Inteligência artificial distribuída - Distributed artificial intelligence

A Inteligência Artificial Distribuída (DAI), também chamada de Inteligência Artificial Descentralizada, é um subcampo da pesquisa em inteligência artificial dedicado ao desenvolvimento de soluções distribuídas para problemas. O DAI está intimamente relacionado e predecessor no campo dos sistemas multiagentes .

Definição

A Inteligência Artificial Distribuída (DAI) é uma abordagem para resolver problemas complexos de aprendizagem, planejamento e tomada de decisão. É constrangedoramente paralelo , portanto, capaz de explorar computação em larga escala e distribuição espacial de recursos de computação. Essas propriedades permitem resolver problemas que requerem o processamento de conjuntos de dados muito grandes. Os sistemas DAI consistem em nós autônomos de processamento de aprendizagem ( agentes ), que são distribuídos, geralmente em uma escala muito grande. Os nós DAI podem atuar de forma independente e as soluções parciais são integradas pela comunicação entre os nós, geralmente de forma assíncrona. Em virtude de sua escala, os sistemas DAI são robustos e elásticos e, por necessidade, fracamente acoplados. Além disso, os sistemas DAI são construídos para serem adaptáveis ​​às mudanças na definição do problema ou nos conjuntos de dados subjacentes devido à escala e dificuldade de reimplantação.

Os sistemas DAI não exigem que todos os dados relevantes sejam agregados em um único local, em contraste com os sistemas de Inteligência Artificial monolíticos ou centralizados que possuem nós de processamento fortemente acoplados e geograficamente próximos. Portanto, os sistemas DAI geralmente operam em subamostras ou impressões hash de conjuntos de dados muito grandes. Além disso, o conjunto de dados de origem pode mudar ou ser atualizado durante a execução de um sistema DAI.

Metas

Os objetivos da Inteligência Artificial Distribuída são resolver os problemas de raciocínio , planejamento, aprendizado e percepção da inteligência artificial , especialmente se eles requerem grande volume de dados, distribuindo o problema para nós de processamento autônomo (agentes). Para atingir o objetivo, o DAI requer:

Existem muitas razões para querer distribuir inteligência ou lidar com sistemas multiagentes. Os principais problemas da pesquisa DAI incluem o seguinte:

  • Resolução de problemas paralelos: trata principalmente de como os conceitos clássicos de inteligência artificial podem ser modificados, de forma que sistemas multiprocessadores e clusters de computadores possam ser usados ​​para agilizar o cálculo.
  • Resolução distribuída de problemas (DPS): o conceito de agente , entidades autônomas que podem se comunicar entre si, foi desenvolvido para servir de abstração para o desenvolvimento de sistemas DPS. Veja abaixo para mais detalhes.
  • Multi-Agent Based Simulation (MABS): um ramo da DAI que constrói a base para simulações que precisam analisar não apenas fenômenos em nível macro , mas também em nível micro , como em muitos cenários de simulação social .

História

Em 1975, a inteligência artificial distribuída surgiu como um subcampo da inteligência artificial que lidava com as interações de agentes inteligentes [2]. Os sistemas de inteligência artificial distribuída foram concebidos como um conjunto de entidades inteligentes, denominadas agentes, que interagiam por cooperação, por coexistência ou por competição. DAI é categorizado em sistemas multiagentes e resolução de problemas distribuída [1]. Em sistemas multiagente, o foco principal é como os agentes coordenam seus conhecimentos e atividades. Para a solução distribuída de problemas, o foco principal é como o problema é decomposto e as soluções são sintetizadas.

Exemplos

Sistemas multiagentes e solução de problemas distribuída são as duas principais abordagens de DAI. Existem vários aplicativos e ferramentas.

