هوش مصنوعی توزیع شده

هوش مصنوعی توزیع شده (DAI) روشی برای حل مسائل پیچیده ی یادگیری، برنامه ریزی و تصمیم گیری است. به علت قابلیت موازی سازی ، قادر است از محاسبات بزرگ مقیاس و پخش بودن منابع محاسباتی استفاده کند. این خصوصیات باعث می شود که بتواند مسائلی را که نیاز به پردازش مجموعه داده های بسیار بزرگ دارند را حل کند. سیستم های DAI متشکل از گره های مستقل پردازش یادگیری ( عامل هوشمند ) هستند که اغلب در مقیاس بسیار وسیعی پراکنده شده اند. گره های DAI می توانند به طور مستقل عمل کنند و راه حل های جزئی با ارتباط بین گره ها ، غالباً به صورت غیرهم زمان ، تلفیق می شوند. به علت برتری در مقیاس ، سیستم های DAI پایدار و انعطاف پذیر هستند و بنا به نیاز می توانند با هم کار کنند. به علاوه ، DAI سیستم ها به نحوی بنا شده اند که می توانند با تغییرات در صورت مسئله یا داده های به کار رفته سازگار شوند به علت مقیاس و سختی در راه اندازی دوباره.

در سیستم های DAI لزومی ندارد همه ی داده ها در یک نقطه تجمع یابند، بر خلاف هوش مصنوعی متمرکز که به نود های پردازشی وابسته هستند و نود های آن از لحاظ جغرافیایی به هم نزدیک هستند. به همین خاطر سیستم های DAI معمولا بر روی نمونه ای یا قسمت هایی از دیتاست های بزرگتر عمل می کنند. به علاوه دیتاست اولیه در طول عملیات یک DAI سیستم ممکن است تغییر کند یا به روز شود.

هداف هوش مصنوعی توزیع شده ، حل مشکلات استدلال ، برنامه ریزی ، یادگیری و درک در هوش مصنوعی است، به ویژه اگر به داده های زیادی احتیاج داشته باشند ، با توزیع مسئله در گره های پردازشی مستقل (عوامل). برای رسیدن به هدف ، DAI نیاز به موارد زیر دارد:

• یک سیستم توزیع شده با محاسبات قوی و الاستیک بر روی منابع نه چندان پایدارکه تا حدودی با هم مرتبط اند
• هماهنگی اعمال و ارتباط گره ها
• زیرمجموعه های دیتاست های بزرگ و یادگیری ماشین آنلاین

دلایل زیادی برای تمایل به توزیع اطلاعات یا کار کردن با سیستم های چند عامل وجود دارد. مشکلات اصلی در تحقیقات DAI شامل موارد زیر است:

• حل مسئله موازی: عمدتا به چگونگی اصلاح مفاهیم کلاسیک هوش مصنوعی می پردازد ، بنابراین می توان از سیستم های چند پردازنده ای و مجموعه ای از رایانه ها برای سرعت بخشیدن به محاسبه استفاده کرد.
• حل مسئله توزیع شده (DPS): مفهوم عامل ، موجوداتی مستقل که می توانند با یکدیگر ارتباط برقرار کنند ، به عنوان مفهومی برای توسعه سیستم های DPS ساخته شده است. برای جزییات بیشتر زیر را ببینید.
• شبیه سازی مبتنی بر چند عامل (MABS): شاخه ای از DAI که پایه و اساس شبیه سازی ها را ایجاد می کند ، همانطور که در بسیاری از سناریوهای شبیه سازی اجتماعی وجود دارد ، نه تنها پدیده ها را در سطح کلان بلکه در سطح خرد نیز باید تجزیه و تحلیل کند.

در سال 1975 هوش مصنوعی توزیع شده به عنوان زیرمجموعه ای از هوش مصنوعی ظهور کرد که با تعاملات بین عوامل هوشمند سروکار داشت [2]. سیستم های هوش مصنوعی توزیع شده به عنوان گروهی از موجودات هوشمند ، به نام عامل ها، که با همکاری ، همزیستی یا رقابت تعامل برقرار می کنند تصور می شد. DAI به دو دسته ی سیستم های چند عامله و حل مسئله توزیع شده تقسیم می شود [1]. در سیستم های چند عاملی تمرکز اصلی بر آن است که چگونه عامل ها دانش و فعالیت های خود را هماهنگ می کنند. برای حل مسئله توزیع شده تمرکز اصلی چگونگی تجزیه و و ساخت راه حل هاست.

