智能体,61,计算生态学,计算生态学将计算系统看作是一个生态系统，它引进了许多生物的机制，如变异,(mutation),即物种的变化。这些变化导致生命基因的改变，从而形成物种的多样性，增强了适应环境的能力。这类变异策略成为人工智能系统提高其自身能力的一种方法。,Lenat,与,Brown,成功地将变异机制引入他们的,AM,与,Eurisko,系统中,通过小型,Lisp,程序的语法变异发现数学概念。他们认为未来成功的系统应该是一系列进化的、自组织的符号知识结构的,社会,系统。,2022/10/10史忠植 人工智能：DAI与智能体 61计,2024/10/1,史忠植 人工智能：,DAI,与智能体,62,生物生态模型,这是最著名的生态系统，具有典型的进化特征和层次性。这种特性反映在“食物链”中。对于复杂的生物生态系统而言，各物种组成了紧密相连的网络食物网。这个系统的主要角色是捕食者与被食者。生命依赖于生命，共同进化，由小的生态环境组成大的生态系统。,2022/10/10史忠植 人工智能：DAI与智能体 62生,2024/10/1,史忠植 人工智能：,DAI,与智能体,63,物种进化模型,物种进化的“复制者”是基因。从门德尔的植物遗传研究到现代遗传学的成果，都说明了在物种进化过程中，基因的组合与变异起着关键作用。在一个物种的某一群体中基因的集合称为基因池。生物组织是基因的载体。如果环境变化，选择的机制就会改变。这种变化必然引起基因池的变化。特定种群的基因变化称为基因流。一个物种总是不断地经历隔绝、基因流动、变化的循环。开始时，一组地理上隔绝的群体自己孤立地发展，基因在内部快速地流动。随着开放，通过交流和竞争，优胜劣汰。,2022/10/10史忠植 人工智能：DAI与智能体 63物,2024/10/1,史忠植 人工智能：,DAI,与智能体,64,经济模型,经济系统在某种意义上类似于生物生态系统。在商品市场和理想市场中，进化决定于经济实体的决策。选择机制是市场奖励机制。进化是快速的，企业与消费者之间、企业之间主要是一种互相依赖的合作关系。决策者为了追求长远利益，可以采取各种有效的方法，甚至可以暂时做赔本买卖。,2022/10/10史忠植 人工智能：DAI与智能体 64经,2024/10/1,史忠植 人工智能：,DAI,与智能体,65,协商模型,Zlotkin,的面向领域的协商理论,Zlotkin,的协商理论假设：,各智能体追求本身效用最大。,知识完备。,无历史信息。,目标集固定。,协商在两智能体之间同时进行。,智能体操作集相同。,世界仅当智能体操作之后发生变化。,2022/10/10史忠植 人工智能：DAI与智能体 65协,2024/10/1,史忠植 人工智能：,DAI,与智能体,66,面向领域的协商理论,在协商过程中，若存在一个双方满意的分配，可以得到一个联合规划,使协商终止的条件是：,(1),达成协议：如果,Utility(P(i,t),Utility(P(i,t-1),这一协商过程将在有限步内结束。,(2),冲突： 如果,Utility(P(i,t) = Utility(P(i,t-1),则无法达成协议。,2022/10/10史忠植 人工智能：DAI与智能体 66面,2024/10/1,史忠植 人工智能：,DAI,与智能体,67,最佳平衡,传统的协商是基于,Nash,平衡的,它的缺点是,Nash,平衡产生多个平衡点,对结果约束较少。,Kraus,使用,Rubinstein,的,“,最佳,”,平衡,(Perfect Equilibrium,简称,P.E.),理论,建立了一种基于,P.E.,的协商方法,需要在协商的任一阶段都产生平衡,即在协商的任一阶段,假设,智能体,A,使用,P.E.,策略,则,智能体,B,除了自己的,P.E.,策略外没有更好的策略可遵循。故若有唯一的,P.E.,并假定智能体要使用该策略,则它在协商的每一阶段都只用这一策略。可证明,存在唯一的,P.E.,在第一阶段后就可以终止协商。,Kraus,还将对时间的偏好引入这一理论中。结果表明,时间偏好可以提高协商效率,并仅对某一智能体有利。 这一理论对于智能体的构造和智能体之间的协作很有用处,如果为智能体提供唯一的,P.E.,策略,并通知其他智能体,则其他智能体的最佳选择也是,P.E.,策略。,该理论的缺陷是,:,缺乏动态性特色,应用面窄,因为尽管存在唯一的,P.E,但如何求出仍未得到解决。