Взаимодействие интеллектуальных агентов для поддержки сервера дистанционного обучения

Gavrilova Т.A., Yashin A.M., Fertman V.P.

Russia, Saint-Petersburg, SPbSTU, Department of Intelligent Computer Technologies in CAD/CAE/CAM, gavr@fn.csa.ru

INTELLIGENT AGENTS INTERACTION FOR DISTANCE LEARNING SERVER SUPPORT.

This work investigates the distributed intelligent system area and explores independent modules interaction and data interchange problems. A base assumption is that independent modules viewed as intelligent agents must have some extra levels of agreement for successful interconnection. This assumption is being analyzed through distance learning server developing.

Гаврилова Т.А., Яшин A.M., Фертман В.П.

Россия, Санкт-Петербург, СП6ГТУ, Кафедра Интеллектуальных Технологий в Проектировании, gavr@fn.csa.ru

ВЗАИМОДЕЙСТВИЕ ИНТЕЛЛЕКТУАЛЬНЫХ АГЕНТОВ ДЛЯ ПОДДЕРЖКИ СЕРВЕРА ДИСТАНЦИОННОГО ОБУЧЕНИЯ.

В данной работе исследуется область распределенных интеллектуальных систем и изучается проблема обмена знаниями между отдельными модулями таких систем. Выдвигается предположение, что автономные модули, или интеллектуальные агенты, должны иметь специальные уровни соглашений для установления процесса общения. Это предположение исследуется при разработке сервера дистанционного обучения.

В последнее время все большее внимание уделяется распределенным интеллектуальным системам, которые обмениваются знаниями друг с другом, совместно используют знания, реализуют возможности повторного использования знаний. Современные компьютерные системы состоят из множества довольно самостоятельных модулей. Такой модуль, который зачастую является автономной частью системы, может быть рассмотрен как агент, работающий в рамках этой системы, и который обменивается знаниями с другими ее модулями при помощи сообщений [Городецкий В.И., 1996]. Именно такую проблему обмена знаниями в многоагентной системе предполагается реализовать при разработке сети интеллектуальных агентов для поддержки сервера дистанционного обучения. Особенностью таких систем, основанных на агентах, является факт наличия нескольких дополнительных уровней соглашений для успешного общения: на уровне сообщений —договоренность о значении каждого сообщения, на языковом уровне — договоренность о формате представления знаний, онтологическом уровне — требования к содержанию и структуре общедоступного знания и поведенческом уровне — как агенты структурируют разговор.

Соглашение на уровне сообщений может обеспечивается языком KQML (Knowledge Query and Manipulation Language). Этот язык унифицирует контекст всего процесса общения агентов для того, чтобы агенты могли просматривать возможности друг друга и использовать преимущества тех или иных возможностей. Каждый агент виден другим агентам так, если бы он управлял базой знаний. Таким образом, общение с агентом сводится к формулировке вопросов и ответов относительно содержания базы, запросы о добавлении или удалении чего-либо из базы или запросы об использовании базы для переадресации сообщений другому агенту. При этом сам агент не обязан быть структурирован как база знаний. Конкретная реализация может использовать простую базу данных или программу, использующую структуры базы данных, до тех пор пока интерфейсный код транслирует такое представление баз данных в структуры базы знаний для передачи другому агенту и обратно. Таким образом, каждый агент управляет Виртуальной Базой Знаний VKB (Virtual Knowledge Base).

Агенты общаются друг с другом на языке KQML, передавая содержание VKB, однако информация в самих VKB может использовать различные языки представления. Для успешного общения им также необходимо изначально договорится о формате передачи этого знания — языковой уровень. Таким форматом может служить Knowledge Interchange Format — KIF. Таким образом, знания в одном формате, например, для исчисления предикатов, могут быть переведены в специализированные представления, включая фрейм-основанные системы и языки отношений, что позволяет получить преимущество от выполнения на специализированном аппаратном и программном обеспечении.

Соглашение о языке передачи знаний, однако, не гарантирует полноценный обмен знаниями, т.к. эти знания могут быть по разному структурированы, они могут быть описаны разными терминами. Если для одного агента это привычные обычные термины, то другой агент мог их никогда не встречать. Все эти проблемы обуславливается тем, что различные системы имеют стилистические и организационные различия в представлении знаний. И для того, чтобы сохранить декларативное содержание этих знаний и, таким образом, иметь возможность формулировать запросы к другим интеллектуальным системам, обмениваться с ними знаниями, необходимо представлять знания в формальной форме. То есть необходимо сформировать формальное и декларативное представление, которое включает список (словарь) ссылок на термины в необходимой тематической области и логические выражения, которые описывают определения этих терминов, их взаимосвязи друг с другом и их теоретически возможные и невозможные взаимосвязи. Такое представление называется Онтологией предметной области. После построения такого словаря терминов становится возможным перевод знаний их одного формата, например, для исчисления предикатов, в специализированное представление, как фрейм-основанные системы и языки отношений. Это позволяет исследователям совместно и многократно использовать онтологии, получая преимущества от выполнения на специализированном аппаратном и программном обеспечении.

В описываемой многоагентной системе каждый модуль является автономным. Такая автономность подразумевает, что агенты могут иметь различные и даже конфликтующие цели. Один агент посылает сообщение в соответствии с собственными целями, а другой может выбрать направление деятельности, которое соответствует другим его функциям. Соглашения на поведенческом уровне должны максимизировать кооперацию между агентами, что, однако, не всегда возможно, как и в любой человеческой организации.

