6 Intelligente Systeme
14. Vorlesung:Einführung in Agentensysteme
Methoden der KŸnstlichen Intelligenz
Bernhard Jung Ê WS 2001/2002
14. Vorlesung Methoden der KŸnstlichen Intelligenz 2
ãIntelligenter AgentÒ (Modell)
Kognitive Verarbeitung
Reasoning
Wissensbasis Knowledge Base Perzepte Percepts
Handlungen Actions
Agent
Sensoren Effektoren
Umgebung Environment
u Agenten sind Systeme, die ihre Umgebung wahrnehmen (PERCEIVE) und in ihr handeln (ACT).
u Über Sensoren und Effektoren sind Agenten in ihre Umgebung gekoppelt.
u „Deliberative“ Agenten denken vor dem Handeln nach (REASON), „reaktive“
handeln als Reflex.
(„deliberativ“: intentional, willentlich)
(angelehnt an Russell & Norvig, Kap. 2; siehe 2. Vorlesung)
UniversitŠt Bielefeld
Agenten in der ÒSociety of MindÓ (Minsky 1986)
AGENT AGENT AGENT AGENT
AGENT AGENT
AGENT
etc.
AGENT AGENT AGENT AGENT
AGENT AGENT
AGENT
etc.
AGENT AGENT AGENT AGENT
AGENT AGENT
AGENT
etc.
“Für sich genommen ist ein Agent nichts weiter als ein einfacher Prozeß, der andere Agenten an- und abstellt.
Von außen betrachtet, als Agentur, kann er gerade das ausführen, was seine Unteragenten, unter gegenseitiger Hilfe, zustandebringen.”
UniversitŠt Bielefeld
AGENT
a person or business authorized to act for another.
(Random House Webster’s Dictionary 1993)
AGENT
Ein Programm, das eine Aufgabe für einen Benutzer oder ein anderes Programm unabhängig, d.h. z.B. auf einem anderen Computer, löst.
(Academic Press, Dictionary of Science and Technology)
ãAgentÒ
ist ein
vielbe-
legter
Begriff...
14. Vorlesung Methoden der KŸnstlichen Intelligenz 5
Agentenvorstellungen: Spektrum
“ Alles was betrachtet werden kann als etwas, das seine Umgebung mittels Sensoren wahrnimmt und in dieser Umgebung mittels Aktuatoren agiert, ist ein Agent.
– Russel & Norvig, 1995
“ Autonome Agenten sind Berechnungssysteme, die eine komplexe dynamische Umgebung bewohnen, in der sie autonom agieren und wahrnehmen und dabei eine Menge von Zielen und Aufgaben lösen, für die sie entworfen wurden.
– Pattie Maes, 1995
“ Ein autonomer Agent ist ein System, das in einer Umgebung situiert und somit Teil der Umgebung ist. Er nimmt seine Umgebung wahr und handelt in ihr über die Zeit nach seiner eigenen Agenda, wobei er seine zukünftige Wahrnehmung beeinflußt.
– Franklin & Graesser, 1996
14. Vorlesung Methoden der KŸnstlichen Intelligenz 6
Agentenvorstellungen: Spektrum
“ Ein Agent ist ein Berechnungsprozeß mit einem vereinzelbaren Kontrollort.
– Bond & Gasser, 1988
“ Ein Agent besteht aus einer strukturellen Definition, einer Menge funktio- naler Einheiten, die sein Verhaltensrepertoire definieren, und irgendeiner Methode zur Auswahl und Reihung (möglicherweise nebenläufiger) Verhaltensweisen.
– David Zeltzer, 1991
“ Autonome Agenten befinden sich nicht unter der Kontrolle eines anderen Agenten, sondern steuern sich selbst. Dazu benötigt der Agent Wissen über sich selbst und die relevante Motivation, da dies die Voraussetzungen für die Steuerung sind.
– McFarland, 1992
UniversitŠt Bielefeld
“ Ein Agent ist eine Einheit, deren Zustand auf Basis mentaler Komponenten aufgefaßt wird, wie z.B. Überzeugungen (beliefs), Fähigkeiten, Wahlmöglichkeiten und Verpflichtungen (commitments).
