Мультиагентные системы для поиска информации

В связи с быстрым развитием интернет-технологий возникла необходимость применения средств искусственного интеллекта для поиска и обработки интернет-ресурсов. Применение интел­лектуальных MAC для решения задач сбора, поиска и анализа ин­формации в глобальных сетях дает следующие существенные преимущества перед традиционными средствами обработки ин­формации :

• обеспечение доступа пользователя к сетевым протоколам в сети Интернет;

• параллельное решение нескольких задач;

• выполнение поиска информации после отключения пользователя от сети;

• увеличение скорости и точности поиска, а также уменьшение загрузки сети за счет поиска информации непосредственно на сервере;

• создание собственных баз информационных ресурсов, постоянно обновляемых и расширяемых;

• реализация возможности сотрудничества между агентами, которая позволяет использовать накопленный опыт;

• возможность автоматически корректировать и уточнять запросы, используя контекст и применяя модели пользователей.

В табл. 2 приведены отличительные особенности известных в России коммерческих мультиагентных систем Autonomy и WebCompass, предназначенных для интеллектуального поис­ка и обработки информации в сети Интернет.

Таблица 2 Анализ систем интеллектуального поиска и обработки информации

Основные усилия по совершенствованию интел­лектуальных систем информационного поиска в сети Интернет направлены на развитие моделей представления знаний, меха­низмов вывода новых знаний, моделей рассуждения и способов обучения агентов.

Одним из успешных исследовательских проектов, выполнен­ных в этом направлении, стал проект системы MARRI , кото­рая была разработана для поиска Web-страниц, релевантных за­просам в определенной предметной области. Для решения по­ставленной задачи система использует знания, представленные в виде онтологии, под которой в данном случае понимается упоря­доченное множество понятий предметной области. Архитектура системы MARRI показана на рис. 5.

Система MARRI включает следующие типы агентов:

* интерфейсный агент (агент пользователя) обеспечивает ин­теллектуальное взаимодействие с пользователем. Он поддержи­вает процесс формулирования запросов и представляет результа­ты поиска в виде списка URL или Web-страниц;

• агенты-брокеры двух типов: 1) брокер типа URL предназначен для формирования списков интернет-адресов, поставляемых браузером; 2) брокер типа HTML выполняет функции запоминания полученных Web-страниц и их распределения между агентами обработки текста;

Рис. 5. Архитектура системы MARRI 334

• агент сети (интернет-агент) обеспечивает считывание и анализ заданной страницы URL или Web-страницы (URL — автономная Java-программа с собственным сетевым адресом). Он должен уметь выполнять обработку исключительных ситуаций (например, когда страница недоступна), а также производить анализ текста на считанной странице;

• агент обработки текста сначала преобразует HTML-текст к представлению, с которым работают морфологический и синтаксический анализаторы, а затем проводит семантический анализ Web-страниц для проверки их релевантности запросу на основе соответствующей онтологии. Результат обработки текста представляется в виде синтаксического дерева, которое должно соответствовать какому-нибудь фрагменту используемой онтологии.

Каждый из перечисленных типов агентов наделен специаль­ными знаниями, которые используются для повышения эффек­тивности поиска информации. Агенты способны взаимодейство­вать друг с другом; обмениваться информацией, контактировать с Web-браузерами, анализаторами естественного языка и онтоло­гическими базами данных.

Отличительной чертой системы MARRI является представле­ние агентов автономными Java-программами, каждая из которых имеет собственный сетевой адрес (URL). Это обеспечивает мо­бильность агентов, но противоречит политике безопасности, не допускающей запуск подобных программ, если они не сертифи­цированы на данном сервере.

Проблемы, решение которых может существенно продвинуть вперед технологию мультиагент-ных систем и исследования в области «искусственной жизни».

1.Применение принципов гомеостатического управления. Предположение о том, что наилучшее взаимодействие агентов в MACдостигается при бесконфликтной кооперации, не всегда справедливо. Это утверждение можно аргументировать примера­ми биологических систем, в которых эффективной оказывается кооперация противоборствующих сторон (хищник-жертва, взаи­модействие симпатической и парасимпатической нервных сис­тем). Противодействующие структуры позволяют поддерживать системы с многокритериальным управлением в границах области «неулучшаемых» решений (область Парето). Поэтому одним из актуальных направлений развития теории MAC является приме­нение принципов гомеостатического управления (гомеостаз — равновесие), основы которого были заложены в работе отечест­венной научной школы Ю. М. Горского.

2. Создание адекватных механизмов активизации знаний, требующихся при решении конкретных проблем. Опыт создания интеллектуальных систем показывает, что увеличение количества знаний приводит к эффекту «государственной публичной библиотеки». Обладая огромным запасом знаний, библиотека не имеет каких-либо умений и навыков. Поэтому одной из существенных проблем интеллектуальных агентов является повышение их активности, которая связана не с накоплением знаний, а с умением активизировать нужные знания в процессе решения задач. Разработка процедур активизации знаний будет способствовать созданию действительно интеллектуальных агентов.

3. Перспективным направлением является использование идей рефлексивного управления в MAC. Эксперименты с агентами, наделенными способностью к рефлексивным рассуждениям, показали эффективность данного подхода.

4. Создание конструктивных моделей этических систем и моделей поступков в среде обитания агентов.

5. Исследование влияния внешних факторов на поведение коллектива искусственных агентов и личностных характеристик агентов (психологические типы, оптимизм в оценках достижимости целей, азартность, упорство, конфликтность и т.п.).

8.ПЗ₈. Принципы построения и проектирования экспертных систем