Der PECS-Agent als Referenzmodell

Transkript

1 als Referenzmodell Ein Referenzmodell kann als Modell für eine Klasse von realen Systemen als Vorlage dienen. Es zeigt die Struktur eines Modells für alle realen Systeme, die eine gemeinsame Tiefenstruktur haben und sich nur durch oberflächliche Eigenschaften unterscheiden. PECS-Agenten sind in diesem Sinn ein Referenzmodell für die Modellierung menschlichen Verhaltens. Die vorgeschlagene Architektur beansprucht, allgemein einsetzbar zu sein. Die Anpassung an individuelle Gegebenheiten ist durch Ausfüllen der in der Architektur vorgesehenen Leerstellen möglich. So kann man z.b. ohne Schwierigkeiten die Anzahl und die Art der Zustandsvariablen, das Aussehen der Überführungsfunktion F und die Ausgestaltung der Ausgabefunktion g modifizieren. In gleicher Weise kann dem Agenten ein vielfältiges Repertoire an Aktionen mitgegeben werden, die angeben, zu welchen äußeren Handlungen der Agent fähig sein soll. Dadurch entstehen ganz unterschiedliche Agenten und Agentengesellschaften, die jedoch alle eine gemeinsame Tiefenstruktur haben und deswegen durch ein und dasselbe Referenzmodell beschrieben werden können. Die nachfolgenden Abschnitte beschreiben das Referenzmodell von PECS. Sie sind im Wesentlichen entnommen. Hier findet man auch eine ausführlichere, weiterreichende Darstellung.

2 1.1 Die Struktur der Agentenwelt Die Agentenwelt des Referenzmodells PECS setzt sich aus den folgenden drei grundlegenden Bestandteilen zusammen: der Komponente Umwelt, der Komponente Connector den Agenten. Bild 1: Die Struktur der Agentenwelt

3 Bild 1 zeigt den grundsätzlichen Aufbau Die Umwelt Die Komponente Umwelt dient der Modellierung externer Gegebenheiten und Einflüsse, die für das Verhalten und Handeln der Agenten von Bedeutung sind. Hierzu zählen auch andere Agenten. Diese Umwelt spiegelt sich im Wissen des Agenten wider. Das Umweltwissen, das ein Agent besitzt und das in dem Modell, das er sich von der Umwelt gemacht hat, repräsentiert ist, kann unvollständig, unsicher und auch fehlerhaft sein. Da die Umwelt in der Regel sehr vielgestaltig ist und sich schwer in ein einheitliches Schema pressen lässt, bietet das PECS-Referenzmodell in dieser Beziehung wenig Unterstützung. Es stellt nur eine Komponente bereit, in der sich die Agenten bewegen können. Die individuelle Ausgestaltung der Umweltkomponente bleibt ausschließlich dem Anwender vorbehalten Der Konnector Kommunikation stellt einen sehr wesentlichen Aspekt in Multiagentensystemen dar. Grundsätzlich muss für alle Agenten die Möglichkeit bestehen, mit allen anderen Agenten kommunikativ in Kontakt zu treten. Zu diesem Zweck wird die Komponente Connector eingeführt, die als zentrale Vermittlungsstelle den Informationsaustausch zwischen den Agenten organisiert. Auch ihre Ausgestaltung bleibt dem Anwender überlassen.

