분산형 인공지능

Distributed artificial intelligence
시리즈의 일부
인공지능
Anatomy-1751201 1280.png
주요 목표
접근
철학
역사
테크놀로지
용어집

분산형 인공지능(DAI)은 분산형 인공지능으로[1] 불리는 인공지능 연구의 하위 분야로, 문제를 해결하기 위한 분산형 솔루션 개발에 전념하고 있다.DAI는 멀티 에이전트시스템 분야와 밀접하게 관련되어 있습니다.또, 멀티 에이전트시스템 분야의 전신입니다.

정의.

분산형 인공지능(DAI)은 복잡한 학습, 계획 및 의사결정 문제를 해결하기 위한 접근법입니다.이는 당혹스러울 정도로 병렬적이며, 따라서 컴퓨팅 리소스의 대규모 계산과 공간 분포를 이용할 수 있습니다.이러한 속성을 통해 매우 큰 데이터 세트를 처리해야 하는 문제를 해결할 수 있습니다.DAI 시스템은 Autonomous Learning Processing Node(에이전트)로 구성되어 있으며, 종종 매우 대규모로 분산되어 있습니다.DAI 노드는 독립적으로 동작할 수 있으며, 부분 솔루션은 노드 간 통신(대부분 비동기)에 의해 통합됩니다.DAI 시스템은 규모에 따라 견고하고 탄력적이며 필연적으로 느슨하게 결합됩니다.또한 DAI 시스템은 규모와 재배치가 어렵기 때문에 문제 정의 또는 기본 데이터 세트의 변경에 적응할 수 있도록 구축되어 있습니다.

DAI 시스템은 지리적으로 밀접하게 결합되어 있는 프로세싱 노드를 가지고 있는 일체형 또는 집중형 인공지능 시스템과 달리 모든 관련 데이터를 한 곳에 집약할 필요가 없습니다.따라서, DAI 시스템은 종종 매우 큰 데이터 세트의 하위 샘플 또는 해시된 인상에서 작동합니다.또한 소스 데이터 세트는 DAI 시스템 실행 중에 변경 또는 갱신될 수 있습니다.

목표들

분산형 인공지능의 목적은 인공지능의 추론, 계획, 학습 및 인식 문제를 해결하는 것이다. 특히 대용량 데이터가 필요한 경우 이 문제를 자율 처리 노드(에이전트)에 분산하여 해결한다.목적을 달성하기 위해 DAI는 다음 조건을 충족해야 합니다.

  • 불안정하고 장애가 있는 자원에 대한 견고하고 탄력적인 계산을 통해 느슨하게 결합된 분산 시스템
  • 노드의 액션 조정 및 커뮤니케이션
  • 대규모 데이터 세트 및 온라인 머신 러닝의 서브샘플

인텔리전스를 배포하거나 멀티 에이전트 시스템에 대처하는 데는 여러 가지 이유가 있습니다.DAI 연구의 주요 문제는 다음과 같습니다.

  • 병렬 문제 해결: 주로 고전적인 인공지능 개념을 수정하여 멀티프로세서 시스템과 컴퓨터 클러스터를 사용하여 계산 속도를 높일 수 있도록 하는 방법을 다룹니다.
  • 분산 문제 해결(DPS): 서로 통신할 수 있는 자율 주체인 에이전트의 개념은 DPS 시스템 개발을 위한 추상화 역할을 하도록 개발되었습니다.상세한 것에 대하여는, 이하를 참조해 주세요.
  • MABS(Multi-Agent Based Simulation): 많은 소셜 시뮬레이션 시나리오에서와 같이 매크로 레벨뿐만 아니라 마이크로 레벨에서도 현상을 분석할 필요가 있는 시뮬레이션을 위한 기반을 구축하는 DAI의 분기입니다.

