Agenten-Systeme - Frieder Stolzenburg - Hochschule Harz

Agenten-Systeme
1 Einführung
Prof. Dr. Frieder Stolzenburg
fstolzenburg@hs-harz.de
Hochschule Harz
Fachbereich Automatisierung und Informatik
38855 Wernigerode
F. Stolzenburg Agenten-Systeme / 1 Einführung S. 1/26

Gesamtüberblick
Intelligente mobile Agenten
Architekturen für intelligente Agenten
Agenten-Kommunikation und -Interaktion
Suchverfahren für Agenten
Verteilte rationale Entscheidungsfindung
Formale Methoden in der verteilten KI
Spezifikation und Analyse von Multiagenten-Systemen
Anwendungen (RoboCup, CSCW, Internet)
F. Stolzenburg Agenten-Systeme / 1 Einführung S. 2/26

1.1 Was sind Intelligente Agenten?
Ein Agent ist ein Computer-System, das seine Umgebung
mittels Sensoren wahrnimmt und darauf autonom und
rational mittels Effektoren (re)agiert. [Russell & Norvig 1995]
Umgebung
Wahrnehmung
Aktion
Effektoren
Sensoren
?
Agent
F. Stolzenburg Agenten-Systeme / 1.1 Was sind Intelligente Agenten? S. 3/26

Auto Mower – autonomer Rasenmäher
Der Mäher arbeitet vollautonom, fährt vorprogrammierte
Rasenfläche ab, sucht Batterie-Ladestation von Zeit zu Zeit
auf und vermeidet Hindernisse.
Maße: 60
26
71 cm ¡ Gewicht: 7.1 kg ¡ Hersteller: Husqvarna
F. Stolzenburg Agenten-Systeme / 1.1 Was sind Intelligente Agenten? S. 4/26

MIA – Mobile Informationsagenten
Mobile Informationsagenten finden nach Vorlieben des
Benutzers Informationen mit Relevanz zum Aufenthaltsort
aus dem World Wide Web (mit GPS, Handy) heraus.
F. Stolzenburg Agenten-Systeme / 1.1 Was sind Intelligente Agenten? S. 5/26

RoboCup – Roboterfußball
Fußballroboter spielen unabhängig voneinander (d.h. ohne
zentrale Steuerung), aber mit Kooperation im Team und
gegen andere Mannschaft (real oder simuliert) in jährlichen
Wettbewerben.
Ligen: MidSize, Small, Simulation, Aibo Dog
F. Stolzenburg Agenten-Systeme / 1.1 Was sind Intelligente Agenten? S. 6/26

1.2 Definition von Agent
Software-Agenten: Ein- und Ausgabe sind Bitströme
(eventuell im Internet)
Mobilität: Fähigkeit, die physikalische Position zu
ändern. — Was bedeutet das? ?
Rationale Agenten sind solche, die das Richtige tun.
(Ein Maß für die Performanz wird benötigt.)
Allwissende Agenten sind solche, die die Resultate
ihrer Aktionen im voraus wissen.
(Rationale Agenten sind i.A. nicht allwissend!)
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 7/26

Rationale Agenten I
Wie ist das Richtige definiert?
Wovon hängt es ab?
Performanz-Maß (möglichst objektiv),
Percept-Sequenz: was bisher wahrgenommen wurde,
Wissen des Agenten über die Umgebung,
Aktionsmöglichkeiten des Agenten.
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 8/26

Rationale Agenten II
Ein idealer rationaler Agent wählt für jede
Percept-Sequenz genau die Aktion aus, die sein
Performanz-Maß maximiert (bei gegebenem Wissen
über die Umgebung).
Agenten können durch Abbildungen
Menge der Percept-Sequenzen
mathematisch beschrieben werden.
Die interne Struktur eines Agenten ist:
Agent = Architektur + Programm.
Menge der Aktionen
Die KI beschäftigt sich damit, Agenten-Programme zu
entwerfen.
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 9/26