,2022/10/10史忠植 人工智能：DAI与智能体 67最,2024/10/1,史忠植 人工智能：,DAI,与智能体,68,集中式协商方法,Ephrati,使用了一种集中式的协商方法,用一个“,master agent ”,或组投票机制以达成协议。在这种方法中,一组智能体的协作与组规划进程相关。,Ephrati,使用一种动态的、迭代的搜索过程,通过一组约束,使智能体递增式地构成一个最大“社会效用”规划。在每一步,各智能体对于组规划的下一个联合行动投票。 使用这一技术,智能体无需完整地展示其偏好,可选状态集在投票之前产生。,2022/10/10史忠植 人工智能：DAI与智能体 68集,2024/10/1,史忠植 人工智能：,DAI,与智能体,69,开放环境多智能体协作方法,Osawa,(1),需求者,(requestor),向公告板智能体发送需求建议,RFP,(2),空闲智能体向公告板智能体申请一个,RFP,(3),公告板将,RFP,发到提出申请的空闲智能体,(4),空闲智能体产生个体规划,(5),空闲智能体将其规划发给需求者,(6),需求者调查协作的可能,(7),需求者发送协作奖励,(8),申请者组成协作规划,2022/10/10史忠植 人工智能：DAI与智能体 69开,2024/10/1,史忠植 人工智能：,DAI,与智能体,70,开放环境多智能体协作方法,其效用值可用下式计算：,utility(a,g)=worth(a,g)-cost(plan(a,g),效用的平均是协作的原则。,尽管,Osawa,在一定程度上解决了开放环境中智能体协作的问题,但将各智能体效用简单相加再平均的方法仍然太弱,因为智能体效用仅是智能体本身对目标偏好的一种排序关系,不同智能体效用一般不能用数值比较。,2022/10/10史忠植 人工智能：DAI与智能体 70开,2024/10/1,史忠植 人工智能：,DAI,与智能体,71,交互协议,智能体之间的会话常常形成典型模式，这种情况下某些消息序列是可知的，这些消息交换的典型模式称为协议。,智能体间交互的理想情况：智能体充分地理解消息的含意和意图，然后根据自身的信念、目标等心智状态，做出相应的回答,比较实际的实现：预先规范这些协议，规定好消息的顺序。,2022/10/10史忠植 人工智能：DAI与智能体 71交,2024/10/1,史忠植 人工智能：,DAI,与智能体,72,FIPA,英国拍卖协议,交互协议,2022/10/10史忠植 人工智能：DAI与智能体 72F,2024/10/1,史忠植 人工智能：,DAI,与智能体,73,规划,规划是智能体对动作进行推理的一种主要形式，它很大程度上体现了智能体的智能性。同时，规划也是描述智能体行为的主要方式。,规划是为了建立一个控制算法，使智能智能体能够为实现目标，对动作过程进行综合。,2022/10/10史忠植 人工智能：DAI与智能体 73规,2024/10/1,史忠植 人工智能：,DAI,与智能体,74,经典规划问题,经典的规划理论认为规划要解决的问题（即规划的输入）是：,用某种形式语言描述的初始世界状态,用某种形式语言描述的智能体目标,用某种形式语言描述的智能体可能采用的动作，通常也叫做领域知识,输出是：,可以在某个满足初始状态描述的世界中执行并达到智能体目标的一个动作序列,2022/10/10史忠植 人工智能：DAI与智能体 74经,2024/10/1,史忠植 人工智能：,DAI,与智能体,75,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 75内,2024/10/1,史忠植 人工智能：,DAI,与智能体,76,移动智能体,随着,Internet,应用的逐步深入，特别是信息搜索、分布式计算以及电子商务的蓬勃发展，人们越来越希望在整个,Internet,范围内获得最佳的服务，渴望将整个网络虚拟成为一个整体，使软件智能体能够在整个网络中自由移动，移动智能体的概念随即孕育而生。,移动智能体可以看成是软件智能体技术与分布式计算技术相结合的产物，它与传统网络计算模式有着本质上的区别。,2022/10/10史忠植 人工智能：DAI与智能体 76移,2024/10/1,史忠植 人工智能：,DAI,与智能体,77,移动智能体系统,虽然目前不同移动智能体系统的体系结构各不相同，但几乎所有的移动智能体系统都包含移动智能体（简称,MA,）和移动智能体服务设施（简称,MAE,）两个部分。,MAE,负责为,MA,建立安全、正确的运行环境，为,MA,提供最基本的服务（包括创建、传输、执行），实施针对具体,MA,的约束机制、容错策略、安全控制和通信机制等。