Web10 Semantic Web: Agenti Software

Dr. Sabin Buraga http://www.purl.org/net/busaco

Semantic Web <?xml version=“1.0” ?><curs desc=“…” />

Web semantic

Dr. SabinCorneliu BuragaFacultatea de Informatica

Universitatea “A.I.Cuza” – Iasi, Romania

http://www.infoiasi.ro/~busaco/



Agenti software



“A trai inseamna inainte de toate a participa.”

Georges Mathieu



Ce face un agent uman – agent imobiliar, hotelier,...?

“As dori sa merg in Egipt, miine.”

intrebare



Delegarea actiunilor

Autonomie, pro‐activitate, reactivitate

Cooperare, mobilitate, adaptabilitate

raspuns



agenti software

orice sistem poate fi privit ca fiind un agent software (Enrico Franconi, 2003)



Automobilul “inteligent”perceptii: video, accelerometru, senzori monitorizind

starea motorului, tastatura de bord, GPS,...

actiuni: schimbarea vitezei, frinare, accelerare,afisarea parametrilor esentiali, recomandarea rutelor etc.

scopuri: siguranta calatoriei, atingerea destinatiei, maximizarea profitului, respectarea regulilor,...

mediul: reteaua de (auto)strazi, traficul, pietonii, meteo,...

agenti software: studiu de caz



agentul software ca modul de rationamental unui agent rational

agenti software



Agent software inteligententitate care percepe mediul si actioneazaconform cunostintelor deja acumulate(internal declarative body of knowledge)

aceste cunostinte trebuie modelateastfel incit sa poata fi intelese de catre masina

agenti software



Puncte de vedere:

agentii ca entitati comportamentaleagentii ca descriere a atributelor acestora

agenti software



Aspect important:

autonomiaun agent este un sistem computational capabil

sa realizeze actiuni autonome in cadrul unui mediu

agenti software



Agentii ca entitati comportamentaleagere (lat.)

asocierea calitatilor umane masinilor

intelegerea comportamentului si semanticiisistemelor complexe (McCarthy, 1977)

interfata om‐calculator: metafore & interactiune“Ne pare rau, nu exista bilete la zborul dorit”

agenti software



Agentii ca entitati comportamentale

sisteme intentionale: decizii si scopuri

convingeri, dorinte, intentii, planuri

exemplu: termostat – agent trivial (neinteresant)

agenti software



Agentii ca sisteme intentionalecomportamentul uman e prezis si explicatvia atribuirea de atitudini (attitudes)

credinta, dorinta, frica, speranta etc.

“Narcisa munceste din greu,fiindca doreste sa termine proiectul.”

agenti software

notiuniintentionale



Agentii ca sisteme intentionalesistem intentional (Daniel Dennett)

compus din entitati ale caror comportament poate fi prezisprin atribuirea de proprietati precum credinta, dorinta

sau rationalitatea

agenti software



Agentii ca sisteme intentionaleIntrebare: Este oare legitim/folositor sa atribuimsistemelor computerizate astfel de atribute?

Raspuns: Da (McCarthy), daca notiunile intentionale suntconsiderate la nivel abstract (mod familiar si convenabilde descriere, explicare si prezicere a comportamentului

sistemelor complexe) – Wooldridge, 2002

agenti software



Agentii ca descriere a atributelor lorentitati software posedind functii

comportamentale, rulind autonom si continuuin medii colective, compuse din alti agenti

si procese

a se parcurge J. Bradshow, Software Agents,AAAI Press/MIT Press, 1997

agenti software



Agentii ca descriere a atributelor lorreactie

autonomiecolaborarepersonalitateadaptabilitateinferentamobilitate

…

agenti software



Remarca:nu exista o definitie unanim acceptata

agenti software



Agentii implica termeni/cunostinte din:calcul distribuit

inteligenta artificialainteractiune om‐masinainginerie software

filosofielingvisticapsihologie

agenti software



Agentii implica termeni/cunostinte din:inteligenta artificiala

reprezentarea cunostintelor si a contextuluimodelarea mediului

cunoasterea actiunilor: pre‐conditii, efecte, chainingrationament, deducere automata

invatare automata (machine learning)

agenti software



Agentii implica termeni/cunostinte din:calcul distribuit

inter‐comunicare (semnale, mesaje,...) client/server vs. peertopeer

servicii Webnegocierea mesajelorpervasive computing

agenti software



agenti software



agenti software

agentii in context – conform Miles Davis, 2008



Agentii trebuie sa asigure autonomia sicontinuitatea actiunilor intreprinse

capabili sa actioneze in mod flexibil si inteligent, adaptindu‐se situatiilor survenite