– Yoav Shoham, 1993
“ Ein Agent versucht, andere Agenten mit Anteilen seiner Aufgabe zu beauftragen, die er nicht selbst ausführen kann oder die effizienter oder besser von anderen Agenten ausgeführt werden könnten.
– Sarit Kraus, 1993
“ In Multiagentensystemen verfolgt jeder Agent seinen eigenen Ziele.
Der einzelne Agent verfolgt sein eigenes Wohlergehen (welfare) und trachtet danach, es zu verbessern.
– Rosenschein, 1993
Agentenvorstellungen: Spektrum
UniversitŠt Bielefeld
“ Ein Agent ist ein stand-alone-System mit speziellen Fähigkeiten, die ihm die Integration in ein Multiagenten-System erlauben. Zugelassen sei, daß Agenten heterogen sein können im Hinblick auf ihre Architektur, Bewertungskriterien, Lösungsprioritäten und ihr langzeitliches Wissen.
Jeder Agent hat seine eigene interne Steuerung sowie privates Wissen, private Daten und History-Mechanismen.
TEAM-Agenten sind [...] kooperativ in dem Sinne, daß ein Agent gewillt ist, sein Wissen und seine Lösungen an andere Agenten abzugeben, wenn erforderlich, und auch (Gesamt-) Lösungen zu akzeptieren, die nicht lokal (für sie selbst) optimal sind, um eine insgesamt akzeptable Lösung zu finden.
– Lander & Lesser, 1993
Agentenvorstellungen: Spektrum
14. Vorlesung Methoden der KŸnstlichen Intelligenz 9
Fazit:
Es gibt eine Vielzahl unterschiedlichster Vorstellungen von Agenten.
Aus diesem Grunde ist eine einheitliche Definition kaum formulierbar.
Es kann sich um Roboter (oder Lebewesen) handeln oder oft auch um Programme, sogenannte Software-Agenten ("Softbots").
“ Der Agentenbegriff kann eher als Metapher verstanden werden, denn als festdefiniertes theoretisches Konzept. Es ist eine Betrachtungsweise, eine Perspektive auf eine Problemlösung, die sich bei manchen
Problemstellungen als vorteilhaft erweist und bei manchen nicht.
– Etzioni & Weld, 1995
Agentenvorstellungen...
14. Vorlesung Methoden der KŸnstlichen Intelligenz 10
Agentensysteme: Klassifikation
(Franklin & Graesser, 1996)
UniversitŠt Bielefeld
ãSoftwareagentÒ
u Ein Programm, dessen Arbeit als das eigenständige Erledigen von Aufträgen oder Verfolgen von Zielen in Interaktion mit einer Umwelt beschrieben werden kann u benötigt:
l Fähigkeiten der Wahrnehmung (z.B. Eingaben)
l des Handelns (Aktionen)
l der Kommunikation (über Nachrichten) und Kooperation
u Anwendungsfelder z.B:
l verteilte Systeme
l Netzwerke (Internet)
l Mensch-Maschine-Schnittstellen
UniversitŠt Bielefeld
(nach Wooldridge & Jennings)
• Autonomie: Agenten operieren ohne direkten Eingriff durch Benutzer- oder andere Steuerung und haben irgendeine Form der internen Kontrolle über ihre Aktionen und inneren Zustände.
• "Soziale" Fähigkeiten: Agenten interagieren mit anderen Agenten (und evtl. Menschen) mittels einer Form von Agenten- Kommunikationssprache.
• Reaktivität: Agenten nehmen ihre Umgebung wahr (das könnte die physikalische Welt sein oder ein Benutzer über ein Interface oder andere Agenten oder das Internet oder eine Grafikwelt oder all dies zusammen) und reagieren darauf.
• "Pro-Aktivität" (im Kontrast zu Reaktivität) : Agenten handeln nicht nur in Reaktion auf ihre Umgebung, sondern können ziel- orientiertes Verhalten zeigen und Initiative übernehmen.