Verteilte Künstliche Intelligenz
Distributed Artificial Intelligence: Das Gebiet, das Systeme
untersucht, in denen mehrere autonom agierende Entitäten
zusammenarbeiten, um ein gegebenes Ziel zu erreichen.
Die Entitäten heißen Agenten; Gebiet
Multiagenten-Systeme (MAS).
Warum? Grosse Informationssysteme sind verteilt, offen,
heterogen. Dies verlangt nach intelligenten, interagierenden
Agenten, die autonom agieren.
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 10/26

MAS versus Verteilte KI
Multiagenten-Systeme: Mehrere Agenten koordinieren ihr
Wissen und ihre Aktionen (Semantik beschreibt dies).
Verteilte KI: Spezielles Problem wird in kleinere Probleme
zerlegt (Knoten). Diese Knoten haben gemeinsames
Wissen. Die Lösungsmethode wird zentral vorgegeben.
Heutzutage sind beide Begriffe mehr oder weniger
synonym.
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 11/26

KI versus Verteilte KI
Künstliche Intelligenz Verteilte KI
Agent System von Agenten
Intelligenz: Intelligenz:
Eigenschaft eines Agenten Eigenschaft mehrerer Agenten
Kognitive Prozesse Soziale Prozesse
eines Agenten mehrerer Agenten
F. Stolzenburg Agenten-Systeme / 1.2 Definition von Agent S. 12/26

1.3 Schemata für Agenten
Einfachste Form von Agenten-Programmen:
function SKELETON-AGENT( percept) returns action
static: memory, the agent’s memory of the world
memory UPDATE-MEMORY(memory, percept)
action CHOOSE-BEST-ACTION(memory)
memory UPDATE-MEMORY(memory, action)
return action
Theoretisch ist alles trivial:
function TABLE-DRIVEN-AGENT( percept) returns action
static: percepts, a sequence, initially empty
table, a table, indexed by percept sequences, initially fully specified
append percept to the end of percepts
action
return action
¡ LOOKUP( percepts, table)
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 13/26

Die PAGE-Beschreibung von Agenten
Agent Type Percepts Actions Goals Environment
Medical diagnosis
system
Satellite image
analysis system
Symptoms,
findings, patient’s
answers
Pixels of varying
intensity, color
Part-picking robot Pixels of varying
intensity
Refinery controller Temperature,
pressure readings
Interactive English
tutor
Questions, tests,
treatments
Print a
categorization of
scene
Pick up parts and
sort into bins
Open, close
valves; adjust
temperature
Typed words Print exercises,
suggestions,
corrections
Healthy patient,
minimize costs
Correct
categorization
Place parts in
correct bins
Maximize purity,
yield, safety
Maximize
student’s score on
test
Patient, hospital
Images from
orbiting satellite
Conveyor belt
with parts
Refinery
Set of students
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 14/26

Umwelteigenschaften
zugänglich/unzugänglich: Falls nicht vollst. zugängl.
braucht man interne Zustände.
deterministisch/indeterministisch: Falls die Umgebung
unzugänglich ist, kann sie indeterministisch scheinen.
episodisch/nichtepisodisch: Percept-Aktion-Sequenzen
sind voneinander unabhängig (abgeschlossene
Episoden).
statisch/dynamisch/semidynamisch: Dynamisch:
während der Agent noch überlegt, ändert sich schon
die Welt. Semi-dynamisch heißt: Zwar ändert sich nicht
die Welt, aber das Performanz-Maß des Agenten.
diskret/stetig: bezieht sich auf die Menge der
Wahrnehmungen und Aktionen.
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 15/26

Beispiele von Umgebungen
Environment Accessible Deterministic Episodic Static Discrete
Chess with a clock Yes Yes No Semi Yes
Chess without a clock Yes Yes No Yes Yes
Poker No No No Yes Yes
Backgammon Yes No No Yes Yes
Taxi driving No No No No No
Medical diagnosis system No No No No No
Image-analysis system Yes Yes Yes Semi No
Part-picking robot No No Yes No No
Refinery controller No No No No No
Interactive English tutor No No No No Yes
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 16/26