fara aportul utilizatorului

agenti: caracterizare



Ideal, un agent trebuie sa invete din propria‐iexperienta si sa dezvolte tehnici de comunicare

si de cooperare cu alti agenti si/sausa manifeste mobilitate




Utilizarea termenului “agent”:agenti de interfata

personaje animate (embodied agents)agenti BDI – logica & rationament automat

agenti mobiliagenti autonomi & reactivi – robotica

agentie a multi‐agentilor…




Exemplu: embodied agents

animatie artisticagrafica computationala

caracter inteligent al comportamentului




Autonomiacomportament directionat spre un scop specific,

independent de utilizator

agentul opereaza fara interventia directa a utilizatoruluisau a altor entitati (procese, aplicatii, sistem de operare),avind o stare interna si un anumit grad de control al

actiunilor sale

exemple: daemonii UNIX, sendmail,… (sunt agenti?)

agenti: atribute



Reactivitateacapacitatea unui agent de a‐si percepe mediulde executie si de a (re)actiona la schimbarile

din cadrul acestui mediu

optiunile alese de agent pot fi influentate de intrare (input)

contrast cu sistemele expert

agenti: atribute



Adaptabilitateacapacitatea agentului de a invata si de a se dezvolta,

tinind cont de experienta acumulatasi de versatilitate in rezolvarea unor situatii inedite

agenti: atribute



Colaborareaposibilitatea ca un agent sa fie capabil

sa interactioneze cu alti agenti(ori cu utilizatori umani)

printr‐un limbaj de comunicare(agent communication language – ACL)in vederea indeplinirii unui scop comun

agenti: atribute



Mobilitateaabilitatea agentului de a migra de la sinede pe o platforma (gazda – host) pe alta

agenti: atribute



agenti: atribute

O taxonomie a agentilor – conform (Tim Jones , 2003)



agenti: modelare

Modele:agent

ciclul de viatacomputationalsecuritatecomunicatienavigare



agenti: modelare

Modelul agentdefineste structura interna a unui agent

specifica diverse caracteristici: autonomia, capacitatea de auto‐invatare, cooperarea,

reactivitatea si pro‐activitatea

arhitectura poate fi considerata ca fiind una paralela

fiecare agent are propria sa “viata” autonoma



agenti: modelare

Modelul ciclului de viatadefineste stari de executie si

evenimentele care determina tranzitiile de stare

tipuri: procese persistente (Telescript, AgentTCL)sau actiuni (agleti Java)

formalizari: teoria automatelor, retelele Petri,algebre de proces – e.g., π‐calcul



agenti: modelare

Modelul computationalspecifica semantica executiei agentului,

cind se afla in starea de rulare

calcul este facilitat de o masina reala (procesor) sau de una abstracta – e.g., JVM, CLR .NET

defineste setul de instructiuni primitive, specificindabilitatile de calcul (e.g., controlul firelor de executie)



agenti: modelare

Modelul securitatiiprotejarea gazdelor de actiunile agentilor versusprotejarea agentilor de actiunilor gazdelor

pericole asupra sistemului de agenti (mobili)

pericole asupra gazdelor Internet:interferente in activitate, propagare demalware,

atacuri gen (D)DoS,…



agenti: modelare

Modelul comunicariiasigura comunicarea agentilor cu entitati ca utilizatorii,agentii (statici/mobili), mediul de management al

agentilor, sistemul de operare al gazdei, alte sisteme distribuite – e.g., sisteme P2P

comunicarea se folosestesi in vederea coordonarii activitatii agentilor

foloseste un protocol de comunicatie



agenti: modelare

Modelul navigariiasigura mobilitatea (migrarea task‐urilor si/sau codului)

în vederea descoperirii surselor de destinatiepe care agentii trebuie sa le aleaga sa‐si execute codul

probleme: conventii de numire (adresare), accesul lainformatii la distanta, modul de mutare a unui agent pealta gazda, receptionarea unui agent de la distanta,

gasirea celei mai “prietenoase” gazde



agenti: modelare

Modelul navigariiutilizarea ontologiilor (Luc Moreau et al., 2005)



Poate fi considerata mediu de executie

determina gradul de autonomie si autoritate pe care‐l areun agent, dat de natura interactiunilor dintre agenti si

alte entitati

agentii ruleaza sincron sau asincron mecanisme de comunicare asincrona (e.g., servicii de rutare)

agentia (Alan Kay, 1994)



Mai multe agentii pot formaun mediu orientat‐agent:

FIPA (The Foundation of Intelligent Physical Agents)

implementari: Agentcities

FIPA‐OS (FIPA OpenSource)

agentia



Mediu al agentilor mobili ≡ sistem distribuit, peste o retea de calculatoare eterogene

