Применение многоагентных технологий в корпоративных информационных пространствах

Размещено на http://www.allbest.ru/

ПРИМЕНЕНИЕ МНОГОАГЕНТНЫХ ТЕХНОЛОГИЙ В КОРПОРАТИВНЫХ ИНФОРМАЦИОННЫХ ПРОСТРАНСТВАХ

С.В. Семенов (semenov_58@mail.ru)

Тверской государственный технический университет, Тверь

В работе рассмотрены проблемы реализации парадигмы Distributed Intelligence на распределенной информации и знаниях. Показаны ключевые задачи, требующие решения. Введено понятие «корпоративные Информационные пространства» (ИП). Рассмотрены основные правила, требования к ресурсам и компонентам ИП. Рассмотрен инструментальный комплекс по созданию интеллектуальных агентов, работающих в условиях корпоративных ИП. distributed intelligence информация ресурс

Парадигма Distributed Intelligence дала новый толчок к развитию работ в области искусственного интеллекта (ИИ). Но, в то же время, выявила и принципиальные проблемы в «традиционных» подходах ИИ. Хорошей иллюстрацией этих проблем является концепция компьютеров пятого поколения [Wikipedia 1]. Ключевые характеристики: наращивание мощности, распределенность вычислительной и информационной базы не дали прорыва производительности и функциональности в области работы со знаниями.

Развитие ИИ в целом идет по трем направлениям. Во-первых, совершенствуются алгоритмы обработки информации и знаний. Во-вторых, совершенствуются технологии сохранения и доступа к информации. В-третьих, должна постоянно совершенствоваться структура информации и знаний. Предполагается, что знания - это информация с прагматическим аспектом.

По первому и второму направлению достигнуты весьма значительные успехи. Сюда можно отнести все достижения в области ИИ за последние десятилетия, в частности, и успехи агенто-ориентированных и сервис-ориентированных технологий, а также других технологий работы с информацией в условиях глобальной сети [Wikipedia 2]. Характерной особенностью этих достижений является то, что они ярко проявляются в локальном исполнении, в конкретной программно-аппаратной среде (ПАС), но при масштабировании - эффективность их резко падает. Под локальными решениями понимаются реализации в заранее заданной ПАС и с заранее известной структурой информации. Процесс масштабирования подразумевает появление неопределенных заранее программно-аппаратных компонентов и информационных ресурсов (ИР) с неизвестной структурой.

Именно отставание в третьем направлении, в работах по структурированию информации и знаний, и определяет замедление темпов работ по ИИ в целом. В новой парадигме речь идет именно о «сильно» распределенной информации, когда, в общем случае, ни местоположение, ни структура ИР заранее не определена. Агенты и сервисы оказываются «слепыми» в незнакомом информационном пространстве. Поэтому традиционные подходы по структурированию информации в этом случае становятся малопригодными.

В этом направлении также сделаны существенные шаги: создание языка XML [Wikipedia 3] и XML-технологий; концепции Semantic Web [Wikipedia 4]; языка онтологий OWL [Wikipedia 5]; языка описания метаданных RDF [Wikipedia 6] и т.п.

«Традиционно» эти технологии активно используются в задачах Data Mining [Wikipedia 7], в поисковых машинах и т.п., на распределенной «сырой» информации. В том числе и с привлечением аппарата онтологий [Wikipedia 8]. Но до сих пор этот аппарат в основном использовался как инструмент обучения систем в распознавании смысла в неструктурированных текстах. А это направление, имеет естественные ограничения. Большая точность распознавания будет требовать все больших разнообразных затрат. Можно утверждать, что извлечь точный смысл информации невозможно в принципе, если этот смысл точно и формально не был изложен в ИР. А именно этим и характеризуются «сырые» ИР (например, в сети Интернет).