,MA,的移动性和问题求解能力很大程度上取取于,MAE,所提供的服务,2022/10/10史忠植 人工智能：DAI与智能体 77移,2024/10/1,史忠植 人工智能：,DAI,与智能体,78,移动智能体系统,移动智能体服务设施,MAE,至少应包括以下基本服务：,（,1,）事务服务： 实现移动智能体的创建、移动、持久化和执行环境分配；,（,2,）事件服务：包含智能体传输协议和智能体通信协议，实现移动智能体间的事件传递；,（,3,）目录服务：提供移动智能体的定位信息，形成路由选择；,（,4,）安全服务：提供安全的执行环境；,（,5,）应用服务：提供面向特定任务的服务接口。,2022/10/10史忠植 人工智能：DAI与智能体 78移,2024/10/1,史忠植 人工智能：,DAI,与智能体,79,移动智能体系统,Java-based:,Odyssey. General Magic Inc.,Concordia. Mitsubishis,Aglets. IBM,Voyager. ObjectSpace,Others:,Tacoma: Univ.of Tromso and Cornell Univ.,Agent TCL: Dartmouth College,2022/10/10史忠植 人工智能：DAI与智能体 79移,2024/10/1,史忠植 人工智能：,DAI,与智能体,80,移动智能体系统,Voyager,Voyager,的最大特点是以,Voyager ORB,作为核心，将,Agent,和分布式计算紧密结合在一起的。但,Voyager,只支持纯,Java,的对象的通信，与,CORBA,和,MASIF,不兼容，它还支持异步或同步的通信，动态消息机制和单向多点发送。在容错服务方面，,Voyager,支持任意时间的显式地存储，其安全机制主要是通过,Voyager Security,类进行编程设置。,2022/10/10史忠植 人工智能：DAI与智能体 80移,2024/10/1,史忠植 人工智能：,DAI,与智能体,81,移动智能体系统,Aglet,Aglet,是由,IBM,公司用纯,Java,开发的移动,Agent,技术，并提供着实用的平台,Aglet Workbench,让人们开发或执行移动,Agent,系统。,Aglet,是一个较为成功和全面的系统，主要表现在：它提供了一个简单而全面的移动,Agent,编程模型；它为,Agent,间提供了动态和有效的通信机制；它还提供了一套详细且易用的安全机制。,2022/10/10史忠植 人工智能：DAI与智能体 81移,2024/10/1,史忠植 人工智能：,DAI,与智能体,82,Aglet,的系统框架,2022/10/10史忠植 人工智能：DAI与智能体 82A,2024/10/1,史忠植 人工智能：,DAI,与智能体,83,ATP,的示意图,2022/10/10史忠植 人工智能：DAI与智能体 83A,2024/10/1,史忠植 人工智能：,DAI,与智能体,84,Aglet,对象模型,Aglet,系统首先提供一个上下文环境（,context,）来管理,Aglet,的基本行为：如创建（,create,）,Aglet,复制（,clone,）,Aglet,或分派（,dispatch,）,Aglet,到远程机器，召回（,retract,）远端的,Aglet,或暂停（,deactive,）,唤醒（,active,）,Aglet,以及清除（,dispose,）,Aglet,等。,2022/10/10史忠植 人工智能：DAI与智能体 84A,2024/10/1,史忠植 人工智能：,DAI,与智能体,85,Aglet,生命周期模型,基本操作,:,Creation,Cloning,Dispatching,Retraction,Activation and deactivation,Disposal,Aglet,Clone,Class File,Aglet,Disk storage,Dispose,Dispatch,Retract,Create,Deactivate,Activate,Context A,Context B,2022/10/10史忠植 人工智能：DAI与智能体 85A,2024/10/1,史忠植 人工智能：,DAI,与智能体,86,Aglet,的对象模型,2022/10/10史忠植 人工智能：DAI与智能体 86,2024/10/1,史忠植 人工智能：,DAI,与智能体,87,Aglet,之间的通信,Aglet,与,Aglet,之间的通信，则可用消息传递的方法来传递消息对象。