سیستم های چند عاملی و حل مسئله توزیع شده دو رویکرد اصلی DAI هستند. برنامه ها و ابزارهای بی شماری وجود دارد.

دو نوع DAI پدید آمده است:

• در سیستم های چند عاملی ، عامل ها دانش و فعالیت های خود را هماهنگ می کنند و در مورد فرآیندهای هماهنگی استدلال می کنند. عامل ها موجوداتی فیزیکی یا مجازی هستند که می توانند عملی از خود بروز دهند ، محیط شان را درک کرده و با عوامل دیگر ارتباط برقرار کنند. عامل خودکار است و مهارت هایی برای رسیدن به اهداف دارد. عامل ها با اقدامات خود حالت و وضعیت فعلی محیط خود را تغییر می دهند. تکنیک های مختلفی برای ایجاد هماهنگی وجود دارد [3].
• در حل مسئله توزیع شده ، کار بین گره ها تقسیم می شود و دانش به اشتراک گذاشته می شود. نگرانی های اصلی تجزیه وظیفه و ترکیب دانش و راه حل ها است

DAI می تواند رویکردی از پایین به بالا به AI را اعمال کند ، مشابه معماری subsumption و همچنین رویکرد معمول از بالا به پایین AI. علاوه بر این ، DAI همچنین می تواند ابزاری در بحث پیدایش باشد.

مناطقی که DAI استفاده شده است:

• تجارت الکترونیک ، به عنوان مثال برای استراتژی های معاملاتی ، سیستم DAI از زیرمجموعه هایی از نمونه های بسیار بزرگ داده های مالی ، قوانین تجارت مالی را می آموزد
• شبکه ها ، به عنوان مثال در ارتباطات راه دور ، سیستم DAI منابع مشترک را در یک شبکه WLAN کنترل می کند http://dair.uncc.edu/projects/past-projects/wlan-resource بایگانی‌شده در ۱۲ مه ۲۰۱۵ توسط Wayback Machine
• مسیریابی ، به عنوان مثال مدل کردن جریان وسایل نقلیه در شبکه های حمل و نقل
• برنامه ریزی ، به عنوان مثال زمانبندی روند خرید ، جایی که نهاد مدیریت منابع از بهینگی محلی و هماهنگی برای سازگاری جهانی و محلی اطمینان حاصل می کند
• سیستم های چند عامل ، به عنوان مثال زندگی مصنوعی ، مطالعه زندگی شبیه سازی شده
• سیستم های برق الکتریکی ، به عنوان مثال سیستم چند عاملی مانیتورینگ وضعیت (COMMAS) برای نظارت بر وضعیت ترانسفورماتور و سیستم ترمیم خودکار IntelliTEAM II اعمال شده است [2]

• ECStar ، یک سیستم یادگیری توزیع شده مبتنی بر قاعده

مفهوم عوامل: عوامل را می توان به عنوان موجوداتی مجزا با مرزهای استاندارد و رابط هایی که برای حل مسئله طراحی شده اند ، توصیف کرد.

مفهوم چند عامل: سیستم چند عاملی به عنوان شبکه ای از عوامل تعریف می شود که به طور ضمنی یک موجود واحد را می سازند مانند جامعه که برای حل مسئله کار می کنند که یک عامل به تنهایی نمی تواند آنها را حل کند.

مفهوم کلیدی مورد استفاده در DPS و MABS مفهومی است که عوامل نرم افزاری نامیده می شود. عامل یک موجود مستقل مجازی (یا فیزیکی) است که درکی از محیط اطراف دارد و بر اساس آن عمل می کند. یک عامل معمولاً می تواند برای رسیدن به یک هدف مشترک با یک عامل دیگر در همان سیستم ارتباط همکاری کند که یک عامل به تنهایی نمی تواند به آن برسد. این سیستم ارتباطی از یک زبان ارتباطی بین عاملی استفاده می کند .