Abordagens

Dois tipos de DAI surgiram:

  • Em sistemas multiagentes, os agentes coordenam seus conhecimentos e atividades e raciocinam sobre os processos de coordenação. Agentes são entidades físicas ou virtuais que podem atuar, perceber seu ambiente e se comunicar com outros agentes. O agente é autônomo e possui habilidades para atingir objetivos. Os agentes mudam o estado de seu ambiente por meio de suas ações. Existem várias técnicas de coordenação diferentes [3].
  • Na resolução distribuída de problemas, o trabalho é dividido entre os nós e o conhecimento é compartilhado. As principais preocupações são a decomposição de tarefas e a síntese do conhecimento e das soluções.

O DAI pode aplicar uma abordagem ascendente à IA, semelhante à arquitetura de subsunção , bem como à abordagem descendente tradicional da IA. Além disso, o DAI também pode ser um veículo de emergência .

Formulários

As áreas onde a DAI foi aplicada são:

Ferramentas

  • ECStar , um sistema de aprendizagem baseado em regras distribuído

Agentes e sistemas multiagentes

Mais informações: Multi-agent_system § Aplicativos

Noção de agentes: os agentes podem ser descritos como entidades distintas com limites e interfaces padrão projetados para a solução de problemas.

Noção de Multi-Agentes: Sistema Multi-Agente é definido como uma rede de agentes que são fracamente acoplados trabalhando como uma entidade única como a sociedade para a resolução de problemas que um agente individual não pode resolver.

Agentes de software

O conceito-chave usado em DPS e MABS é a abstração chamada de agentes de software . Um agente é uma entidade autônoma virtual (ou física) que tem uma compreensão de seu ambiente e age sobre ele. Um agente geralmente é capaz de se comunicar com outros agentes no mesmo sistema para atingir um objetivo comum, que um agente sozinho não poderia atingir. Este sistema de comunicação usa uma linguagem de comunicação do agente .

Uma primeira classificação útil é dividir os agentes em:

  • agente reativo - um agente reativo não é muito mais do que um autômato que recebe entrada, processa e produz uma saída.
  • agente deliberativo - um agente deliberativo, ao contrário, deve ter uma visão interna de seu ambiente e ser capaz de seguir seus próprios planos.
  • agente híbrido - um agente híbrido é uma mistura de reativo e deliberativo, que segue seus próprios planos, mas às vezes também reage diretamente a eventos externos sem deliberação.

Arquiteturas de agente bem conhecidas que descrevem como um agente é estruturado internamente são:

  • OMAPE (emergência de módulos distribuídos)
  • BDI (Believe Desire Intention, uma arquitetura geral que descreve como os planos são feitos)
  • InterRAP (uma arquitetura de três camadas, com uma camada reativa, uma deliberativa e uma social)
  • PECS (Física, Emoção, Cognição, Social, descreve como essas quatro partes influenciam o comportamento dos agentes).
  • Soar (uma abordagem baseada em regras)

Desafios

Os desafios da IA ​​distribuída são:

1.Como realizar a comunicação e interação dos agentes e que linguagem ou protocolos de comunicação devem ser utilizados.

2.Como garantir a coerência dos agentes.

3.Como sintetizar os resultados entre o grupo de 'agentes inteligentes' por formulação, descrição, decomposição e alocação.

Veja também

Referências

  • A. Bond e L. Gasser. Leituras em Inteligência Artificial Distribuída. Morgan Kaufmann , San Mateo, CA, 1988.
  • Brahim Chaib-Draa, Bernard Moulin, René Mandiau e P Millot. Tendências em inteligência artificial distribuída.

Artificial Intelligence Review, 6 (1): 35-66, 1992.

  • Nick R Jennings. Técnicas de coordenação para inteligência artificial distribuída. Fundações de distribuídas artificiais

inteligência, páginas 187-210, 1996.

  • Damien Trentesaux, Philippe Pesin e Christian Tahon. Inteligência artificial distribuída para agendamento de fms, controle

e suporte de design. Journal of Intelligent Manufacturing, 11 (6): 573-589, 2000.

  • Catterson, VM, Davidson, EM, & McArthur, SDJ Aplicações práticas de sistemas multiagentes em sistemas de energia elétrica. European Transactions on Electrical Power , 22 (2), 235–252. 2012

Leitura adicional