Разумеется, что в широком классе задач приблизительность смысла вполне приемлема, например, в аннотировании художественных произведений, в обзоре новостей и т.п. Но есть класс задач, где эта приблизительность недопустима. Например, в проектирование изделий, при передаче информации с этапа на этап. Здесь смысл должен не распознаваться, а формализоваться заранее, при создании ресурса. А это уже другое направление использования онтологий и других инструментов структурирования информации. В информационном пространстве, где ресурсы имеют известную структуру, эффективность работы агентов и сервисов вырастает на порядок.

Идею о том, что информационные ресурсы (все чаще их называют XML-документами) должны быть «умными», изложил в своей концепции «Semantic Web» Тим Бернерс-Ли. Основная идея состоит в том, что ИР, по мере поэтапного усложнения структуры, дает и поэтапные скачки в функциональности и полезности при его обработке. «Идеальный» ИР в соответствии с этой концепцией, безусловно, в своей структуре имел бы все, что необходимо любому алгоритму ИИ для решения интеллектуальных задач. И тогда масштабы задач ИИ определялись бы масштабами распространения таких интеллектуальных ИР.

Но имеются две большие проблемы, не связанные с областью ИИ.

Во-первых, рыночно-экономическая проблема. Структурирование ИР требуют затрат. И чем сильнее структурирование (метаданные, онтологии, цифровая подпись и т.п.), тем больше затрат. Никто не будет развивать ИР для Интернета в целом. Информация (и знания) являются существенным конкурентным фактором рынка. Любой инвестор или корпорация, безусловно, заинтересованы в создании конкурентного преимущества именно за счет использования новых информационных технологий. Поэтому появляться «продвинутые» ИР могут только в рамках корпоративных интересов, в соответствии с их целями и финансовыми возможностями.

Во-вторых, проблема однородности ресурсов в сети. Даже если предположить, что где-то появился интеллектуальный ресурс, то тем самым будет создан «островок несовместимости» в море простых, но совместимых ИР. Что и наблюдается при выходе на рынок новых веб-технологий.

Можно добавить и «в-третьих». В основе интеллектуальных ИР должны лежать онтологии. А это аппарат ведомственный, корпоративный. Так как, с одной стороны, это описание предметной области. А, с другой стороны, это «ноу-хау» корпорации и ее конкурентный фактор на рынке. Появление онтологий общего пользования - «описание мира» вообще - маловероятно.

Понятия «корпорация» и «корпоративный интерес» здесь понимаются более широко, чем просто совокупность предприятий. «Корпорация» - это множество задач, в рамках какой-то общей цели, решаемых на разнородной распределенной информации в гетерогенной среде ПАС. В этом смысле масштаб «корпорации» может варьироваться в широких пределах от глобальных сетей до отдельного компьютера. В последнем случае проблема заключается в том, что в рамках решения некоторой задачи множество программ порождает множество семантически несовместимых форматов данных (например, doc, 1C, dwg и т.п.).

Рассмотрим проблемы распределенных информации и знаний в другой плоскости.

Проблема сохранности. Результаты интеллектуальной работы должны сохраняться достаточно длительное время. Это же касается и информационной базы и алгоритмов, и моделей. В силу того, что любая реализация системы всегда привязана к какой-то ПАС, то при смене ПАС, как правило, приходится нести существенные затраты на переделки и модификацию систем и информационной базы. Время сменяемости ПАС постоянно сокращается (компьютеры, операционные системы и т.п.), при этом время полезного использования систем также сокращается, а объем затрат на сопровождение растет.

Проблема доступности. Доступность проявляется не только в физической возможности получения доступа к информационному объекту, но и в возможности «понимания» этого объекта. Здесь должны решаться задачи не только по поиску информации, но и по обеспечению интеграции и взаимодействия систем (включая сторонние системы); по автоматическому поиску и анализу программных компонентов (агентов, сервисов), по автоматическому извлечению смысла из ИР и др.

Проблема автоматической обработки. Распределенность и огромный объем информации требуют именно автоматических способов работы с ней. Причем не зависимо от средств, в которых эта информация создавалась. Здесь должны решаться задачи нейтрального представления информации (и знаний), соответствие решений международным стандартам, соответствие концепции Open Source [Wikipedia 9], технологии открытых систем и др.