Многократно используемые онтологии становятся все более и более значимыми для задач типа информационного интегрирования, взаимодействия на уровне знаний и развития баз знаний. Они используются в области прикладной математики и библиографических данных, для сбора информации о разных аспектах бизнеса для последующего анализа. Для многоагентных интеллектуальных систем использование онтологий также представляется чрезвычайно полезным. Например, онтологии могут быть использованы в Интернет в качестве посредников, собирая необходимую информацию и предоставляя ее продавцам и покупателям в нужное время в удобной форме. О других подобных проектах можно узнать по адресу http://www-ksl-svc.stanford.edu:5915.

Целью данной работы является построение сети интеллектуальных агентов, которые бы поддерживали работоспособность сервера дистанционного обучения по психолингвистике (htt://www.csa.ru/DistanceLearning) — собирали информацию в Интернет, структурировали ее и предоставляли пользователям в удобной форме.

Всего предполагается разработать пять агентов. Первый агент является координатором-агентом и выполняет роль доски объявлений для других агентов. Именно к этому агенту можно обратиться и запросить необходимую услугу или просто выяснить адрес конкретного агента. Второй агент является DB-агентом — агентом по работе с базой данных. Этот агент обеспечивает доступ к информации, хранимой в базе, а также отвечает за всю работу, проводимую с этой информацией. Третий агент является поисковым агентом информации в сети — Search-агент. Этот агент должен уметь работать с поисковиками в Internet. Увидев новое, непроработанное слово Search-агент обращается к обычным поисковикам, отбирает информацию и, просмотрев ее —удостоверившись в том, что эта информация относится к теме, он записывает интернет адреса в базу данных. Четвертый агент обеспечивает более глубокую проработку информации в базе данных — Parser-агент. Увидев в базе непроработанную ссылку, Parser-агент, как и Search-агент, обращается к обычным поисковикам и по тому же алгоритму отбирает очередные ссылки. Работа Search-агента и Parser-агента с базой данных ведется через DB-агента. Пятым является клиентский агент — Client-агент. Этот агент обеспечивает связь пользователей с информацией, хранимой в базе данных. Пользователь вводит искомый термин и агент возвращает ему всю информацию, хранимую в базе. Введение нового термина в базу предполагается только экспертом.

Запросы агентов друг к другу должны быть сформулированы на языке KQML, а формат знаний, в котором агенты обмениваются информацией — на языке KIF. Кроме этих договоренностей, как было описано выше, еще необходимо сформулировать общие требования к структуре общедоступного знания, которым пользуются эти агенты, т.е. сформулировать онтологию предметной области. Однако агентам, в данном случае, не важно работают ли они с психолингвистикой или термодинамикой. Действительно, общаются с терминами, частотой повторения этого термина на каждой странице, интернет-адресами и т.п. Т.е. предметной областью является на психолингвистика, а терминология поисковой системы.

Реализация описанного выше комплекса агентов предполагается на языке программирования JAVA и Python. Работа с базой данных организуется по протоколу JDBC.

В данной работе исследуются возможности использования онтологий предметных областей, формата обмена знаниями KIF, языка работы со знаниями KQML на примере многоагентной системы. Онтологии являются соглашением между различными системами о структурах представления знаний, поэтому исследование и расширение их возможностей способствует тем самым взаимодействию таких систем на уровне знаний и развитию баз знаний. Формат KIF является декларативным языком, который позволяет различным системам обмениваться онтологиями различных предметных областей, используя тем самым в работе вычислительные преимущества этих систем. Такой обмен становится возможным за счет существования множественных систем трансляции знаний из формата KIF в ряд других, таких как Loom, Epikit, Algernon, CycL, KEE, EXPRESS и другие. Широкое распространение и простота языка KQML, как языка общения между агентами, основанного на теории речевых актов, способствует построению универсального транспортного уровня общения агентов. Как результат получается система поиска и обработки информации в сети Интернет по заданной тематике. Данный подход способствует также выявлению новых тенденций в заданной предметной области и, следовательно, может быть использован как система приобретения знаний.

ЛИТЕРАТУРА

1. Гаврилова Т.А., Воинов А.В., Данильченко И.А., Санкина Т.А. (1998) Адаптивная многоагентная интеллектуальная система дистанционного обучения. Проблемы информатизации, вып. 1, Москва, С.21-27.
2. Городецкий В. И. (1996) Многоагентные системы: современное состояние исследований и перспективы применения // Труды конференции по ИИ, с.Зб-45.
3. Genesereth М. & Fikes R., Knowledge Interchange Format Version 3.0 Reference Manual. Computer Science Department Stanford University, Stanford, California.
   M.R. Genesereth, R.E. Fikes Knowledge Interchange Format
4. Gruber. T. (1993) Toward principles for the design of ontologies used for knowledge sharing. Presented at the Padua workshop on Formal Ontology.
   http://www.cs.umbc.edu/agents/kse/ontology/
5. Finin Т., Weber J. (1993). Specification of KQML Agent Communication Language. The DARPA Knowledge Sharing Initiative External Interfaces Working Group.

http://www.cs.umbc.edu/kqml/kqmispec/spec.html.