ИЗВЕСТИЯ РАН. ТЕОРИЯ И СИСТЕМЫ УПРАВЛЕНИЯ, 2015, № 5, с. 102-121
ИСКУССТВЕННЫЙ ^^^^^^^^^^^^^^ ИНТЕЛЛЕКТ
УДК 519.687.1/4
БАЗОВАЯ ОНТОЛОГИЯ КОЛЛЕКТИВНОГО ПОВЕДЕНИЯ АВТОНОМНЫХ АГЕНТОВ И ЕЕ РАСШИРЕНИЯ* © 2015 г. В. И. Городецкий, В. В. Самойлов, Д. В. Троцкий
Санкт-Петербург, Санкт-Петербургский ин-т информатики и автоматизации РАН, Санкт-Петербургский государственный политехнический ун-т Поступила в редакцию 16.09.14 г., после доработки 28.01.15 г.
Рассматривается поведенческая концепция систем искусственного интеллекта. В этой концепции полагается, что "интеллект" системы формируется эмерджентно как результат индивидуального поведения и взаимодействия множества распределенных сущностей (роботов, программных агентов и т.п.) между собой и с внешней средой. Приводится краткий обзор состояния исследований и достижений в области поведенческих моделей систем искусственного интеллекта, и для них предлагается единая семантически интерпретируемая метамодель в форме предметно-независимой (базовой) онтологии, а также ее расширения для двух конкретных практически важных классов приложений. Первый класс приложений — это командная работа подводных роботов, автономно решающих задачу инспекции и обеспечения безопасности подводного пространства. Второй класс — самоорганизующаяся система, состоящая из большого числа малоразмерных спутников, решающих автономно множество задач наблюдения, коммуникации и инспекции космического пространства. Намечаются пути дальнейших исследований и разработок в области поведенческих моделей распределенных сущностей, совместно выполняющих автономную миссию.
Б01: 10.7868/80002338815030087
Введение. Базовой парадигмой искусственного интеллекта (ИИ) как научного направления в области информационных технологий с момента его зарождения и по настоящее время была и остается парадигма систем на основе знаний. Большинство современных приложений в области ИИ реализуется именно на основе этой парадигмы. Использование знаний позволило успешно решить много новых практически важных прикладных задач, и их количество продолжает возрастать. В этой парадигме предметные знания прикладной системы, а также знания о внешнем мире и о механизмах принятия решений представляются с помощью символьных моделей. К настоящему времени разработано достаточно много языков и структур для символьного представления знаний, для реализации механизмов рассуждений и вывода решений, так что разработчикам приложений ИИ есть из чего выбирать.
Однако уже в 1980-е гг. разработчики интеллектуальных приложений обнаружили, что, несмотря на широкий спектр доступных символьных языков для представления знаний и средств их реализации, с их помощью очень трудно, а иногда и совсем невозможно описать многие простые вещи. К ним относятся различные многошаговые стратегии поведения, например, движение робота по коридору заранее неизвестной топологии при наличии препятствий. Оказалось, что невозможно описать в простой форме модель парковки автомобиля и многие другие, которые главным образом связаны с поведением.
С другой стороны, человек выполняет такие задачи на уровне подсознания, без особых интеллектуальных усилий. Животные, не обладающие интеллектом, тем не менее способны к сложному адаптивному поведению при поиске пищи, способны к коллективному и координированному поведению, собираясь в стаи. Особенно трудными для формализации оказались задачи, в которых отсутствует модель внешнего мира или эта модель динамична, а внешний мир непредсказуем. В этом случае интеллектуальная система управления должна строить свое поведение на основе только сигналов сенсоров. Если подобную задачу решает человек, то основные усилия он затрачивает на взаимодействие и координацию своего поведения с внешней средой, используя локаль-
* Данная работа выполнена в СПбГПУ по Программе "5-100-2020", Задача 6.1, Мероприятие 6.1.1. проект "Разработка методов и алгоритмов формирования коллективного поведения роботов в условиях противодействия".
Факты наблюдаемой реальности
Когнитивные процессы
tr
Проявление ЕИ
tr
Адаптивное поведение
Восприятие: рецепторы, сенсоры
нешни^ Модель мир внешнего
мира
Факты, полученные с помощью символической модели ИИ
Системы, основанные на знаниях
И
Компьютерная модель интеллекта (знания)
~ 2......
Системы на основе поведения
е
тие
и
в
т
а
Рч
Рис. 1. Эволюция ЕИ и развитие ИИ (рисунок заимствован из [6] и переработан)
ную зрительную и другую информацию и обратную связь о динамике внешней среды и характере ее изменения в зависимости от выполняемых им действий. "Интеллектуальная составляющая" процесса управления для него в подобных задачах близка к нулю, а основная нагрузка приходится на обработку изменений во внешней среде и обратной связи от нее. Однако компьютерное моделирование и программная реализация такого "простого интеллекта" средствами символьных моделей оказалось весьма непростым делом. Модели на основе знаний, получаемые в таких задачах, даже для очень простых случаев получаются громоздкими и вычислительно сложными.