Eigenschaften von Agenten
14. Vorlesung Methoden der KŸnstlichen Intelligenz 13
Weitergehende Eigenschaften
u „Mentalistische“
Eigenschaften:
l Wissen
l Überzeugung
l Intention
l Verpflichtung
Beispiel: BDI-Architektur
u Lernfähigkeiten
l in einzelnen Agenten
l in Multiagentensystemen
u Sichtbare Erscheinung
(anthropomorphe Agenten)
l Persönlichkeit
l Gesichtsausdrücke
l Körpergesten
l gesprochene Sprache
l Emotionsmodelle...
Nicht alle genannten Eigenschaften müssen jeweils vorhanden sein.
14. Vorlesung Methoden der KŸnstlichen Intelligenz 14
Agentensystem-Konstruktion
u „Mikro-Aspekt“:
Wie entwirft und baut man einen Agenten, der die Fähigkeit zum autonomen Handeln hat?
l reaktiv (Behavior-basiert, situiert)
l deliberativ (Plan-basiert, schlußfolgernd; z.B. BDI-Agenten)
l hybrid
u „Makro-Aspekt“:
Wie erzielt man effektiv eine Kooperation einer Agentengemeinschaft
?
l Kommunikationssprachen und -protokolle
l Kooperationsverfahren und -protokolle
UniversitŠt Bielefeld
Behavior-basierte Agenten
behavior schicht n
Perzepte Aktionen
behavior schicht 3 behavior schicht 2 behavior schicht 1
• kein internes Weltmodell
• kein symbolisches Schlußfolgern
• Emergenz von „Intelligenz“
UniversitŠt Bielefeld
Behaviors - Beispiel
Behavior-Routinen
¥ Kollisionsvermeidung
¥ zu Position gehen
Überlagerung der Behaviors
14. Vorlesung Methoden der KŸnstlichen Intelligenz 17
Behavior-basiert: Probleme
u Simple Überlagerung der Behaviors klappt nicht immer
stattdessen:
Gewichtung, Unterdrückung, Aktivierung
u Oszillation
(kein Commitment auf mittelfristiges Behavior)
Gegner decken zum Ball
rennen
14. Vorlesung Methoden der KŸnstlichen Intelligenz 18
Behavior-basiert: ResŸmee
u viele beeindruckende Robotersysteme
l z.B. Insekten-artige Laufroboter
u funktionieren gut bis zu bestimmter Komplexität u große Zahl von Schichten und Behaviors führt zu
Schwierigkeiten beim Verstehen und Behandeln von Interaktionen
u keine Methodik zum Umgang mit Interaktionen zw. Behaviors
UniversitŠt Bielefeld
Plan-basierte Agenten
u in Tradition der symbolischen KI
u verbinden deliberatives / zielorientiertes und reaktives Verhalten
u erkennen an, daß Welt dynamisch ist
u akzeptieren adäquate, nicht notwendig optimale Lösungen u z.B. BDI-Agenten, PRS
u verwenden vordefinierte Pläne anstatt generierte
UniversitŠt Bielefeld
BDI Agenten: Begriffe
u Beliefs: aktuelle Fakten in Wissensbasis
u Desires / Ziele: Agent versucht, diese zu erreichen u Aktionen: elementare Handlungsmöglichkeiten des
Agenten (Handlungen in der Welt, Kommunikation) u Pläne: vordefinierte Folgen von Aktionen (oder Aufrufen
von anderen Plänen), welche ein Ziel erfüllen können
u Intentionen: aktuell selektierte Pläne, auf deren Ausführung sich der Agent festgelegt hat (mehrere gleichzeitig möglich)
Bielief - Desire - Intentention
14. Vorlesung Methoden der KŸnstlichen Intelligenz 21
BDI Agenten: Reasoning
u wenn externes oder internes Ereignis geschieht,
l sucht der Agent nach relevanten Plänen
l untersucht die Anwendbarkeit der relevanten Pläne
l selektiert einen anwendbaren Plan und startet Ausführung
u ständige Fragen
l Auf welches Ereignis soll reagiert werden?
l Welches Ziel soll verfolgt werden?
l Wie soll das Ziel erreicht werden?
l Soll eine aktuelle Intention aufgegeben werden?