(eventual, creata adhoc)

mediu de executie pentru agentii mobili, implementîndmajoritatea modelelor care apar în definitia agentului

ofera servicii de suport pentru interactivitatea agentilormobili cu mediul si pentru accesarea altor sisteme

(orientate sau nu agent)

agentia



agentia



Modelare ontologica – in cadrul sistemului SOFAR(SOuthamton Framework for Agent Research)

Luc Moreau, Victor Tan & Nick Gibbins

agentia



Tipuri de aplicatiiagenti de interfata – e.g., agenti de regasire documentara

in timp‐real (realtime information retrieval)

ecommerce, sisteme de recomandare, cautare Web

industria de telecomunicatii

industria de divertisment – de exemplu, jocuri

modelarea comportamentului uman(simulare, elearning,…)

agenti: utilizari



Agentii de interfata

invata din modele de interactiune cu oameniiexplica actiunile ce pot fi efectuate asupra interfetei

ofera sugestii si ajutorcu rol de amuzament (iritare?)

agenti: utilizari



Suport acordat diferitelor industrii

controlul proceselor industrialecontrolul traficului aerian – agentii BDI

managementul distribuit al dispozitivelor electronice

agenti: utilizari



Ecommerce

clasificarea si potrivirea produselor si serviciilorconsilierea in privinta cumpararii/vinzarii/licitatiilor

operarea pe piete de desfacere virtuale

agenti: utilizari



agenti: utilizari

Licitatii electronice facilitate de sisteme multi‐agent(Christopher Walton, 2005)



agenti: utilizari

Ontologii in contextul etravel – sistemul de agenti RACING (Vadim Ermolayev, 2005)



Agentii de modelare/simulareinteractiunea cu utilizatorii in medii virtuale (3D)

agenti: utilizari

sistemul STEVE – J. Rickel, L. Johnson, M. Thiebaux et al., 2002



ProvocareCe tehnici trebuie adoptate pentru a putea folosi

sisteme compuse din 1010 procesoare?

intrebare



Construirea unor sisteme de calcul care sa actioneze efectiv independent de om sicare sa ne reprezinte propriile noastre(cele mai bune) interese via cooperare

raspuns



Sistem compus din mai multi agenti,care interactioneaza unul cu altul

Michael Wooldridge, 2002

in general, agentii reprezinta interesele utilizatorilor(scopuri & motivatii)

pentru o buna interactiune, agentii trebuie sa poatacoopera, coordona si negocia

sistem multi‐agent



Un sistemmulti‐agent este o retea slab conectatacompusa din entitati computationale care

lucreaza impreuna la rezolvarea unei problemece nu poate fi solutionata in mod individual

(Bradshow, 1997)

aceste entitati – agentii – sunt autonome si pot fi eterogene




Fiecare agent poseda informatii sau prezintafunctionalitati incomplete

agentul nu poate rezolva problema(luata in ansamblu), in mod individual

datele procesate sunt descentralizatecalculul se desfasoara asincron

nu exista un control global al sistemului




Domenii de utilizare – exemple:controlul navelor cosmice: NASA

controlul traficului aerian: aeroportul din Sydneymanagementul proceselor economicemanagementul sistemelor energeticecontrolul proceselor manufacturiere

ecommerce (agenti de recomandare a produselor,agenti de cautare,...)

social networking – la nivel de Web sau dispozitive mobile…




Intrebari:Cum trebuie formulate, descrise, descompuse si alocateproblemele dorite a fi rezolvate?

Cum se sintetizeaza rezultatele?Cum/cind vor comunica si interactiona agentii? Cum se asigura faptul ca agentii sa fie coerentiin luarea deciziilor si executia actiunilor?

Cum vor reprezenta si manipula agentii actiunile, planurile si cunostintele?

sistem multi‐agent: cooperare



Intrebari (continuare):Cum se vor detecta si reconcilia intentiile conflictuale sipunctele de vedere diferite asupra problemei de rezolvat intre agenti?

Cum se va organiza alocarea resurselor limitate?Cum se vor proiecta & implementa sisteme multi‐agent reale?

Exista metodologii si tehnologii ce vor fi folosite?