Intelligente Agenten
Ein intelligenter Agent ist ein Agent mit folgenden
Eigenschaften:
1. reaktiv: Reaktion auf Änderungen der Umgebung in
gewissen Zeitabständen, um ihre Ziele zu erreichen.
2. pro-aktiv: Initiative übernehmen, zielgerichtetes
Verhalten
3. sozial: Interaktion mit anderen, um ihre Ziele zu
erreichen.
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 17/26

Agenten versus Objekte
Objekte besitzen einen Zustand und können Nachrichten
austauschen. Objekte (z.B. in Java) können andere nicht
davon abhalten, ihre öffentlichen (public) Methoden
anzuwenden.
Agenten kommunizieren mit anderen Agenten.
Objects do it for free, agents do it for money.
Keine Analoga zu reaktiv, pro-aktiv, sozial.
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 18/26

Mathematische Beschreibung
1. Aktionen:
2. Zustände:
3. Wahrnehmungen:
¡
Was nimmt ein Agent wahr, in einem Zustand
¤ £
¢
¤
¥
Wie entwickelt sich die Umgebung bei Ausführung einer
Aktion
§ ?
¤
© ¨
¥
¡
�
F. Stolzenburg Agenten-Systeme / 1.3 Schemata für Agenten S. 19/26
¡
¦
¦
¢
�
�
£ ?

1.4 Typen von Agenten
Agent Type Percepts Actions Goals Environment
Taxi driver Cameras,
speedometer, GPS,
sonar, microphone
Steer, accelerate,
brake, talk to
passenger
Safe, fast, legal,
comfortable trip,
maximize profits
Wie können wir ein Programm entwerfen?
Agenten, die auf einfache Reflexe reagieren
Roads, other
traffic, pedestrians,
customers
Agenten, die berücksichtigen wie sich die Welt durch
ihre Aktionen ändert
Agenten, die zielgerichtet agieren
Agenten, die nützliche Zustände bevorzugen (bezüglich
Performanz-Maß)
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 20/26

Agent
Reaktive Agenten I
Condition−action rules
Sensors
What the world
is like now
What action I
should do now
Effectors
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 21/26
Environment

Reaktive Agenten II
Produktions-Regel:
Falls der Vorgänger bremst, dann bremse auch.
function SIMPLE-REFLEX-AGENT( percept) returns action
static: rules, a set of condition-action rules
state
rule RULE-MATCH(state, rules)
action RULE-ACTION[rule]
return action
INTERPRET-INPUT( percept)
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 22/26

Agenten mit internem Zustand I
Agent
State
How the world evolves
What my actions do
Condition−action rules
Sensors
What the world
is like now
What action I
should do now
Effectors
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 23/26
Environment

Agenten mit internem Zustand II
Interne Zustände können beliebig komplex sein.
Was der Taxifahrer im Spiegel gesehen hat, sollte er sich
merken.
function REFLEX-AGENT-WITH-STATE( percept) returns action
static: state, a description of the current world state
rules, a set of condition-action rules
state UPDATE-STATE(state, percept)
rule RULE-MATCH(state, rules)
action RULE-ACTION[rule]
state UPDATE-STATE(state, action)
return action
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 24/26

Agent
Zielorientierte Agenten
State
How the world evolves
What my actions do
Goals
Sensors
What the world
is like now
What it will be like
if I do action A
What action I
should do now
Effectors
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 25/26
Environment

Nützlichkeit-orientierte Agenten
Agent
State
How the world evolves
What my actions do
Utility
Sensors
What the world
is like now
What it will be like
if I do action A
How happy I will be
in such a state
What action I
should do now
Effectors
F. Stolzenburg Agenten-Systeme / 1.4 Typen von Agenten S. 26/26
Environment