7. Anwendungen. Übersicht über Anwendungsgebiete Historisch wichtige Anwendungen Ausgewählte aktuelle Anwendungen

Größe: px

Ab Seite anzeigen:

Download "7. Anwendungen. Übersicht über Anwendungsgebiete Historisch wichtige Anwendungen Ausgewählte aktuelle Anwendungen"

Kristian Fischer
vor 7 Jahren
Abrufe

1 7. Anwendungen Übersicht über Anwendungsgebiete Historisch wichtige Anwendungen Ausgewählte aktuelle Anwendungen

2 Überblick über Anwendungsgebiete manufacturing, process control, business process management, human capital management, telecommunication systems, air traffic control, traffic and transportation management information filtering and gathering, electronic commerce, defense, entertainment medical care. human-computer interfaces education bioinformatics F. Klügl Applications of Software-Agents In.: Künstliche Intelligenz, 2(2004), pp.

3 Haupt-Anwendungskategorien Multiagentensysteme für kooperatives Problemlösen und Entscheiden Persönliche Assistenten Multiagentensimulationen

4 Historische Beispiele YAMS (Yet Another Manufacturing System, Parunak, 1987) ARCHON (ARchitecture for Cooperative Heterogenous Online systems), EU-Projekt Paint Shop Scheduling bei General Motors, 1993 OASIS System (Optimal Aircraft Sequencing using Intelligent Scheduling), AAII 1992 Agents that reduce work and information overload, Maes 1994 EOS Projekt, Doran etal 1992

5 YAMS Ausgangsbasis: hierarchische Dekomposition der Fertigung in Working Cells Struktur mit Verknüpfungen zu Vätern, Söhnen und Bruderknoten Jede Zelle besitzt Prozesspläne Prozessdekomposition gegeben Teilschritte, von denen die Zelle nicht weiß, wie sie durchgeführt werden, werden über CNP an bekannte Knoten ausgeschrieben. Lisp-basierte Implementierung Optimalität der Pläne? H. V. D. Parunak Manufacturing Experience with the Contract Net Protocol, In. M. N. Huhns (ed.) Distributed Artificial Intelligence, (= Chapter 10) pp

6 Agentenbasiertes Paint Shop Scheduling R. E. Morley and C. Schelberg An analysis of a plant specific dynamic scheduler. In Proceedings of the NSF Workshop on Dynamic Scheduling, Cocoa Beach, Florida.

7 -Agent: Maxims Aufgaben: Priorisieren, Löschen, Forward, Sortieren und Archivieren von s Memory-based Reasoning :Vorgehensweise: Agent schaut ständig über die Schulter des Benutzers : Bei jeder Aktion speichert Agent Situations-Aktions-Paare Situationsbeschreibung basiert auf features Sender/Empfänger der Nachricht, Cc-Liste, Subject Zeile, Gelesen/nicht gelesen, Reply auf andere Nachricht In neuer Situation, versucht Agent die Aktion des Benutzers auf der Basis der gespeicherten Beispiele vorherzusehen: Agent sucht nach einer Menge von ähnlichen Beispielen Distanzmaß: gewichtete Summe der Ähnlichkeiten der Features Gewichte aus Beispielen durch Korrelationen gelernt z.b. ob Benutzer eine Nachricht liest, ist mit dem Sender korreliert, nicht mit dem Datum P.Maes, 1994, Agents that reduce work and information overload, CACM, 37(7), pp

8 -Agent: Maxims Gleichzeitig wird ein Konfidenzwert für die Vorhersage der Aktion bestimmt. Empfehlen alle ähnlichen Beispiele die selbe Aktion? Wie ähnlich sind die gefundenen Treffer Wie viele Situations-Aktionspaare hat Agent gespeichert Zwei Schwellen des Konfidenzwerts bestimmen Verhalten: do it Schwelle darüber führt Agent autonom Aktion aus und schreibt Report tell me Schwelle darüber macht Agent Vorschläge Benutzer setzt diese Schwellen für jede Aktion selbst Evaluation der Vorhersage über Reaktion/Aktion des Benutzers Kommunikation des internen Zustands über Gesichtsausdrücke.

9 Maxims Gesichtsausdrücke Benutzer sieht sehr schnell, was Agent tut. Absichtlich einfach und cartoon -artig, um unbeabsichtigte Attributierung mit menschen-ähnlicher Intelligenz zu verhindern. Pleased und Confused zeigen die Kompetenz des Agenten (wenn Agent nach jeder Aktion des Menschen pleased aussieht, dann sollte die tell me Schwelle verringert werden.)