Aplicatii care necesita cooperare:Retele de senzori (radar, detectoriacustici/optici, seismografe,…)

Controlul traficului (de retea) Supravegherea centralelorenergetice

Roboti mobiliAplicatii Internet/Web

Informatiidistribuite

Procesaredistribuita

Control distribuit




Alocarea activitatilor

se foloseste protocolul de contract in reteathe contract net(Smith, 1980)




Alocarea activitatilor: the contract netrezolvarea in maniera distribuita a unei problemei:

DPS – Distributed Problem Solving (nici un agent nu are date suficiente pentru a rezolva singur problema)

distribuirea activitatilor ≡ negociere a unui contract

se specifica nu doar forma,ci si continutulmesajelor vehiculate

informatiile sunt transferate in regim fullduplex




Alocarea activitatilor: Distributed Problem Solvingcontrolul & datele sunt distribuite

comunicatiile sunt mai lente decit calcululloose coupling (conectare slaba)protocolul trebuie sa fie eficientproblemele trebuie modularizate

problemele pot avea un spatiu mare de solutii




Alocarea activitatilor: Distributed Problem Solvingorice nod poate cauza probleme

distribuie dateledistribuie controlul

nu se poate garanta comportamentul organizat – nici un nod nu are privirea de ansamblu asupra problemei

ce se intimpla daca un nod (agent) cade?




Alocarea activitatilor – etape:Descompunerea problemeiproblem decomposition

Distribuirea sub‐problemelorsubproblem distribution

Gasirea solutiilor sub‐problemelorsubproblem solution

Sintetizarea rezultateloranswer synthesis


Aici intervineContract Net



Alocarea activitatilororice nod poate juca, in mod dinamic, rol de manager sau de contractor

cind un nod primeste spre rezolvare o problema compusa, devinemanager si o divide in sub‐activitati – daca e posibil – care vor fi solutionate de alte noduri (gazde)

un nod care receptioneaza un anunt de rezolvare a unuitask va replica cu o descriere a cit de bine il poate face




Alocarea activitatilorva cistiga nodul care poate rezolva acel task cel mai bine

managerul are rol de distribuire a activitatilorsi de colectare a rezultatelor

protocolul asigura alocarea dinamica a sarcinilor,permitind agentilor sa‐si ofere serviciile




Alocarea activitatilornodurile interesate de rezolvarea unei activitati

trebuie sa evalueze sarcina oferita(task evaluation procedure)

in functie de domeniul de activitate




Alocarea activitatilorofertele primite de manager sunt si ele evaluate

(bid evaluation procedure)

ambele tipuri de evaluari sunt deliberativenu sunt simple selectii




Alocarea activitatilortipuri de mesaje vehiculate:

anunt de sarcini (task announcement)oferta (bid)

acceptare (award)raport preliminar (interim report)

raport final – include descrierea rezultatelorterminare – managerul doreste terminarea contractului




Alocarea activitatilor – optimizari:dialog focalizat – unicast / anycast

(atunci cind broadcastul nu este necesar)

contracte directe(cind managerul cunoaste care este cel mai “bun” nod)

mecanism cerere/raspuns (pentru transferuri simple,fara initierea in prealabil a unor contracte)

inversarea initiativei negocierii




Arhitectura blackboardSurse de cunoastere (knowledge sources – KS) procese multiple, eterogene, independente, in executie asincrona

Cooperare (in termeni de control) via o forma generalizata de mesaje ipoteza‐test, implicind invocarea directa a proceselor KS

Comunicare (in termeni de date) via o baza de cunostinte partajata – “tabla” (blackboard)




Arhitectura blackboard – model abstract:Sistem paralel de productii (gramatici)

Starea curenta a structurii dinamice de date (tabla)trebuie sa satisfaca un set de preconditii ce pot declansa

actiuni specificateUzual, actiunile vor altera starea curenta a tableiProcesele se opresc atunci cind nu este satisfacuta

nici o preconditie sau cind se executa o operatie “stop”(esec/solutie)




Arhitectura blackboard – aplicatii:Hearsay II Speech Understanding System

(Carnegie‐Mellon, 1976)interpretarea vorbirii,

folosind un vocabular de mari dimensiuni

prim exemplu de arhitectura blackboard“A problemsolving organization that can effectively exploit

a multiprocessor system.” – Fennel & Lesser, 1976




Modelul FA/CFunctionally Accurate / Cooperative Modelrezolvarea problemelor de interdependenta

intre agenti care coopereazafunctionally accurate: “the generation of acceptably

accurate solutions without the requirement that all sharedintermediate results be correct and consistent.”

cooperative: an “iterative, coroutine style of nodeinteraction in the network.”