Перечисленные проблемы можно обобщить следующим образом. Согласно воззрениям античных философов, существуют три мира: мир земной, мир небесный и мир сознательный. Сознательный мир это отражение других миров в сознании человека. По сути, задача парадигмы Distributed Intelligence это построение еще одного мира - виртуального электронного. В этом виртуальном мире должно найти отражение других трех миров. Качественным прорывом в области задач ИИ может быть решение задач длительной сохранности, доступности и автоматичности в обработке порождаемых человечеством знаний.

Естественно усилия в этом направлении предпринимались всегда. Две крайние формы хранения и обработки информации - это базы данных (БД) и Интернет. У них разные цели и назначение. У БД - это закрытость, высокий сервис и конфиденциальность информации. А у Интернета - открытость, простота создания и обмена информацией. Попытки «сдвинутся к середине» в виде хранилищ данных [Wikipedia 10] и OLAP-технологий [Wikipedia 11] принципиально картину не меняют. Что же может быть посередине?

Это - корпоративные информационные пространства (ИП). ИП в самом общем виде можно определить как место обитания корпоративной информации. «Корпоративность» позиционирует ИП от Интернета. А отсутствие понятия «система» позиционирует ИП от СУБД. Скорее всего, это понятие относится к таким же неопределяемым понятиям как «информация» и «знания».

С точки зрения общей теории систем (ОТС): система- это Концепт, Субстрат и Структура. БД - это система в полном смысле этого определения. Интернет - это система только на уровне аппаратной реализации, но не система на информационном уровне. С точки зрения ОТС, веб - это только субстрат ИР. ИП, занимая промежуточное положение, имеет субстрат ИР и концепт (системообразующее свойство), в виде корпоративных правил. А многообразные структуры (подсистемы) формируются при решении конкретных задач корпорации на общих корпоративных ИР. Корпоративный ИР создается сразу как долгоживущий, многозадачный, автоматически обрабатываемый, не зависящий от ПАС. При этом не должно быть ограничений на его дальнейшую интеллектуализацию.

В дальнейшем изложении под информационными пространствами будут пониматься только корпоративные ИП. Назначение и масштаб ИП определяется корпоративными правилами и онтологиями. Взаимодействия между ИП могут с разной степенью функциональности, определяемой, опять же, корпоративными правилами. В общем случае ИП - это «правила игры» и инфраструктура. Общее назначение инфраструктуры поддержка и контроль корпоративных правил.

Принципиальным отличием ИП от решений Интранет и Экстранет - это использование не части возможностей веба, а существенное наращивание возможностей распределенной интеллектуальной работы с семантической информацией в интересах корпорации.

Исходя их целей и возможностей корпорации, инфраструктура может меняться в широких пределах, но есть и некоторые общие компоненты ИП. Например, библиотека онтологий; правила построения структуры ИР и метаинформации ИР; алгоритмы и модели в виде сервисов и/или агентов, корпоративная платформа, инструментальные и технологические средства создания семантических ИР и т.п. Представляется целесообразным в качестве основного инструмента работы с ресурсами ИП использование многоагентных технологий.

Особое значение при формировании ИП имеют следующие методологические принципы.

Преимущественное использование концепция Open Source [Wikipedia 9]. Существует противоречие между тенденцией к уменьшению размера предприятий (и соответственно финансовых возможностей) и постоянным ростом стоимости распределенных программных решений (до миллионов долларов). Выходом из этого противоречия и является концепция Open Source, когда системное программное обеспечение приобретается бесплатно, а оплачивается именно решение прикладных задач.

Использование технологии открытых систем (ТОС). ТОС в новой концепции [Александров, 2007], ориентирована на создание открытых для стороннего использования компонентов и ресурсов, позволяющих в первую очередь автоматически находить и анализировать их для включения их в систему.