10 Weitere Möglichkeiten bei Maxims Explizite Instruktionen Erzeugen einer hypothetischen Situation (mit wildcards für unwichtige features) mit Aktion Kooperation mit anderen Agenten Wenn zu geringe Konfidenz für Aktionsvorschlag (tell me), dann Hilfegesuch an andere Agenten Agent schickt Teile seiner Situationsbeschreibung via Antwort der anderen Agenten: Aktionsempfehlungen mit Konfidenzen Evaluation der Vertrauenswürdigkeit der Agenten Weitere Anwendungen dieser Art von Agent: Meeting Scheduling

11 Aktuelle Anwendungen Agenten im Internet/Kommunikationsunterstützung Produktionsmanagement Supply Chain Management Workflow management: ADEPT Agent-based routing in ad hoc Netzen Aktuelle Testbeds: Trading Agent Competition Robocup Multiagentensimulation Verkehrssimulation der gesamten Schweiz MASSIVE Simulation

12 Verkehrssimulation der Schweiz K. Nagel and B. Raney, Large scale multi-agent simulations for transportation applications, presented at a workshop on Behavioral Responses to ITS, April, Eindhoven NL,

13 Komponenten Populationsgenerierung aus demographischen Daten Aktivitätsgenerierung Erzeugung des Demand, bzw. von Origin-Destination-Matrizen Modus- und Routenwahl Verkehrsmicrosimulation Queueing Simulation Feedback 10% der Fahrer ändern ihre Routenwahl, System wird nochmals simuliert...s

14 Ergebnisse

15 Agentenanwendungen in Deutschland mit 26 Arbeitsgruppen Siemens als traditionell stärkste industrielle Arbeitsgruppe Diverse kleinere Firmen, DFKI Kaiserslautern (J. Siekmann, K. Fischer, M. Klusch), DAILab (S. Aybarak), Forschung: 3 SPPs: Sozionik, Agentenanwendungen, Robocup dabei Ansätze der Entkopplung von der KI. Leider sind deutsche Arbeitsgruppen auf internationalen Konferenzen nicht so gut vertreten, wie andere Länder

16 Multiagentensysteme am Lehrstuhl Info6 Drei Hauptgebiete Multiagentensimulation in verschiedenen Anwendungsszenarien Emergente Koordination Koordination im Krankenhaus

17 Multiagentensimulation Nutzung des Konzepts der Agentensysteme als Grundlage für Simulationsmodelle Ideal für Gesellschaftmodelle, Modelle mit Lokalitäten und Heterogeneitäten Modelle mit Adaption Modelle mit flexibler Interaktion... Vorteile: Agentenkonzept intuitiv, Beobachtungsebene=Modellierebene Nachteile: Aufwand, Komplexität

18 Multiagentensimulation Methodologie und Werkzeug: SeSAm Biologie (Zoologie II, Würzburg) Simulation von emergenten Prozessen bei Ameisen Bienenschwärme und Milbenausbreitung Task Allocation bei Bienen Rekrutierungseffekte Geographie/Verkehrswissenschaften Abstrakte Routenwahlmodelle (UFRGS Porto Alegre) Aktivitätsbasierte Traffic-Demand Modelle (Städtebau Aachen) Einkaufen in Schweden (Geographie, Würzburg) Simulation von Behandlungsprozessen und kooperatives Scheduling in Krankenhäusern Testbed für komplexe Steuersoftware

19 Diskussion Was hat gut/nicht gefallen? Was kann ich verbessern? Ausreichend Beispiele? Vorgehensgeschwindigkeit? Übungen? Seminar: Koordination in Multiagentensystemen

Ähnliche Dokumente

Benutzeragenten und Autonomie. 5. Persönliche Assistenten. Delegation als Interaktionsprinzip. Agenten zur Benutzerunterstützung

Benutzeragenten und Autonomie. 5. Persönliche Assistenten. Delegation als Interaktionsprinzip. Agenten zur Benutzerunterstützung 5. Persönliche Assistenten Softwareagenten zur Unterstützung von Menschen Delegation als Interaktionsprinzip Handeln autonom im Auftrag von Menschen Personalisierung als wichtige Frage Unterteilungen: