Buts de la présentation Agents et Systèmes Multiagents: Thèmes, Approches et Défis

Transcription

1 Cours ASMA A2001 Buts de la présentation et Systèmes Multiagents: Thèmes, Approches et Défis Donner un aperçu général sur l évolution rapide de la technologie agent Présenter les défis et les bénéfices potentiels de la recherche «agent» Brahim Chaib-draa Département D informatique Université Laval Ste-Foy Plan de Présentation placer les agents dans le contexte présenter une topologie des agents (BT), en donnant pour chaque type d agent : - Raison d'être, hypothèses, buts, - défis, état de l art - exemples Logiciels: Historique La recherche sur les agents date du début de l IA Carl Hewitt s actor model (1977) a self-contained, interactive and concurrently-executing object, with some encapsulated internal state and which could respond to messages from other similar objects 1

2 Historique (suite) Contexte de la recherche sur les agents Motivations pour la recherche sur les agents Au départ, et du point de vue IA distribuée modularité pour réduire la complexité IA distribuée vitesse due au parallélisme Résolution distribuée de pbs et Systèmes Multi-agent IA Parallèle fiabilité due à la redondance flexibilité nouvelles tâches peuvent être gérées plus facilement grâce à la modularité Motivations (suite) Applications Du point de vue IA intégration au niveau de la recherche apport au langage naturel applications proches de la réalité richesse du point de vue recherche gestion des workflows gestion des réseaux contrôle de trafic aérien gestion des affaires smart databases commande et contrôle éducation trafic routier bibliothèques digitales personal digital assistants (PDA) gestion des rendezvous filtrage du gestion de l information data mining Commerce électronique 2

3 Applications des agents (suite) in 10 years time most new IT development will be affected, and many consumer products will contain embedded agent-based systems (Guilfoyle 1995) Qu est ce qu un agent? A component of software and/or hardware which is capable of acting exactingly in order to accomplish tasks on behalf of its user (plusieurs chercheurs) Un chapeau qui couvre une panoplie d agents spécifiques Ne nécessitent pas des Capables d agir seuls instructions Proactifs Attributs primaires Autonomie Partagent tâches et informations avec les autres Coopératifs Améliorent leur expertise (t) Apprenants Coopération Logiciels (BT) Apprentissage 3

4 Smart Topologie partielle des agents (BT) Collaborative Cooperate Autonomous Learn Collaborative Learning Interface Topologie partielle (BT) Autonomous Software Systems Cooperate Learn Smart Collaborative Interface Autres classes d agents (BT) Attributs secondaires (BT) hybrid agents heterogeneous agent systems combine two or or more agent philosophies in in a single agent e.g. deliberative and reactive philosophies an an integrated multi-agent set-up, with agents belonging to to two or or more different agent classes may also contain hybrid agents Attribute versatility benevolence veracity persistence emotional attitudes mental attitudes does the agent have many goals or can it engage in a variety of tasks? is the agent benevolent or non-helpful, antagonistic or altruistic? does the agent lie knowingly or is it always truthful? is the agent temporally continuous? e.g. does the agent get fed up being asked to do the same thing time and time again? does the agent have mentalistic attitudes such as beliefs, desires and intentions? 4

5 Topologie des agents Collaboratifs Mobiles Réactifs Systèmes d'agents Hétérogènes Chart Title Logiciels d'interface d'information Hybrides Smarts collaboratifs Mettent l accent sur l autonomie et la coopération entre agents Ils opèrent presque tout le temps dans des environnements multiagents ouverts et contraints par le temps Ils négocient avec les autres agents en vue d atteindre des ententes lors de la résolution distribuée de problèmes Capacités limitées en apprentissage collaboratifs: raison d être to create a system that interconnects separately developed collaborative agents, thus enabling the ensemble to function beyond the capabilities of any of its members (Huhns & Singh 1994) Raisons d être (suite) Résoudre des problèmes qui sont trop grands ou trop complexes pour un seul agent Permettre l interconnectivité et l interopérabilité des legacy systems Résoudre des problèmes «naturellement» distribués 5

6 Simulation avec InteRRAP Simuler = copier la réalité L architecture InteRRAP Prédire le comportement d un système complexe Simuler avec des agents, pourquoi? INTERRAP Réactivité Action Planification Coopération Perception Niveau architectural Interaction entre entités autonomes Distribution : connaissances, contrôle Complexité MAGSY Méchanismes d Interface Simulation Formalisme de Niveau de représentation des développement connaissances Méthodes qualitatives Architecture d un agent d InteRRAP Modèle social Modèle mental Modèle du monde Perception SG SG SG PS PS PS Action Couche de planification coopérative Couche de planification locale Couche comportementale Interface avec le monde MAGSY Le niveau de développement Représentation orientée objet des connaissances Inférence : Chaînage avant pour l activation des conditions dans BBL Chaînage arrière pour la planification Simulation : Création d agents Visualisation et contrôle Expérimentations et tests 6

7 MARS: le domaine d application Coopération verticale: Extended Contract Net Protocol Agence de transport 1 Agence de transport 2 Compagnie de transport Camion Réception d une commande Réception d une commande Compagnie 1 Commandes Camions Commandes Camions Compagnie 2 Temporal grant Annonce d un ordre La commande est satisfaite? Temporal reject Recevoir et comparer les propositions Modifier le plan Calcul et envoi d une proposition Réponse Definitve grant Definitve reject Restaurer le plan Envoi de la proposition et attente de la réponse du client Definitve grant Definitve reject Temporal grant Copier / modifier le plan Temporal reject Effacer la proposition Coopération horizontale Annonce de la capacité Traitement local : Coopération verticale Proposition Contre-offre... Réception d une commande Traitement de la commande Local : Proposer aux autres Coopération compagnies verticale Enchères Le commerce simulé Vend commande 3 compagnie Vend commande 1 Vend commande 2 Vend commande 4 Compagnie 1 Accord ou rejet Compagnie 2 7