Bielief - Desire - Intentention
14. Vorlesung Methoden der KŸnstlichen Intelligenz 22
UniversitŠt Bielefeld
Hybride Agenten
u Mehr-Schichten-Architektur
l reaktive Schicht
l deliberative Schicht
u evtl. weitere Schichten
l Plangenerierung
l Soziale Fähigkeiten / Kommunikation
l Emotion / Persönlichkeit
l Lernen
l ...
Perzepte Aktionen
UniversitŠt Bielefeld
Beispiel: Staubsauger-Agent
u Szenario 1:
l Einfache Objekte im Zimmer, ab und zu auch (sich bewegende) Menschen
l Reaktive Architektur geeignet (Kollisionsvermeidung, Navigation) u Szenario 2:
l Auch komplexe Objekte; z.B. unter Schreibtisch saugen
l Objektwissen und Deliberation notwendig (reaktives Verhalten weiter verlangt) u Szenario 3 („intelligenter Staubsauger“):
l Verhandlung mit Benutzer „zuerst unter dem Sofa“ „bleib vom Baby weg“
l Weitergehendes Verständnis von Zielen und Plänen (reaktives Verhalten weiter verlangt)
Firby, 1993
14. Vorlesung Methoden der KŸnstlichen Intelligenz 25
Vorteil von ãVerteiltheitÒ
Modularität
• rüste autonome Problemlöser (Spezialisten) mit Expertenwissen für Teilaufgaben aus und füge sie “im Team” zusammen
Multiagentensysteme
Idee: Jeder Agent hat gerade soviel Wissen, wie benötigt wird, um seine Spezialaufgabe zu lösen.
Interaktion zwischen mehreren Agenten mit einfachem Verhalten kann genutzt werden, um komplexe Aufgaben zu lösen.
14. Vorlesung Methoden der KŸnstlichen Intelligenz 26
Kooperierende Agenten
Agentenhaben
– Basisfunktionalität (können bestimmte, ihnen zugeteilte Aufgaben lösen)
– kooperativen Überbau (zur Teilnahme an Ko- operationsverfahren mit anderen Agenten) – Kommunikationsfähigkeit (durch Zugriff auf
Kommunikationskanäle zu anderen Agenten)
gestaffelteS y s t e m e :
auf der obersten Ebene lediglich zwei Agenten:
menschlicher Benutzer - künstliches System, Aufgliederung in Gesellschaft weiterer Agenten bis hin zu primitiven (nicht weiter zerlegbaren) 'Höhere' Agenten
können Wissen über andere Agenten haben.
Kein Agent hat Überblick über das zu lösende Gesamtproblem (keine zentrale Kontrolle).
UniversitŠt Bielefeld
Agenten-Kommunikation
Transport
l Wie ist die Kommunikation technisch realisiert?
(Formale) Sprache:
l Wie sind Nachrichten aufgebaut (Syntax)?
l Was bedeuten die Nachrichten (Semantik)?
Vorgehensweise:
l Welchem Schema folgt der Ablauf der Kommunikation?
Systemarchitektur:
l Wie ist das gesamte System strukturiert?
UniversitŠt Bielefeld
ãQuasistandardÒ KQML
u KQML ist eine Kommunikationssprache und ein Protokoll für den Austausch von Informationen
u KQML ist keine Wissensrepräsentationssprache u KQML kann beliebige Informationen so „verpacken“,
daß jeder Agent von außen als eine Wissensbasis mit einheitlicher Schnittstelle gesehen werden kann
u KQML besitzt eine erweiterbare Menge von Kommunika- tionsprimitiven (Performatives) mit definierter Semantik
Knowledge Query and Manipulation Language
14. Vorlesung Methoden der KŸnstlichen Intelligenz 29
Nachrichten in KQML
u Syntax (vereinfacht):
<KQML-Message> ::= (<Performative> <Attribute-Value-Pairs>)
<Performative> ::= ask | tell | achieve | reply | monitor | forward | subscribe | evaluate | ...