Modelul FA/C comunicare mai redusa intre agenti

(rezultatele partiale nu mai sunt verificate)

sincronizarea poate fi redusa/eliminataun grad mai mare de paralelism

comportament mai robust: erorile hardware sunt tratatela fel ca erorile software rezultate din informatii

incomplete ori inconsistente




Planificarea activitatilorimplica reprezentarea si regasirea cunostintelor

sisteme de planificare:a robotilor

a experimentelor biologicea actelor vorbirii

a executiei serviciilor Web…

sistem multi‐agent: planificare



Agentii de planificare (planning agents)incearca sa realizeze deductii logice

pentru a rezolva problema

se ia in calcul existentaunui domeniu (modelat ontologic)

semantica lumilor posibile




In general, un sistem de planificare “gaseste”o secventa de actiuni care realizeaza tranzitii

de la starea initiala I la o stare‐scop G (goal state)




I G

a1

a17

a142




Exemplu: lumea blocurilor (blocks world) lumea este compus dintr‐un set de blocuride dimensiuni egale dispuse pe o masa

bratul unui robot – condus de un agent – manipuleazablocurile via actiunile:UNSTACK (a, b)STACK (a, b)PICKUP (a)

PUTDOWN (a)




Pentru a descrie lumea, vom utiliza predicatele:ON (A, B)ONTABLE (B)ONTABLE (C)CLEAR (A)CLEAR (C)ARMEMPTY

A

B CIn acestcaz, true




In general, exista urmatoarele predicate:ON (a, b) – blocul b este peste aHOLDING (a) – bratul robotului detine blocul aONTABLE (a) – blocul a este pe masaARMEMPTY – bratul este liber (nu are nici un bloc)CLEAR (a) – blocul a nu are alt bloc peste el

Fapte intotdeauna adevarate – axiome:[ ∃ x HOLDING (x) ] → ¬ ARMEMPTY∀ x [ ONTABLE (x) → ¬ ∃ y [ON (x, y)] ]∀ x [ ¬ ∃ y [ON (y, x)] → CLEAR (x) ]




Adaugam fiecarui predicat variabile de stare si utilizam functia DO care asociaza noi stariactiunilor si starilor curente: DO : A × S→ S

de exemplu, DO (UNSTACK (x, y), S)va conduce la tranzitia intr‐o noua stare

aceasta functie ne va ajuta la caracterizarea actiunilorce pot fi realizate in lumea considerata




Consideram situatia:


A

B



UNSTACK:[ CLEAR (x, s) ∧ ON (x, y, s) ] →

[ HOLDING (x, DO (UNSTACK (x, y), s)) ∧ CLEAR (y, DO (UNSTACK (x, y), s)) ]

se poate demonstra ca daca S0 este:ON (A, B, S0) ∧ ONTABLE (B, S0) ∧ CLEAR (A, S0)

atunci:HOLDING (A, DO (UNSTACK (A, B), S0)) ∧CLEAR (B, DO (UNSTACK (A, B), S0))




PUTDOWN:HOLDING (x, s) →

ONTABLE (x, DO (PUTDOWN (x), s))

se poate demonstra ca:ONTABLE (A,

DO (PUTDOWN (A),DO (UNSTACK (A, B), S0)))




Aceste actiuni imbricate dau planul agentului:1. UNSTACK (A, B)2. PUTDOWN (A)




Daca in baza de cunostinte a agentului existaON (A, B, S0) ∧ ONTABLE (B, S0) ∧ CLEAR (A, S0)si scopul lui este ∃ s (ONTABLE (A, s)), atunci

putem folosi tehnici de demonstratie automata deteoreme pentru a gasi (urma) planul

metode bazate pe limbaje logice: Prolog & derivatelemetode bazate pe reguli

metode privitoare la rationament automat




Frame problem

cum determinam ce se schimba si ce nu se schimbain cadrul lumii considerate in urma executiei unei actiuni?

folosirea unor axiome‐cadru (frame) care specificainvarianta valorii de adevar a predicatelor

dupa indeplinirea unei actiuni




Frame problem

exemple:ONTABLE (z, s) → ONTABLE (z, DO (UNSTACK (x, y), s))

[ ON (m, n, s) ∧ DIFF (m, x) ] →ON (m, n, DO (UNSTACK (x, y), s))




Pentru a modela comportamentul agentilor,se considera uzual tehnica rationamentului practic

(practical reasoning)

“Practical reasoning is a matter of weighing conflictingconsiderations for and against competing options, wherethe relevant considerations are provided by what the agentdesires/values/cares about and what the agent believes.”

(Bratman)

sistem multi‐agent: comportament



In cazul omului, rationamentul practic constadin urmatoarele activitati:deliberare (deliberation)

a decide ce stare a lumii dorim sa atingemrationament final (meansends reasoning)

a decide cum ajungem in starea dorita

rezultatele deliberarii ≡ intentiile




Modelare:reprezentarea scopului/intentiei de indeplinit

reprezentarea actiunilor executatereprezentarea mediului de executie

generarea unui plan pentru a atinge un scop




planificator

scopuri/intentii/task‐uri

starea mediului

actiunile posibile

planul pentru a atinge scopul




Exemplu: lumea blocurilor(un brat de robot, 3 cuburi, o masa)

pentru reprezentarea mediului, consideram o ontologie:On (x, y) obiectul x e peste yOnTable (x) obiectul x este pe masaClear (x) nu este nimic peste xHolding (x) bratul tine obiectul x

lumea e inchisa (orice nu‐i specificat se considera a fi fals)




Un scop este reprezentat ca un set de formuleexemplu: OnTable (A) ∧ OnTable (B) ∧ OnTable (C)

AB C




Pentru fiecare actiune se specifica:numele – eventual, si argumentele aferente

o lista de preconditii (faptele care trebuie sa fie adevarate pentru actiunea ce va fi executata)

o lista de stergere – delete list (faptele care nu vormai fi adevarate dupa executia actiunii)

o lista de adaugare – add list (faptele care vor fi evaluate ca adevarate executind actiunea)

toate acestea pot contine variabile




Exemplu: actiunea Stack are loc atunci cind bratulplaseaza obiectul x pe care‐l tine peste obiectul y

Stack (x, y)pre Clear (y) ∧ Holding (x)del Clear (y) ∧ Holding (x)add ArmEmpty ∧ On (x, y)

similar pentru actiunea Unstack

A

B




Exemplu: actiunea Pickup are loc atunci cind bratulia un obiect x de pe masaPickup (x)

pre Clear (x) ∧ OnTable (x) ∧ ArmEmptydel OnTable (x) ∧ ArmEmptyadd Holding (x)

idem pentru actiunea Putdown in urma careia bratul,detinind un obiect x, il plaseaza pe masa




Specificarea unui plan consta in specificarea listei(secventei) de actiuni ce trebuie executatede agent, in care variabilele se substituie

cu constante




Strategii – de exemplu, cazul STRIPS:plasarea scopurilor intr‐o stiva de scopuri (goal stack),

cel mai important scop fiind cel din virful stivei(acest top goal poate implica rezolvarea unor sub‐scopuri,

plasate si ele in stiva)

specificarea unui set de reguli de manipulare a stivei,in functie de problema ce trebuie rezolvata




Schelet de implementare, folosind rationamentul practic:

Agent Control Loop Version 11. while true2. observe the world;3. update internal world model;4. deliberate about what intention to achieve next;5. use means-ends reasoning to get a plan for the intention;6. execute the plan7. end while


Nu ne intereseaza



Aspecte de luat in consideratie:

timpul consumat pentru deliberare sirationament final – time cost

putem formaliza “ciclul de viata” al agentului?




Mai formal, avem:




Cum delibereaza agentul?

intelegerea optiunilor disponibile

alegerea unora si comiterea (executia) lor

optiunile alese sunt intentii




Functia de deliberare este compusa din:generare a optiunilor + filtrare

generarea optiunilor considera credintele siintentiile curente ale agentului, dintre care se determina un set de optiuni (≡ dorinte)




Strategii de comitere a optiunilor(commitment strategies):blind (fanatical) commitment – agentul va continua sa mentina o intentie pina cind aceasta e indeplinita

singleminded commitment – intentia va fi mentinutapina e indeplinita sau nu exista nici o posibilitatede‐a fi indeplinita

openminded commitment – se va mentine intentia, atit timp cit se va putea indeplini




De fiecare data cind un plan esueaza(sau este pe cale de a esua),

agentul va putea sa realizeze replanificarea

intra in joc verificarea validitatii planului




Intrebari:Exista intentii care pot fi (re)considerate?

Ele sunt “bune”?

Intentiile nu ar trebui reconsideratedupa executia actiunilor?

Pe care le reconsideram?




Atentia trebuie focalizata asupra strategiilorde reconsiderare a intentiilor(Kinny & Georgeff, 1996)

rata de schimbare a lumii – dinamismul




Termeni utilizati: credinte (beliefs), dorinte (desires), intentii (intensions), planuri (plans) arhitecturi BDI


structura unui agent BDI – conform (Lyell, Levy & Satapathy, 2005)



Semantica sistemelor multi‐agent BDIse bazeaza pe logici BDI (Rao & Georgeff, 1995)

logici neclasice cu conectori modali, extensii ale logicilortemporale arborescente CTL* (Emerson, 1990)

sistem multi‐agent: semantica



Logica BDIStructura semantica de baza: un arbore temporal etichetat

Din logica clasica: ∧, ∨, ¬, …Calificatori de cale CTL* (path quantifiers):

A φ pe toate caile, are loc φE φ pe unele dintre cai, are loc φ

Conectori BDI:(Bel i φ) i crede φ(Des i φ) i doreste φ(Int i φ) i intentioneaza φ




Logica BDI:semantica este data via relatii de accesibilitate

peste “lumi”, unde o “lume” este un arbore temporal

proprietatile folosite pentru exprimarea relatiilor de accesibilitate recurg la sistemele axiomatice

KD45 – pentru credinteKD – pentru dorinteKD – pentru intentii




Axiomele KD45(1) Bel (p→ q) → (Bel p→ Bel q) (K)

Daca agentul crede ca p implica q, atunci – daca va crede p – va crede si q

(2) Bel p→ ¬Bel ¬p (D) Daca agentul crede p, atunci nu va crede ca p este fals

(3) Bel p→ Bel Bel p (4) Daca agentul crede p, atunci crede ca va crede p

(4) ¬Bel p→ Bel ¬Bel p (5) Daca agentul nu crede p, atunci crede ca nu crede ca p este adevarat




Reguli de inferenta KD45(5) daca p si p→ q, atunci q (MP) (6) daca p e teorema in KD45,

atunci Bel p este teorema (Nec)


regula (6) afirma faptul ca agentul va credetoate teoremele din cadrul logicii



Logica temporala CTL (Computational Tree Logic)un calcul este considerat ca fiind un arbore(posibil infinit) de stari conectateprin evenimente atomice

pentru fiecare stare (nod), arcele care ies reprezintaactiuni conducind la viitoare stari posibile

exemplu: P = (a→ P) ∏ (b→ P) a b

a a bb




O varianta este CTL*, folosita de logica BDI

conectorii suplimentari utilizati sunt:A = pentru fiecare cale (for every path)E = exista o cale (there exists a path)

G = global (globally)F = in viitor (future)




Operatorii A si E se refera la o cale (un drum):

A impune ca toate caile sa aiba o anumita proprietate(o proprietate va avea loc in toate lumile posibile)

E impune ca macar o cale sa aiba o anume proprietate(o proprietate va avea loc macar intr‐o lume)




Operatorii G si F se refera la starea unei cai:

G impune ca toate starile aflate pe o anumita calesa aiba o anumita proprietate(proprietate are loc oricind)

F impune ca macar o stare de pe o anumita calesa aiba o proprietate

(proprietatea va avea loc in viitor)




Exemple:AG p = pentru fiecare calcul (drum de la radacina),

in fiecare stare p este adevarat

AF p = pentru fiecare drum, in viitor p va fi adevarat(p este inevitabil)

EF p = exista un drum, a.i. in viitor p va fi adevarat(p este accesibil – p will hold potentially)




Echivalente:AG p ≡ ~EF ~pEG p ≡ ~AF ~p

putem rescrie AG p ≡~EF ~p si EF p ≡~AG ~p




Axiomele logicii BDI:

consideram pentru inceput α fiind Oformula, care nu contine aparitii pozitive ale lui α,

iar φ este o formula arbitrara





compatibilitatea credinte‐scopbelief goal compatibility(Des α) → (Bel α)

daca agentul are un scop pentru care optional poate realizaceva, acest lucru trebuie sa fie o optiune– axioma e folosita in functia options()





compatibilitatea scop‐intentie(Int α) → (Des α)

avind o intentie de a indeplini ceva,atunci aceasta implica a avea un scop (nu exista intentiicare nu sunt scopuri) – apare in functia deliberate()





volitional commitment(Int does (a)) → does (a)

daca agentul intentioneaza sa realizeze actiunea a,atunci va realiza a – axioma apare in functia execute()





“constienta” asupra scopurilor & intentiilorawareness of goals & intentions

(Des φ) → (Bel (Des φ))(Int φ) → (Bel (Int φ))

noile intentii si scopuri vor fi considerate drept “credinte”





lipsa actiunilor inconstientedone (a) → Bel (done (a))

daca agentul executa o actiune, va sti ce actiune executa





interzicerea planificarilor infiniteno infinite deferral

(Int φ) → AF(¬(Int φ))

agentul va lua consideratie o intentie ori o va abandona




Detalii privitoare la logica BDI in:

A. Rao et al., “Formal Methods and Decision Procedures for Multi‐Agent Systems”, TR 61,

Australian AI Institute, 1995




Sisteme BDIIRMA (Intelligent Resourcebounded Machine Architecture)

structuri de date simbolice: biblioteca de planuri, reprezentari explicite ale credintelor,

dorintelor, intentiilor

arhitectura compusa din: reasoner (motor de inferenta), meansends analyzer, opportunity analyzer,filtering process, deliberation process

sistem multi‐agent: aplicatii



Sisteme BDIPRS (Procedural Reasoning System)

fiecare agent poseda o biblioteca de planuri, reprezentindcunoasterea procedurala (procedural knowledge):cunostintele despre mecanismele ce trebuie utilizate

de agent pentru a‐si realiza intentiile

un agent fara planuri, nu are nici optiuni




Sisteme BDIHOMER

robot submarin simulat, evoluind intr‐o lume 2D HOMER preia instructiuni de la utilizatori,pe baza unui vocabular de 800 cuvinte