Использование библиотек корпоративных онтологий. В работе [Семёнов, 2007] показано как из XML-документа формируется семантический ИР, с использованием онтологий в метаинформации.

Использование инструментальных средств автоматически обеспечивающих свойства открытости компонентов и ресурсов [Александров, 2007].

Преимущественное использование стандартов W3C.

По заказу Роснауки была выполнена ОКР «Инструментальные средства поддержки разработки прикладных многоагентных систем» [Семёнов и др., 2006a]. Тверской государственный технический университет (ТГТУ) продолжил работы по интеллектуализации создаваемых комплексом агентов.

Комплекс инструментальных программных средств (КИПС) предназначен для программной реализации прикладных многоагентных систем (далее - МАС), функционирующих в различных операционных средах на агентной платформе JADE [Семёнов и др., 2006b]. КИПС формирует многоагентную систему, функционирующую в ИП на основе корпоративных онтологий. КИПС включает три группы программных средств: среду выполнения МАС, среду разработки МАС и дополнительные компоненты.

Рис. 1. Архитектура КИПС

При построении МАС с помощью КИПС используются элементы концепции MDA [Wikipedia 11]. Пользователь КИПС последовательно осуществляет спецификацию МАС путем разработки ряда моделей, которые после трансформации преобразуются в исходный код МАС на языке Java для платформы JADE. Модели, требующиеся для специфицирования МАС, определяются выбранной методологией проектирования.

Компонент «Абстрактный агент» МАС реализует механизмы смешанного подхода к моделированию агентских поведений и реализует поддержку Простых и Интеллектуальных агентов. Интеллектуальный агент ориентирован действовать в слабо-наблюдаемых, слабо-детерминированных, динамических, мультиагентных средах.

В соответствии с концепцией преимущественного использования концепции Open Source, была принята следующая общая архитектура КИПС, показанная на рис. 1.

С помощью графического интерфейса производится построение моделей предметной области и мультиагентной системы и их последовательное уточнение вплоть до программно-реализуемых классов [Семёнов и др., 2006c]. Для построения моделей используется подход PASSI и расширенные модели Gaia с применением унифицированного языка моделирования UML. Список реализуемых диаграмм и их соответствие моделям и фазам методологии проектирования показаны в таблице 1.

Таблица 1

Существуют две диаграммы описания онтологии, являющиеся диаграммами классов. Первая описывает общую онтологию мультиагентной системы, вторая уточняет, как будут использоваться онтологические классы первой для взаимодействия агентов. Скелет второй диаграммы может быть получен из диаграммы идентификации агентов [Семёнов и др., 2008a], [Семёнов и др., 2008a]. Из этих диаграмм можно непосредственно получить код онтологий и часть конфигурационного кода агентов.

КИПС в своем развитии ориентирован на поддержку создания и использования инфраструктуры корпоративных ИП. С помощью агентов решаются многие системные вопросы по работе с онтологиями, по формированию компонентов ИП [Семёнов и др., 2008c], по взаимодействию с ИР из сети Интернет [Семёнов и др., 2008b], по формированию метаинформации ИР (с использованием онтологий), по верификации компонентов и ресурсов ИП и другие.

Разумеется, проделанную работу можно считать только началом в этом направлении, так как методологически это новое направление, которое лишь частично может использовать опыт построения локальных систем.

Из всего сказанного можно сделать следующие выводы:

Дальнейшее развитие парадигмы Distributed Intelligence, возможно только при решении принципиальных задач: длительной сохранности, доступности и автоматичности в обработке распределенных информационных ресурсов и программных компонентов.

Эффективным такое развитие возможно только в рамках корпоративных интересов.

В развитие работ на «сырой» информации предлагается направление по предварительной формализации смысла в документах при создании новых изделий, где приблизительность смысла недопустима.

Естественным развитием форм хранения и представления информации является форма корпоративных ИП. ИР и программные компоненты в корпоративных ИП строятся в соответствии с правилами, позволяющими решать все принципиальные задачи по развитию ИИ на распределенных знаниях.

