Többügynökös rendszerek

Ez a lecke a Microsoft nyílt forráskódú "AI kezdőknek" (AI For Beginners) tananyagának magyar adaptációja. Az intelligencia elérésének egyik lehetséges útja az úgynevezett emergens, vagy más néven szinergikus megközelítés, amely azon az elven alapul, hogy sok viszonylag egyszerű ügynök együttes viselkedéséből a rendszer egészének sokkal összetettebb, intelligensebbnek tűnő viselkedése alakulhat ki. Ez elméletileg a kollektív intelligencia, az emergentizmus és az evolúciós kibernetika elveire épül, amelyek szerint az alacsonyabb szintű rendszerekből megfelelően összeállított magasabb szintű rendszerek valamiféle hozzáadott értékre tesznek szert.

A többügynökös rendszerek iránya az AI-ban az 1990-es években jelent meg, az internet és az elosztott rendszerek terjedésére válaszul. A megközelítés középpontjában az ügynök fogalma áll, amely egy olyan entitás, amely egy adott környezetben él, azt érzékeli, és cselekvéssel hat rá. Ez rendkívül tág meghatározás, és az ügynököket sokféleképpen csoportosíthatjuk. Gondolkodási képességük szerint léteznek reaktív ügynökök, amelyek egyszerű inger-válasz jellegű viselkedést mutatnak, valamint deliberatív ügynökök, amelyek valamilyen logikai következtetést vagy tervezést is végeznek. A kódfuttatás helye szerint megkülönböztetünk statikus ügynököket, amelyek egy adott hálózati csomóponton dolgoznak, és mobil ügynököket, amelyek a kódjukat is át tudják vinni más csomópontokra. Viselkedésük alapján pedig beszélhetünk passzív ügynökökről, amelyeknek nincs saját céljuk, aktív ügynökökről, amelyek célokat követnek, és kognitív ügynökökről, amelyek komplex tervezésre és következtetésre is képesek.

Hol találkozunk velük a gyakorlatban

A többügynökös rendszereket ma számos területen alkalmazzák. Videojátékokban a nem játszható karakterek jelentős része valamilyen AI-t használ, és tekinthető intelligens ügynöknek. A videógyártásban komplex, tömeget ábrázoló háromdimenziós jelenetek renderelése jellemzően többügynökös szimulációval történik. Rendszermodellezésben a többügynökös megközelítést komplex modellek viselkedésének szimulálására használják, ezt a módszert alkalmazták például a Covid19 világméretű terjedésének előrejelzésére, és hasonló módon lehet modellezni egy város forgalmát is, hogy lássuk, hogyan reagál a forgalmi szabályok változására. Komplex automatizált rendszerekben minden eszköz önálló ügynökként viselkedhet, ami az egész rendszert kevésbé monolitikussá és robusztusabbá teszi.

Rajzás és a NetLogo szemléltető eszköz

A többügynökös modellezés szemléltetésére kiváló eszköz a NetLogo, amely a Logo programozási nyelv egy módosított változatára épül. Ebben a környezetben úgynevezett teknősöket irányíthatunk, amelyek mozognak, és nyomot hagynak maguk után, így akár komplex geometriai alakzatokat is létrehozhatunk, ami nagyon szemléletes módja az ügynökviselkedés megértésének. A NetLogo modellkönyvtára rengeteg kész modellt tartalmaz, ezek közül az egyik legszemléletesebb a rajzás, más néven flocking viselkedés, amely nagyon hasonlít a madárrajok repüléséhez.

Ennek a komplex mintázatnak a lényege, hogy minden egyes ügynök, jelen esetben egy madár, csak a hozzá közel eső néhány másik ügynököt figyeli, és három egyszerű szabályt követ. Az igazodás azt jelenti, hogy a szomszédos ügynökök átlagos irányába fordul. A kohézió azt jelenti, hogy a szomszédok átlagos pozíciója felé igyekszik mozogni, ez egyfajta nagy hatótávolságú vonzás. A szeparáció pedig azt jelenti, hogy amikor túl közel kerül a többiekhez, megpróbál eltávolodni tőlük, ez egy rövid hatótávolságú taszítás. Ha a látótávolságot nullára csökkentjük, a madarak megvakulnak, és a rajzás megszűnik, ha pedig a szeparációt vesszük nullára, a madarak egyetlen egyenes vonalba rendeződnek. A NetLogo könyvtárában további látványos modellek is elérhetők, például a tűzijáték szimulációja, amely az egyéni tűzcsóvák együttes viselkedéseként mutatja be a jelenséget, vagy a városi forgalom modelljei, ahol minden autó egyszerű gyorsítási és fékezési szabályokat követ.

Deliberatív ügynökök és a kommunikáció kérdése

A rajzási példákban szereplő ügynökök nagyon egyszerűek, csak a környezet változásaira reagálnak, ezért reaktív ügynököknek nevezzük őket. Vannak azonban olyan ügynökök is, amelyek képesek tervezni és következtetni, ezeket deliberatív ügynököknek hívjuk. Tipikus példa erre egy személyi asszisztens ügynök, amely megbízást kap egy nyaralás megszervezésére. Ehhez kapcsolatba kell lépnie más ügynökökkel, meg kell néznie, milyen repülőjegyek és szállásárak érhetők el, és a lehető legjobb ajánlatot kell megtárgyalnia, majd a tulajdonos jóváhagyása után lefoglalnia az utat.

Az ilyen jellegű együttműködéshez az ügynököknek kommunikálniuk kell egymással. Ehhez szükség van közös, szabványos nyelvre a tudás cseréjéhez, valamint tárgyalási protokollokra, amelyek különböző aukciótípusokon alapulhatnak. Emellett szükség van egy közös ontológiára is, hogy az ügynökök ugyanazokra a fogalmakra ugyanazt értsék, és egy módra, amellyel felfedezhetik, mire képesek a többi ügynök. A deliberatív ügynökök felépítésének egyik elterjedt modellje az úgynevezett hit-vágy-szándék architektúra. A hitek az ügynök tudását alkotják a környezetéről, ez lehet egy tudásbázis vagy szabályrendszer. A vágyak az ügynök céljait fejezik ki, például a személyi asszisztens célja egy utazás lefoglalása, egy szállodai ügynök célja pedig a profit maximalizálása lehet. A szándékok azok a konkrét cselekvések, amelyeket az ügynök a céljai elérése érdekében tervez végrehajtani, ezek jellemzően megváltoztatják a környezetet, és kommunikációt indítanak el más ügynökökkel.

Miért érdemes ismerni ezt a megközelítést

A többügynökös rendszerek nagyon eltérő formákat ölthetnek, és rendkívül sokféle alkalmazási területen bukkannak fel. Közös bennük, hogy az egyes ügynökök viselkedését szándékosan egyszerűen tartják, a rendszer egészének komplexebb viselkedése pedig az együttműködésükből, az úgynevezett szinergikus hatásból fakad. Ez a szemlélet ma egyre fontosabb az AI ügynökök világában is, amikor több önálló, egymással kommunikáló AI ügynök dolgozik együtt egy összetett feladat megoldásán, ahelyett hogy egyetlen monolitikus rendszer próbálná meg mindent egymaga elvégezni.