8 L environnement de simulation Résultats de la simulation Générateur Statistique de trafic routier Simulateur du Monde Travel Information Service ECNP desordonné ECNP Ordonné ST désordonné ST Ordonné Société des Compagnie agents 1 Compagnie Architecture SRK L architecture SRK Architecture basée sur trois niveaux Base de Données Situation non familière Prise de décisions But ou tâche choisi Skill Rules Knowledge Entrées prédites Mise à jour Perception Reconnaissance de la situation Situation familière Situation reconnue en terme d actions Réflexe Planification Actions Exécution Environnement 8

9 Utilisation de l architecture SRK Simulation et modélisation du trafic routier Application au contrôle-commande Prise de décisions distribuées Interfaces personnes-machines The Pleiades System (Sycara 1995) Des agents collaboratifs participent à la prise de décision à travers l infosphère Le système est utilisé pour développer le CMU s Visitor Hosting System agents qui coopèrent afin de créer et gérer l'horaire d un visiteur à CMU MIS Le projet ADEPT de BT Language of Negotiation Language of Information Transfer Design Team Le consortium d'adept Funding : DTI (ISIP), EPSRC, BT, ICI Consortium - BT Laboratories - ICI Engineering Technology - Loughborough University of Technology - Queen Mary & Westfield College Legal Department Sales Team 3 Year Project Total effort = 33 man-years 9

10 Les agents collaboratifs : Défis À Utiliser + dans les applications industriels Vue partielle de la topologie agent À construire selon les méthodes issues du «génie» voire du génie logiciel Pousser encore plus loin la coordination, la communication et la négociation Cooperate Learn Collaborative Learning S intéresser à la stabilité, à la scalabilité et aux problèmes de performance Introduire davantage d apprentissage Trouver les «bonnes» méthodes d évaluation Smart Collaborative Autonomous Interface interfaces interface = secrétaire Ils mettent l accent sur l autonomie et l apprentissage en vue d'exécuter des tâches pour les utilisateurs Ils fournissent une assistance proactive à l utilisateur pour une application précise C est un assistant personnel qui collabore avec l utilisateur (un genre de secrétaire) Leurs interactions avec les autres agents sont en général limitées 10

11 interfaces : raisons d être Moins de travail pour l utilisateur et le développeur L agent peut s'adapter, à travers le temps, aux habitudes de l utilisateur et à ses préférences Peuvent aider plusieurs utilisateurs à se partager leur savoir-faire Comment ces agents fonctionnent User Interacts with User feedback & programming by by example Application Observes & imitates Interacts with User's Other Asking interface : marché? simples mais utiles Opèrent dans des domaines limités Nécessitent peu ou pas de coopération avec les autres agents interfaces: Défis Mener des expérimentations en vue de déterminer quelles sont les techniques d apprentissage qui sont préférables, pour quels domaines, et pourquoi Garantir la «vie privée» des utilisateurs Étendre si possible le champ d application 11

12 Mobiles pour l Internet Pièces logicielles qui peuvent : migrer d une machine à une autre interagir avec différentes machines exécuter des tâches pour les utilisateurs retourner à leur point de départ L explosion du Web nécessite des outils performants pour rechercher, filtrer, extraire, etc. les informations dont on a besoin La solution passe par une architecture multiagent (avec des agents collaboratifs): NetSA en est une Architecture NetSA HTTP pour l internet : Défis Superviseur Utilisateur Intermédiaire Unité de avec l Utilisateur Unité de Traitement de l Information Sécurité Intégration de la planification de l apprentissage et du data-mining Base de Données SQL Ressource Ressource Unité d intérogation et d extraction de l information HTTP HTML 12

13 réactifs Ils ne possèdent pas une modélisation symbolique interne de leur environnement Ils répondent par une réponse précompilée à tout état de l'environnent Réactifs: raisons d être Robustesse et tolérance aux fautes Flexibilité Adaptabilité Rapides temps de réponses Il se basent sur l idée d'émergence hybrides Un agent hybride: InteRRAP Ils combinent deux ou plusieurs philosophies InteRRAP combine délibératif et le réactif SRK combine Skill, Rules et Knowledge Modèle social Modèle mental SG SG PS PS Couche de planification coopérative Couche de planification locale Ils couvrent les différentes facettes qu on trouve habituellement aux niveaux des applications Modèle du monde Perception SG PS Action Couche comportementale Interface avec le monde 13

14 Systèmes multiagents hétérogènes Architecture NetSA HTTP Un exemple de ce type de système est donné par l architecture NetSA (Networked Software ) Superviseur Utilisateur Intermédiaire Unité de avec l Utilisateur Unité de Traitement de l Information Base de Données SQL Ressource Ressource Unité d intérogation et d extraction de l information HTTP HTML Systèmes multiagents hétérogènes : Raisons d être Les systèmes ouverts (ex: l Internet) Systèmes multiagents hétérogènes: Défis Interopérabilité Ontologies Liens avec les legacy systems Liens avec les legacy systems 14

15 Aspects théoriques Logique BDI Les théories de jeu Les théories issues des sciences économiques Les aspects linguistiques pour les communications Conclusions 15