Наиболее известным примером попытки описать поведение с помощью символьной модели является инструментальная система STRIPS [1]. Эта система предназначалась для описания поведения автономных сущностей в терминах языка исчисления предикатов. В ней для поиска стратегии целенаправленного поведения использовался механизм логического вывода. Система имела также логические средства для описания модели поведения и внешнего мира, она вовлекала такие понятия, как действие, предусловия, которые должны быть удовлетворены для того, чтобы действие было возможно выполнить, постусловия и т.п. Однако система SRTIPS оказалась пригодной только для решения "игрушечных" задач типа задач об обезьяне и банане или о Ханойской башне [2]. Выразительные возможности исчисления предикатов первого порядка оказались весьма ограниченными, а логический вывод в моделях, построенных на его основе, оказался неэффективным1.
Однако последующие исследования показали, что причины неудач системы STRIPS и других систем, использующих символьные модели знаний для описания поведения, являются более глубокими [3—5]. По-видимому решающую роль в этом ряду исследований следует отвести работе [5]. Ее основной тезис состоял в том, что интеллект искусственной системы, например интеллектуального агента, возникает (а не формируется заранее) в результате взаимодействия между системой и средой, в которой эта система функционирует. Интеллект искусственной системы изначально не является свойством некой абстрактной символьной системы вроде системы автоматического доказательства теорем или подобной ей. Интеллектуальное поведение агента возникает эмерджентно как композиция более простых каким-то образом структурированных актов его поведения и его взаимодействия с другими агентами системы, а также актов его взаимодействия со средой.
В естественном интеллекте (ЕИ) выбор решений, предсказание состояний системы и внешней среды выполняются с помощью знаний, которые формируются в результате обобщения поведенческого опыта особи в динамической среде [6], а также обратной связи, получаемой от среды. Функция обобщения, результатом которой является модель знаний особи о поведении, реализуется когнитивными процессами. Эволюция (развитие) ЕИ обязательно проходит через стадию обобщения опыта (рис. 1). Именно эта особенность эволюции ЕИ подчеркивается в [5, 6] и других работах на эту тему.
1 Заметим, что теория сложности алгоритмов в то время только зарождалась, поэтому объяснение свойствам системы STRIPS было получено позже.
Однако в системах ИИ, основанных на знаниях, компьютерная модель адаптивного поведения сущности отсутствует. В них данные о состоянии внешней среды, получаемые от сенсоров, напрямую используются для принятия решений с помощью модели "готовых" знаний, привнесенных извне, в частности, знаний, привнесенных человеком. Обычно отсутствует также и обратная связь от среды, которая позволяла бы корректировать поведение системы в реальном времени даже при отсутствии точной модели внешней среды. Компьютерная модель индивидуального и коллективного поведения автономных агентов и последующее обучение на основе экспериментального опыта могли бы способствовать эволюции ИИ благодаря использованию искусственного когнитивного процесса, аналогичного тому, что имеет место в ЕИ [6]. Однако эта возможность отсутствует в системах на основе знаний, поскольку в ней отсутствует компьютерная модель адаптивного поведения (рис. 1).
Системы, в которых интеллект формируется как результат индивидуального поведения множества физических сущностей (например, роботов) и/или виртуальных сущностей (программных агентов в динамической среде) и их взаимодействия, получили в свое время название систем, основанных на поведении (англ. Behavior-Based Systems, BBS). Соответствующие модели далее в работе называются иногда для краткости поведенческими моделями.
Исследования и разработки в области поведенческих моделей в настоящее время ведутся в различных классах приложений, и во многом эти исследования ведутся независимо (разд. 2). Однако все они имеют в основе своей один и тот же концептуальный базис, общие проблемы и вызовы. Поэтому естественно попытаться рассмотреть все эти классы приложений с единых методологических позиций. В качестве такого общего методологического подхода к моделированию поведенческих систем в данной статье рассматривается онтологический подход.
Целью работы является развитие концепции BBS-систем ИИ путем ее семантического обогащения с использованием онтологической модели. Напомним, что в соответствии с современной методологией моделирования интеллектуальных систем язык спецификации прикладной интеллектуальной системы должен оперировать терминами с четко определенной предметной семантикой. Онтологии предоставляют необходимые средства для такого описания знаний. К настоящему времени методология семантического моделирования знаний с использованием онтологий доказала свою правоту опытным путем, однако аналогичный опыт в области BBS-приложений практически отсутствует или, по
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.