memorie episodica, folosita pentru a raspunda la intrebarireferitoare la experientele din trecut

exemplu de utilizare a unei arhitecturi BDIin conjunctie cu agentii de interfata




Modul de comunicare inter‐agent este inspiratdin teoria actelor vorbirii (speech act theory)

cum sunt utilizate limbile pentru ca oamenii sa‐si atingascopurile si intentiile (Austin, 1962)

ceea ce exprimam poate schimba starea lumiiin care ne gasim – e.g., declaratia de razboi

mai general, orice exprimam este exprimatcu intentia satisfacerii unui scop

sistem multi‐agent: comunicare



Tipuri de acte ale vorbirii:reprezentative – e.g., pentru informare“Afara este soare”

directive – incearca sa faca partenerul sa actioneze“Fa‐mi o cafea”

angajatoare – il pun pe vorbitor sa realizeze ceva“Promit sa…”

expresive – vorbitorul exprima o stare mentala“Multumesc!”

declarative – e.g., declaratia de razboisau “Va declar sot si sotie!”




Un act al vorbirii poate fi consideratca fiind format din:

un verb care exprima o angajaredin partea vorbitorului (actiune)

e.g., cerere, informare etc.

un continut propozitionale.g., “Usa este inchisa”




Exemple:Act angajator ≡ cerere

Continut: “usa este inchisa”Actul vorbirii: “Inchide usa.”

Act angajator ≡ informareContinut: “usa este inchisa”Actul vorbirii: “Usa‐i inchisa!”

Act angajator ≡ interogareContinut: “usa este inchisa”Actul vorbirii: “Usa e inchisa?”




Semantica actelor vorbirii este definitavia un formalism al planurilor

Cohen & Perrault, 1979

Vorbitorul nu poate – in general – sa‐l fortezepe partener sa accepte

o anumita stare mentala dorita




Exemplu: semantica unei cerericerere (v, p, c)pre‐conditiev crede ca p poate face cv crede ca p crede ca p poate face cv crede ca v doreste c

post‐conditiep crede ca v crede ca v doreste c

v – vorbitorul, p – partenerul, c – comunic. (actiunea)




Schimbul de informatii intre agenti se desfasoaravia limbaje de comunicare

ACL – Agent Communication LanguageKQML (Knowledge Query and Manipulation Language)

standard ARPAKIF (Knowledge Interchange Format)

FIPA (Foundation for Intelligent Physical Agents) ACLRDF/XML




KQML defineste diverse verbe comunicative(acte ale vorbirii angajatoare)

ask-if – “este adevarat ca…?”perform – “realizeaza actiunea X”

tell – “este adevarat ca…!”reply – “raspunsul este…”

KIF exprima continutul mesajului




Pentru a comunica, agentii trebuie sa foloseascaacelasi set de termeni, avind aceleasi semantici!

specificarea formala a acestui set de termenise realizeaza printr‐o ontologie


termen familiar, nu? ☺



Exemplu de dialog intre 2 agenti:A B: (ask‐if

(> (price book1) (price book2)))B A: (reply true)B A: (inform (= (price book1) 29.8))B A: (inform (= (price book2) 10.9))




FIPA ACLverbe angajatoare (performative): 20 de expresii

informatii interne (housekeeping)e.g., emitator (sender), receptor (receiver),…

continut: mesajul propriu‐zis




Primitive (verbe) FIPA ACL importante:agreecancelconfirmdisconfirmfailureinformnot‐understood

proposequery‐ifrefusereject‐proposalrequestrequest‐whensubscribe





Scenariu de comunicare intre agenti via FIPA ACL(Vincent Louis & Thierry Martinez, 2005)



Specii:cadre de dezvoltare a agentilor (frameworks)

e.g., JADE (Java Agent Development Environment), Cybele

sisteme multi‐agent – vezi www.agentlink.orgeventual, avind capabilitati de mobilitate

obiecte mobileexemplu: agleti Java

sistem multi‐agent: implementari



ADF (Agent Developing Framework)O. Nichifor & S. Buraga, 2004; C. Hritcu & S. Buraga, 2005

arhitectura deschisa bazata pe tehnologiile Javaadf.sourceforge.net




Webify – webifysolutions.comutilizeaza sisteme de agenti

opereaza in domeniul asigurarilor

agentii ruleaza in cadrul unei arhitecturi SOA pentrua dirija documente intre ofertanti de servicii

pe baza continutului




privire de ansamblu (Jones, 2003)

sistemmulti‐agent



Rezumat

Agenti softwarepunerea problemei, sisteme multi‐agent, utilizari



?

Web10 Semantic Web: Agenti Software

Education

Transcript of Web10 Semantic Web: Agenti Software