Наиболее подходящей на этапе формирования ИП является агенто-ориентированная технология, позволяющая работать с не каталогизированными ресурсами и компонентами ИП.

В ТГТУ развиваются работы с КИПС по созданию МАС, основанных на интеллектуальных агентах. Решены и запатентованы многие задачи, решаемые с помощью интеллектуальных агентов в рамках корпоративных ИП.

Список литературы

1. [Александров, 2007] Александров А.В. Разработка и развитие инструментальных программных средств для реализации прикладных многоагентных систем. // IV Международная научно-практическая конференция «Интегрированные модели и мягкие вычисления в искусственном интеллекте». - Коломна, 2007 .

2. [Семёнов и др., 2006a] Семенов С.В. и др. Инструментальные средства поддержки разработки прикладных многоагентных систем. // Свидетельство об отраслевой регистрации разработки №7047 от 16 октября 2006 г.

3. [Семёнов и др., 2006b] Семенов С.В. и др. Комплекс инструментальных программных средств для поддержки технологии проектирования и программной реализации прикладных многоагентных систем, функционирующих в различных операционных средах. Свидетельство об официальной регистрации программы для ЭВМ. №2006613845. Зарег. 8 ноября 2006 г. в Реестре программ для ЭВМ.

4. [Семёнов и др., 2006c] Семенов С.В. и др. Программа формирования информационных объектов.// Свидетельство об официальной регистрации программы для ЭВМ. №2006610427, Зарег. 27 января 2006 г в Реестре программ для ЭВМ.

5. [Семёнов и др., 2006d] Семенов С.В. и др. Сервис белых страниц и кластеризации удаленных интерфейсов. // Свидетельство об официальной регистрации программы для ЭВМ. №2007614427. Зарег. 19 октября 2007 г в Реестре программ для ЭВМ.

6. [Семёнов, 2007] Семенов С.В. Комплекс средств по работе с электронными документами нового поколения. // Итоговая конференция «Информационно-телекоммуникационные системы: положение на сегодняшний день и перспективы дальнейшего развития». Избранные материалы. - Москва, 2007.

7. [Семёнов и др., 2007] Семенов С.В. и др. Развитие и применение технологии открытых систем для интеграции информационных и вычислительных ресурсов науки и образования // Отчет НИР. ЗАО НИИ ЦПС, 2007.

8. [Семёнов и др., 2008a] Семенов С.В. и др. Библиотека аутентификации программных компонентов и веб-сервисов. // Свидетельство об официальной регистрации программы для ЭВМ №2008611428. Зарег. 20 марта 2008 г в Реестре программ для ЭВМ.

9. [Семёнов и др., 2008b] Семенов С.В. и др. Агентская платформа, ориентированная на Интернет. // Свидетельство об официальной регистрации программы для ЭВМ. №2007614428. Зарег. 19 октября 2007 г в Реестре программ для ЭВМ.

10. [Семёнов и др., 2008c] Семенов С.В. и др. Библиотека поддержки архитектуры, ориентированной на компоненты. // Свидетельство об официальной регистрации программы для ЭВМ. №2008610832. Зарег. 18 февраля 2008 г в Реестре программ для ЭВМ.

11. http://ru.wikipedia.org. Компьютеры пятого поколения.

12. http://ru.wikipedia.org. Категория: Файлообменные сети.

13. http://ru.wikipedia.org. XML.

14. http://ru.wikipedia.org. Semantic Web.

15. http://ru.wikipedia.org. Web Ontology Language.

16. http://ru.wikipedia.org. Resource Description Framework.

17. http://ru.wikipedia.org. Интеллектуальный анализ данных.

18. http://ru.wikipedia.org. Онтология (информатика).

19. http://ru.wikipedia.org. Открытое программное обеспечение.

20. http://ru.wikipedia.org. Хранилище данных.

21. http://ru.wikipedia.org. Model Driven Architecture.

22. http://ru.wikipedia.org. OLAP.

Размещено на Allbest.ru