智能代理技术及其应用

智能代理技术及其应用 引言：智能代理的理论和技术在20世纪90年代已经提出，是一个新的研究和开发领域，其内容涉及到人工智能、信息检索、计算机网络、数据库、数据挖掘、自然语言处理等领域的理论和技术，主要是人工智能方面。我们将分析智能代理技术的概念、构成及其特点，探讨智能代理技术在实际中的应用。 1 智能代理 1.1 智能代理技术的概念 智能代理技术又被称为智能体，是分布式人工智能研究的一个新领域，它实际上是一种软件单元，具有高度智能性和自主学习性，可以根据用户定义的准则，主动地通过智能化代理服务器为用户搜集最感兴趣的信息，然后利用代理通信协议把加工过的信息按时推送给用户，并能推测出用户的意图，自主制订、调整和执行工作计划。 1.2 智能代理技术的功能特点 1. 智能性：具有解决问题所需的知识、策略和相关数据，能够进行相关的推理和智能计算，智能代理还可以在用户没有给出十分明确的需求时能分析地推送，并能自动拒绝一些不合理或可能给用户带来危害的需求。 2. 代理性：使用代理通信协议进行信息交换，并把检索信息结果主动推送给用户，并管理用户的个人资料及其私人目录下的知识库。 3. 学习性：智能代理技术能够根据当前环境的变化，动态地调整自己去完成各项任务、计划，并主动地把信息过滤、整理后提供给用户服务。 4. 合作性：每个智能代理有标准的接口，采用统一的通信语言进行信息的交流。多代理系统由代理组，通过代理本身的搜索活动和相互之间的交互活动，构成系统的群体活动，相互之间分工合作共同完成复杂任务，从而实现系统整体的功能或目的，同时，每个代理也在这种交互的过程中实现了自己的功能或目的。 5. 反应性：代理能感知环境，并对环境作出适当反应。 6. 社会性：代理具有一定的社会性，即它们可能同代理代表的用户、资源、其它代理进行交流。 7. 移动性：具有移动的能力，为完成任务，可以从一个结点移动到另一个结点。比如访问远程资源、转移到环境适合的结点进行工作等。还有诚实性、顺从性、理智性等。 8. 持续性：各个智能代理有不同的任务，在Internet上搜索访问，这种移动是多点并行的，具有可以跨越地域、时空持续运行的功能特点。 9. 主动性：代理能够遵循承诺采取主动，表现面向目标的行为。例如，Internet上的代理可以漫游全网，为用户收集信息，并将信息提交给用户。 1.3 智能代理的工作原理 智能代理可以看作是只是处理的实体，它由知识库、规则库、推理机、各代理之间的通信协议组成，能够完成知识发现代理、通信协作代理、规则库应用代理、监督代理、知识库管理代理、推送代理等功能，如下图所示： 从图中我们可以看出其工作过程，各个智能代理都有自己的知识库、用户表达出自己的信息需求后，通过通信协作代理传给知识库，根据用户信息库中用户特定的需求和近一段时间内的爱好兴趣为标准来筛选信息。监督代理就是当用户提出信息需求时，它就会检查知识库中是否有用户以前有过相似的信息需求，若有就把知识库中用户以前的需求记录提取出来，通过推送代理发给用户；若知识库中没有用户的信息需求，经规则应用库代理理解生成一定的搜索规则，传送给知识发现代理进行相关信息搜索，搜索后的结果经信息过滤后存于信息数据库，再经过知识库的推理机制推断用户的潜在需求，作为用户需求历史记录下来，结果推送给用户。监督代理还根据一定规则实时动态地跟踪信息数据库中历史记录在Internet网络上的变化，一旦只是发现代理收集到相关内容和更新内容，监督代理就通知规则应用库生成新的检索规则或应用，并通知和提醒用户有新的信息内容，还可以E-mail方式把特定更新内容以推送方式提交给用户。检索完成后允许用户对结果进行满意度和相关度的评价并反馈给知识库，一方面了解用户的新的兴趣需求，另一方面完善用户所需信息相关度的匹配规则，为用户的未来信息检索提供可靠的保障。 1.4 智能代理的结构 智能代理系统是一个高度开放的智能代理，其结构如何将直接影响到系统的性能和智能。一般意义上体系结构使得传感器的感知对于程序可用，运行程序并把该程序的作用选择反给执行器。可见，智能代理、体系结构和程序之间存在如下关系：智能代理=体系结构+程序。 智能代理程序的核心部分叫做决策生成器或问题求解器，起到主控作用，它接收全局状态、任务和时序等信息，指挥相应的功能操作程序模块工作，并把内部的工作状态和所执行的重要结果送至全局数据库。智能代理的全局数据库设有存放智能代理状态、参数和重要结果的数据库，供总体协调使用。 智能代理的运行是一个或多个进程，并接受总体调度。特别当系统的工作状态随环境而经常变化以及各职能代理的具体任务时常变更时，更需要搞好总体协调。 各个智能代理在多个计算机CPU上并行运行，其运行环境有体系结构支持。体系结构还提供共享资源（黑板系统）、智能代理间的通信工具和职能代理间的总体协调，以使各智能代理在统一的目标下并行、协调的工作。 智能代理是从感知序列到实体动作的映射。根据人类思维的不同层次，可以把职能代理分为以下几类： 1. 反应式智能代理：反应式智能代理只简单对外部刺激产生响应，没有内部状态。 2. 慎思式智能代理：又称为认知式智能代理，是一个具有现实符号模型的基于知识的系统。 3. 跟踪式智能代理：具有内部状态的反应式智能代理通过找到一个条件与现有环境进行工作，然后执行与规则相关的作用。 4. 复合式智能代理：即在一个智能代理内组合多种相对独立和并行执行的只能状态，其结构包括感知、动作、反应、建模、规划、通信和决策等模块。 2 智能代理技术的应用 智能代理技术最初应用于商业领域，随着通信技术和网络信息技术的迅速发展，其特性和功能也不断地发展，主要应用在智能搜索代理、数字图书馆、电子商务和远程教育的研究和开发等领域，下面主要介绍在教育方面的应用。 2.1 智能代理的实例介绍 基于智能代理的网络学习系统：网络学习系统是一个多代理的系统，学习系统中的每个代理都是一个软件模块。 一般来说网络学习系统有以下几种代理组成：知识库代理、界面代理、导师代理、冲突调解代理、知识管理代理、信息搜索代理、目录代理。 1.知识库代理：一个拥有强大信息检索能力、答疑和提供建议的能力的智能代理必然要依据存储在知识库中的知识进行推理。 知识库能根据请求向其他代理提供大量的、以能够理解的表达形式组织的知识信息，并能与其他知识库相连，构成一个巨大的知识库。 2.界面代理：界面代理能监控用户的行为，并能从用户的行为中获取知识，最终成为用户的助手。 3.导师代理(TUTOR AGENT)：导师代理是一种用来支持学生完成新的学习任务的教学手段。 学生在进行新的学习任务的过程中，导师代理能提供学习指南等形式的帮助，使得学生更成功的完成学习任务。 4.冲突调解代理：冲突调解代理主要负责协调其他代理之间的活动，并解决他们之间的冲突。 在网络学习系统中，需统一协调的活动包括:计划安排、任务构建、任务间的协商，任务分配，解决方案评价。 5.知识管理代理：知识管理代理提供对知识信息的创建、维护和解释。 知识管理代理提供对这些知识处理活动之间的高层协调功能，这些功能和具体应用是独立的，可同时支持多个工程应用，它实际上是协调各个应用之间的一种高级冲突协调代理，并提供了一个合作框架。 6.目录代理：目录代理主要为各种服务、资源提供地址，便于用户存取。 由于整个学习系统的数据和信息以及知识都是分布式存储的。因此，高效的目录管理是不可缺少的。 2.2. 智能代理的教育应用 智能代理技术作用于教育领域中，给教学活动带来了很多好处。为简便起见，我们将应用于教育环境下的智能代理简称为教育代理。 教育代理通过生动逼真的代理人促进了学习过程，它是在过去关于智能导师系统的研究基础上建立起来的，但比起过去的系统，教育代理就促进在线学习方面存在的问题提出了新的看法，并着手于过去在智能导师的研究中普遍忽视的问题。由于不同的学生在智力、熟练程度和学习方式上有不同的表现，学生行为通常是不可预测的。 动态教育代理通过模拟逼真的代理人促进了计算机学习环境下的学习。这些逼真的代理人能根据学习者的行为作出反应。此外，凭着对学习情境及学习主题的充分理解，它们能够在学习过程中发挥重要作用。 远距离教育代理(Adele)： USC开发的一种教学代理一一Adele(远距离教育代理简易版Agent for Distance Education-Light Edtion)。 Adele是一种专为适应网络虚拟教育环境而设计的教育代理。这一教育代理的体系结构贯彻了最基本的教育功能:表述知识、监控学生及提供反馈、探究问题，以及提示和解答。这些功能都是通过一个能够支持与学生进行连续和多种模式交互的逼真代理人来完成的。 Adele体系结构能够在网络浏览环境的客户端执行，并能与用其他幕后创作工具产生的虚拟环境相互作用。Adele设计目的是为帮助学生完成基于问题的训练而设计的，这些练习被整合到教学材料中并由互联网进行传送。Adele在设计中不仅支持单机用户及单一系统教学，同时也支持多用户和多系统的协作训练。 Adele系统包括四个主要的组成部分: 教育代理、虚拟环境、客户-服务器和服务器存储器。 其中教育代理又包括两个子部分:动态代理人及推理引擎。 中央服务器的作用是保存记录学生进展的数据库，并在适当时候保证多机及多用户协作训练同步进行。 推理引擎完成所有的监控和决策。决策建立于选择案例后从服务器下载的学生模型，案例任务图示以及初始状态，以及随学生完成案例过程而更新的当前代理的智力状态。案例完成后，学生行为的记录将被保存到服务器，用于评价学生的技术水平并对以后案例中Adele如何与学生进行交互作出决策。 动态代理人不过是一段Java程序，能够单独使用于基于网络的Javascript接口，也可以合并到更大的应用程序中，例如我们在此所描述的虚拟训练。 自制动态代理不像Microsoft那样的幕后(off-the-shelf)代理，可以保证平台的独立性和可扩展性。代理人程序使我们能够方便地增加和改变动画画面以支持用户选择不同的代理。 Adele是基于自治代理范例而不是智能导师系统范例设计的。Adele则为运行于网络而设计的，过渡到基于网络的环境不仅限制了与用户交互的可能模式，也对其执行提出了更高的要求。Adele对注视的眼神和身体姿势的运用，以及它对学生行为的反应能力，使它具有真实性并能感到学习者的存在，而它使用的面部表情则激发了学生的学习动机。 Adele的设计模块化，并能与由其他支持外部程序接口的幕后(off-the-shelf)创作工具所制作的网上训练和虚拟学习相结合。 Adele的陈述方案虽然简单而又通用，却能达到对学生提供可用的反馈的目的。为了使代理的推理引擎能在用户端高速运行，也为了支持知识的掌握和建构，简单原则是必不可少的。目前Adele的任务陈述不仅能支持大范围的科学课程教育，同时也适用于多种技能训练。 引用"情境空间"来建构学科领域的状态空间，以达到在动态的域里指导行为的计划。情境由命名、通用状态(worldstate)、目标表示、优先级和一系列的转换而定义。其中，worldstate和目标表示是状态描述的一部分。优先级用来在适用选择不止一个的情形下进行情境的组织。转换则描述当相关条件在通用状态(world state)为真时可能导致的各种情境。 通常，进入一种情境后，适应该情境的子程序将被作为示例，以达到目标表达式。由于教学领域允许我们事先"知道"所有可能出现的情境，所以没有必要为每一个情境生成实时程序。相反，所有情境的程序都是提前设计的，并把可能出现的负面交互考虑进去。例如，由于新增步骤消除已执行步骤的效果而产生的负面交互，或与为达成另一目标的现存步骤的效果发生冲突产生的负面交互等，因此，Adele的推理引擎要完成的任务是监控情境。 对于Adele的推理引擎来说，总有一个已定义的当前情境，推理引擎监控通用状态(worldstate)的变化，并决定是否向另一情境转化。作为教学状态变化基础的当前程序随着情境变化而变化。 3.关于智能代理技术的讨论 在当前信息社会中，互联网已经成为世界上最大的信息集散地，作为信息服