역사

1975년 분산형 인공지능은 지능형 에이전트의 상호작용을 다루는 인공지능의 하위 분야로 부상했다.분산형 인공지능 시스템은 협력, 공존 또는 경쟁에 의해 상호작용되는 에이전트라고 불리는 지적 실체의 집단으로 생각되었다.DAI는 다중 에이전트 시스템과 분산 문제 해결로 분류됩니다 [1].멀티 에이전트 시스템에서는 에이전트가 지식과 활동을 조정하는 방법에 중점을 둡니다.분산형 문제 해결의 주요 초점은 문제가 분해되고 솔루션이 합성되는 방법입니다.

예

멀티 에이전트 시스템과 분산형 문제 해결은 두 가지 주요 DAI 접근법입니다.수많은 응용 프로그램과 도구가 있습니다.

접근

다음의 2종류의 DAI가 등장했습니다.

  • 다중 에이전트 시스템에서는 에이전트가 조정 프로세스에 대한 지식과 활동 및 이유를 조정합니다.에이전트는 실제 또는 가상 엔티티로 동작하고 해당 환경을 인식하며 다른 에이전트와 통신할 수 있습니다.에이전트는 자율적이며 목표를 달성하기 위한 기술을 가지고 있습니다.에이전트는 작업에 따라 환경 상태를 변경합니다.다양한 조정 기법[3]이 있습니다.
  • 분산형 문제 해결에서는 작업이 노드 간에 분할되고 지식이 공유됩니다.주요 관심사는 업무 분해와 지식 및 솔루션의 통합이다.

DAI는 AI의 전통적인 하향식 접근뿐만 아니라 가정 아키텍처와 유사하게 상향식 접근법을 AI에 적용할 수 있다.또한 DAI는 출현의 매개체가 될 수도 있습니다.

적용들

DAI 가 적용된 영역은 다음과 같습니다.

  • 전자상거래, 예를 들어 거래전략을 위해 DAI 시스템은 매우 큰 금융데이터 샘플의 서브샘플로부터 금융거래규칙을 학습한다.
  • 예를 들어 통신에서는 DAI 시스템이 WLAN 네트워크의 공동 자원을 제어합니다.http://dair.uncc.edu/projects/past-projects/wlan-resource
  • 라우팅, 예를 들어 운송 네트워크의 차량 흐름 모델
  • 스케줄링(예를 들어 자원 관리 주체가 글로벌 및 로컬 일관성을 위해 로컬 최적화 및 협력을 보장하는 플로우 숍 스케줄링)
  • 다중 에이전트 시스템(예: 인공 생명체, 시뮬레이션 생명체 연구)
  • 전력 시스템, 예를 들어 변압기 상태 감시에 적용되는 CONDition Monitoring Multi-Agent System(COMMAS) 및 Intelli팀 II: 자동 복구[2] 시스템

도구들

  • ECStar, 분산 규칙 기반 학습 시스템

에이전트 및 멀티 에이전트 시스템

상세 정보:Multi-agent_system ©어플리케이션

에이전트 개념:에이전트는 문제 해결을 위해 설계된 표준 경계와 인터페이스를 가진 개별 엔터티로 설명할 수 있습니다.

멀티 에이전트 개념:멀티 에이전트 시스템은 개별 에이전트가 해결할 수 없는 문제 해결을 위해 사회와 같이 단일 개체로 느슨하게 연결된 에이전트 네트워크입니다.

소프트웨어 에이전트

DPS 및 MABS에서 사용되는 주요 개념은 소프트웨어 에이전트라고 불리는 추상화입니다.에이전트는 환경을 이해하고 이에 따라 행동하는 가상(또는 물리적) 자율 엔티티입니다.에이전트는 보통 같은 시스템 내의 다른 에이전트와 통신하여 하나의 에이전트만으로는 달성할 수 없는 공통의 목표를 달성할 수 있습니다.이 통신 시스템은 에이전트 통신 언어를 사용합니다.

에이전트를 다음과 같이 나누는 것이 가장 유용한 분류입니다.

  • 리액티브 에이전트– 리액티브 에이전트는 입력을 수신, 처리 및 출력하는 자동화에 불과합니다.
  • 숙의 대리인– 반대로 숙의 대리인은 환경을 내부적으로 파악하고 자신의 계획을 따를 수 있어야 합니다.
  • 하이브리드 에이전트 – 하이브리드 에이전트는 반응형 에이전트와 신중한 에이전트가 혼합되어 있으며, 자체 계획을 따르지만 때로는 심의 없이 외부 이벤트에 직접 반응하기도 합니다.

에이전트가 내부적으로 어떻게 구조화되어 있는지를 설명하는 잘 알려진 에이전트 아키텍처는 다음과 같습니다.

  • ASMO(분산 모듈의 출현)
  • BDI(Believe Desire Intention, 계획 수립 방법을 설명하는 일반적인 아키텍처)
  • InterRAP(반응형, 숙고형 및 소셜 계층을 갖춘 3층 아키텍처)
  • PECS(Physics, Emotion, Cognition, Social, 이 네 가지 부분이 에이전트의 동작에 어떻게 영향을 미치는지 설명합니다.
  • Surge(규칙 기반 접근법)

과제들

분산 AI의 과제는 다음과 같습니다.

1. 에이전트의 통신 및 상호 작용을 수행하는 방법 및 어떤 통신 언어 또는 프로토콜을 사용해야 하는가?

2. 에이전트의 일관성을 확보하는 방법

3. '인텔리전트 에이전트' 그룹 간의 결과를 공식화, 설명, 분해 및 할당별로 합성하는 방법

「 」를 참조해 주세요.

레퍼런스

  1. ^ 드마조, 이브, J-P.뮐러, 에드분산형 아이제2권 엘세비어, 1990년
  2. ^ Catterson, Victoria M.; Davidson, Euan M.; McArthur, Stephen D. J. (2012-03-01). "Practical applications of multi-agent systems in electric power systems" (PDF). European Transactions on Electrical Power. 22 (2): 235–252. doi:10.1002/etep.619. ISSN 1546-3109.
  • A. 본드와 L. 개서분산형 인공지능의 판독치.모건 카우프만, 캘리포니아 산 마테오, 1988년
  • 브라힘차이브드라아, 베르나르 물랭, 르네 만디아우, 피 밀로.분산형 인공지능의 동향.

인공지능 리뷰, 6 (1):35-66, 1992.

  • 닉 R 제닝스.분산형 인공지능을 위한 조정 기술.분산 인공 기초

정보, 187~210쪽, 1996년.

  • 데미안 트렌토소, 필립 페신, 크리스티안 타혼.fms 스케줄링 및 제어를 위한 분산형 인공지능

및 설계 지원을 제공합니다.인텔리전트 제조 저널, 11(6):573-589, 2000.

  • Catterson, V.M., Davidson, E.M. 및 McArthur, S.D. J. 전력 시스템에서의 멀티 에이전트 시스템의 실용적 응용.유럽 전력 거래, 22(2), 235-252. 2012년

추가 정보

  • Hewitt, Carl, Jeff Inman(1991년 11월/12월)."DAI Betwixt 및 그 사이:'인텔리전트 에이전트'에서 '오픈 시스템 사이언스'까지 시스템, 인간 및 사이버네틱스에 관한 IEEE 트랜잭션입니다.볼륨: 21호: 6, pp. 1409–1419.ISSN 0018-9472
  • Shoham, Yoav; Leyton-Brown, Kevin (2009). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. New York: Cambridge University Press. ISBN 978-0-521-89943-7.
  • Sun, Ron, (2005)인지 및 다중 에이전트 상호 작용.뉴욕: 케임브리지 대학 출판부.ISBN 978-0-521-83964-8
  • Vlassis, Nikos (2007). A Concise Introduction to Multiagent Systems and Distributed Artificial Intelligence. San Rafael, CA: Morgan & Claypool Publishers. ISBN 978-1-59829-526-9.
  • Grace, David; Zhang, Honggang(2012년 8월).인지 커뮤니케이션: 분산형 인공지능(DAI), 규제 정책과 경제, 구현.John Wiley & Sons 프레스.ISBN 978-1-119-95150-6