此外，基于安全上的考虑，,Aglet,并非让外界直接存取其信息，而是透过一个代理（,proxy,）提供相应的接口与外界沟通。这样做的好处，,Aglet,的所在位置会透明化，也就是,Aglet,想要与远端的,Aglet,沟通时，只在本地主机上的上下文环境中产生对应远端,Aglet,的代理，并与此代理沟通即可，不必直接处理网络连接与通讯的问题。,2022/10/10史忠植 人工智能：DAI与智能体 87A,2024/10/1,史忠植 人工智能：,DAI,与智能体,88,Aglet,安全性,Aglet,系统中的安全主要涉及主机对,Aglet,的攻击，,Aglet,之间的攻击，,Aglet,对主机的攻击，以及来自底层网络的攻击。,Aglet Workbench,目前主要支持前面两种攻击的预防。以下简要分析,Aglet,系统的安全对策。,2022/10/10史忠植 人工智能：DAI与智能体 88A,2024/10/1,史忠植 人工智能：,DAI,与智能体,89,Aglet,安全性,对用户和域的认证：,数据完整性检查：,另外还有类似,jdk,安全模型的授权。,2022/10/10史忠植 人工智能：DAI与智能体 89A,2024/10/1,史忠植 人工智能：,DAI,与智能体,90,内容提要,9.1,概述,9.2,分布式问题求解,9.3,智能体理论,9.4,智能体结构,9.5,智能体通信语言,ACL,9.6,协调和协作,9.7,移动智能体,9.8,多智能体环境,MAGE,9.9,小结,2022/10/10史忠植 人工智能：DAI与智能体 90内,2024/10/1,史忠植 人工智能：,DAI,与智能体,91,多智能体环境,MAGE,多智能体环境,MAGE,Multi-AGent Environment,目标,面向智能体的软件开发、集成和运行环境,功能,实现基于智能体的应用集成（软件重用的最佳解决方案）,主要特点,分布式计算平台,多种软件重用方案,多种智能体生成方式,图形用户界面、强大的管理功能,丰富的行为模板、智能体行为调度模型,2022/10/10史忠植 人工智能：DAI与智能体 91多,2024/10/1,史忠植 人工智能：,DAI,与智能体,92,MAGE,的总体结构,智能体统一建模平台,AUMP,可视化智能体开发环境,VAStudio,MAGE,运行环境,需求分析,系统设计,系统开发,/,智能体生成,行为层,智能体层,智能体社会,系统部署、运行,2022/10/10史忠植 人工智能：DAI与智能体 92M,2024/10/1,史忠植 人工智能：,DAI,与智能体,93,可视化,开发环境,VAStudio,2022/10/10史忠植 人工智能：DAI与智能体 93可,2024/10/1,史忠植 人工智能：,DAI,与智能体,94,MAGE,智能体系统结构,Agent kernel,Sensor,Function,Module,Interface,Resource Database,Engine,Communicator,Scheduling,Function Component,Plug-INs,Reasoning,Negotiation,Co-Operation,others,Plug-in,Manager,Task,Database,2022/10/10史忠植 人工智能：DAI与智能体 94M,史忠植 人工智能：,DAI,与智能体,小结,2024/10/1,95,分布式人工智能的研究目标在于构造描述自然系统、社会系统以及人机物三元世界的概念模型，研究由多个实体组成的系统中，各实体间如何交互作用、知识和动作如何分布与协作，以提高系统的整体性能，推动以新制造技术、新能源和智能城市为代表的“第三次工业革命”的发展。,智能体是人工智能的实用化和分布式计算环境下智能软件的重要技术，它们具有社会知识和领域知识，能依据心智状态自治工作，并具有领域互操作和协作能力。,本章首先介绍智能体的基本概念，然后介绍智能体的体系结构、通信语言、协调和协作、移动智能体。最后介绍多智能体环境,MAGE,。,史忠植 人工智能：DAI与智能体 小结2022/10/109,2024/10/1,史忠植 人工智能：,DAI,与智能体,96,Thank You,人工智能, 人工智能：DAI与智能体 96,