یک طبقه بندی مفید ، تقسیم عوامل به موارد زیر است:

• عامل واکنش دهنده - عامل واكنشي چيزي بيشتر از يك اتوماسیون نيست كه ورودي را دريافت ، پردازش كرده و خروجي توليد مي كند.
• عامل تاملی - در مقابل یک عامل تاملی باید از محیط خود یک دید داخلی داشته باشد و بتواند برنامه ریزی های خود را دنبال کند.
• عامل ترکیبی - یک عامل ترکیبی ترکیبی از واکنش پذیر و مشورتی است که از برنامه ریزی های خود پیروی می کند ، اما همچنین گاهی اوقات به طور مستقیم و بدون تامل به حوادث خارجی واکنش نشان می دهد.

معماری های عامل شناخته شده که توصیف می کند که ساختار داخلی یک عامل چگونه است :

• ASMO (ظهور ماژول های توزیع شده)
• BDI (Believe Desire Intention ، معماری کلی که نحوه ساخت نقشه ها را توصیف می کند)
• InterRAP (معماری سه لایه ، با یک لایه واکنش پذیر ، مشورتی و اجتماعی)
• PECS (فیزیک ، احساس ، شناخت ، اجتماعی ، توصیف می کند که چگونه این چهار قسمت بر رفتار عوامل تأثیر می گذارد).
• Soar (یک رویکرد مبتنی بر قانون)

چالش های موجود در هوش مصنوعی توزیع شده عبارتند از:

1 نحوه انجام ارتباط و تعامل بین عوامل و اینکه از کدام زبان یا پروتکل های ارتباطی استفاده می شود.

2 نحوه اطمینان از انسجام عامل ها.

3 چگونه می توان با فرمول بندی ، توصیف ، تجزیه و تخصیص ، نتایج را در گروه "عوامل هوشمند" تشکلیل داد.

• هوش تجمعی
• یادگیری فدرال
• واقعیت شبیه سازی شده
• هوش جمعی

• A. Bond and L. Gasser. Readings in Distributed Artificial Intelligence. Morgan Kaufmann, San Mateo, CA, 1988.
• Brahim Chaib-Draa, Bernard Moulin, René Mandiau, and P Millot. Trends in distributed artificial intelligence.

Artificial Intelligence Review, 6(1):35-66, 1992.

• Nick R Jennings. Coordination techniques for distributed artificial intelligence. Foundations of distributed artificial

• Damien Trentesaux, Philippe Pesin, and Christian Tahon. Distributed artificial intelligence for fms scheduling, control

and design support. Journal of Intelligent Manufacturing, 11(6):573-589, 2000.

• Catterson, V. M., Davidson, E. M., & McArthur, S. D. J. Practical applications of multi-agent systems in electric power systems. European Transactions on Electrical Power, 22(2), 235–252. 2012

• هیویت ، کارل ؛ و جف اینمن (نوامبر / دسامبر 1991). معاملات IEEE بر روی سیستم ها ، انسان و سایبرنتیک "DAI Betwixt and Between: From" Intelligent Agents to Open Systems Science ". دوره: 21 شماره: 6 ، pps. 1409–1419. ISSN 0018-9472
• Shoham, Yoav; Leyton-Brown, Kevin (2009). سیستم های چند عامل: مبانی الگوریتمی ، نظریه بازی و منطقی . نیویورک: انتشارات دانشگاه کمبریج . شابک Shoham, Yoav; Leyton-Brown, Kevin (2009). Shoham, Yoav; Leyton-Brown, Kevin (2009).
• سان ، رون ، (2005). شناخت و تعامل چند عاملی . نیویورک: انتشارات دانشگاه کمبریج.شابک ‎۹۷۸−۰−۵۲۱−۸۳۹۶۴−۸ شابک 978-0-521-83964-8
• Vlassis, Nikos (2007). مقدمه ای مختصر بر سیستم های چند عامل و هوش مصنوعی توزیع شده . سان رافائل ، کالیفرنیا: ناشران مورگان و کلیپول. شابک Vlassis, Nikos (2007). Vlassis, Nikos (2007).
• گریس ، دیوید ؛ ژانگ ، هنگگانگ (آگوست 2012). ارتباطات شناختی: هوش مصنوعی توزیع شده (DAI) ، سیاست تنظیم مقررات و اقتصاد ، پیاده سازی . مطبوعات جان ویلی و پسران.شابک ‎۹۷۸−۱−۱۱۹−۹۵۱۵۰−۶ شابک 978-1-119-95150-6