<Attribute-Value-Pairs> ::= <Attribute> <Value> |
<Attribute> <Value> <Attribute-Value-Pairs>
<Attribute> ::= :content | :language | :topic | :ontology | :sender | :receiver | :reply-with | :label | :from | :to | :aspect | :in-reply-to | ...
<Value> ::= (beliebiger string mit passender Klammerung)
u Semantik: logikartige Beschreibung der Vor-, Nach- und Erfüllbarkeits- bedingungen für Performatives
14. Vorlesung Methoden der KŸnstlichen Intelligenz 30
Agenten-Kommunikation im OSI-Modell
Problemschicht Aufgabenschicht Interaktionsschicht Anwendungsschicht Transportschicht
Problemschicht Aufgabenschicht Interaktionsschicht Anwendungsschicht Transportschicht
= OSI-Schichten (nach: von Bechtolsheim 1993)
UniversitŠt Bielefeld
Problemschicht
Aufgabenschicht
Interaktionsschicht
Anwendungsschichten
Transportschicht
Interaktionsschicht:
Agenten sind nebenläufige Prozesse mit nachrichtenorientierter Steuerung.
Funktionale Schichten eines Agentensystems
Aufgabenschicht:
Verteilung von Aufträgen an Agenten und Synthese von Teilergebnissen.
Problemschicht:
Verteilte Problemlösung durch Austausch von Teilproblemen und Teillösungen.
UniversitŠt Bielefeld
Interaktionsschicht
Ag1
Ag2
Ag3
Ag4
M1 M2
M3
M4
Agentensystem definiert als endliche Menge aktiver nebenläufiger Elemente, die über ein Nachrichtentransportsystem kommunizieren
(nach: von Bechtolsheim 1993)
14. Vorlesung Methoden der KŸnstlichen Intelligenz 33
Aufgabenschicht
Ag1
Ag2
Ag3
Ag4
Auftrag
Ergebnis
Ergebnis
Ergebnis
Verteilung von Teilaufgaben an andere Agenten und Synthese von Teil- ergebnissen. Empfänger können auch ohne Auftrag Ergebnisse erhalten.
(nach: von Bechtolsheim 1993)
14. Vorlesung Methoden der KŸnstlichen Intelligenz 34
Alternative Abstimmungstypen
Auftrag- geber
Auftrag- nehmer
(nach: von Bechtolsheim 1993)
Auftrag- geber
Auftrag- nehmer
Auftrag- geber
Auftrag- nehmer
Auftrag- nehmer Auftrag
Auftrag
Annahme
Auftrag
Annahme Annahme Auftrag
unilateral bilateral multilateral
UniversitŠt Bielefeld
Problemschicht
Ag1
Ag2
Ag3
Ag4
Teilproblem Teillösung
Teillösung
Teillösung
Konkreter Problemlösungsprozeß stellt sich im Agentensystem als ein Austausch von Teilproblemen und Teillösungen dar.
(nach: von Bechtolsheim 1993)
UniversitŠt Bielefeld
Kooperationsverfahren
u Master-Slave
l ein zugeteilter Auftrag ist auszuführen
u Contract-Net
l Verhandlungsverfahren: Aufträge werden von Auftraggebern ausgeschrieben, Auftragnehmer machen Angebote, Angebote können abgelehnt oder zugeteilt werden, Auftragsergebnis ist zurückzuliefern bzw. auszuführen
u Abwicklung
l z.B. über unilateralen, bilateralen oder multilateralen Nachrichtenaustausch oder auch global („Blackboard“)
14. Vorlesung Methoden der KŸnstlichen Intelligenz 37
Multiagentensysteme: ResŸmee
u Realisierung komplexer heterogener Softwaresysteme durch ein System kooperierender Agenten transparent und konzeptionell vorteilhaft
u Komplexe Agenten können als „Agenturen“ konzipiert und als Multiagentensystem realisiert werden
u Einzelnen Komponenten können aktive Rollen zugewiesen werden, Interaktionen sind intuitiv modellierbar
vertiefende Literatur (Buch neu!)
u Kap. 24 „Software-Agenten“ in Görz et al. „Handbuch der KI“