4 1.2 Die Struktur der PECS-Agenten Bild 2 zeigt die Struktur und den inneren Aufbau eines PECS-Agenten. Man erkennt zunächst den grundsätzlichen Aufbau, der sich an der Systemtheorie orientiert und der aus Input, internem Zustand und Output besteht. Die oberste Schicht mit den beiden Komponenten Sensor und Perception entspricht dem Input. Sie sind für die Aufnahme und Vorverarbeitung von Informationen aus der Umwelt zuständig. Die mittleren 4 Komponenten Status, Cognition, Emotion und Physis beinhalten die Zustandsvariablen des Agenten und deren Zustandsänderungen. In der Subkomponente Transitionrules versteckt sich die lokale Überführungsfunktion F, die angibt, in welcher Weise und auf Grund welcher Abhängigkeiten sich die Zustandsvariablen der entsprechenden Klasse verändern. Die unteren zwei Komponenten Behaviour und Actor sind für den Output verantwortlich. Hier findet sich die Ausgabefunktion g wieder. Die Komponente Behaviour legt die Ausführungsanordnungen fest. Sie enthält die Regelbasis, auf Grund deren sozusagen automatisch eine Anweisungsanordnung erteilt wird. Die Ausführungsanordnungen werden an den Aktor weitergegeben, der ihre Ausführung übernimmt. Der Aktor enthält das vollständige Repertoire an Aktionen, zu denen der Agent fähig ist. Diese Aktionen lassen sich in interne und externe Aktionen unterscheiden. Interne Aktionen beziehen sich auf den Agenten selbst. Hierzu gehören z.b. Nachdenken oder Ziel neu festlegen oder Aufmerksamkeit auf einen Punkt der Umwelt richten. Die externen Aktionen wirken auf die Umwelt und auf die ebenfalls zur Umwelt gehörenden anderen Agenten. Externe Aktionen sind z.b. Sich auf das Nachbarfeld bewegen oder Dem Agenten XYZ eine Nachricht zukommen lassen usw. Die Ausführung einer Aktion im Aktor wird als zeitverbrauchender Vorgang modelliert, der durch wichtigere, neu eintreffende Aktionsanordnungen unterbrochen werden kann.

5 Bild 2: Die Struktur eines PECS-Agenten Die schwarzen Pfeile in Bild 2 stellen Wirkpfeile dar und bedeuten kausale Abhängigkeiten. So ist z.b. die Wahrnehmung in der Komponente Perception, die eine Vorverarbeitung der einlaufenden Inputs durchführt, von allen 4 Klassen der internen Zustands-variablen abhängig Als Beispiel kann die selektive Wahrnehmung gelten: Was die Wahrnehmung aus der Menge der über den Sensor aufgenommenen Inputsignalen herausfiltert und was sie in welcher Weise weiterverarbeitet, kann vom körperlichen Zustand, von den derzeitigen Emotionen, vom verfügbaren Welt-wissen und vom sozialen Stand abhängen.

6 Die roten Pfeile in Bild 2 symbolisieren den Fluss von Information. Man kann sich diese Pfeile anschaulich als Pfade für Botschaften vorstellen. So gibt es z.b. einen Pfad von Sensor zu Perception. Hier fließen die rohen Inputdaten zur Komponente Perception, wo sie vorverarbeitet und dann an die Komponente Cognition weitergegeben werden. In gleicher Weise gibt es einen Pfeil von der Komponente Behaviour zur Komponente Actor. Hier werden die Anweisungsanordnungen, die in der Komponente Behaviour entstanden sind, an den Actor übergeben, wo sie dann auf Bearbeitung warten. Der Aktor nimmt diese Ausführungsanordnung auf und sorgt dafür, dass sie richtig ausgeführt wird. An dieser Stelle werden noch einmal beispielhaft die Möglichkeiten des PECS- Referenzmodells deutlich. Die grundsätzliche Architektur ist vorgegeben. Modifizierbar und dem individuellen Problem anpassbar sind die Details. So kann z.b. unschwer in der Komponente Actor an der vorgegebenen Stelle die Liste der dem Agenten zugänglichen Aktionen erweitert werden. In gleicher Weise können in der Komponente Behaviour die Bedingungen ergänzt und vervollständigt werden, die zu einer Aktivierung dieser neu hinzugekommenen Aktion führen.

7 Die Zustandvariablen P Physical conditions E Emotional state C Cognitive capabilities S Social Status

8 Verhaltensweisen Mögliche Verhaltensweisen von Agenten: Reaktives Verhalten Deliberatives Verhalten Reflektives Verhalten

9 Reaktives Verhalten Reaktive Agenten - Verhalten sich basierend auf festen Regeln. - Handeln ohne explizite Denkprozesse. - Besitzen eine Regelbasis: - Besteht aus wenn-dann-regeln -Beispiel: WENN (Agent sieht Nahrung UND interner Zustand = hungrig ) DANN gehe einen Schritt in Richtung der Nahrung

10 Deliberatives Verhalten Deliberative Agenten - Besitzen ein Ziel, das durch die Ausführung der möglichen Handlungen erreicht werden soll. - Können einzelne Aktionen am Umweltmodell durchführen und diese zu Handlungsplänen zusammenfügen, die zum Ziel führen sollen.

11 Reflektives Verhalten Reflektive Agenten - Können eigene Ziele neu bestimmen. - Verfügen über ein Selbstmodell, das über den eigenen internen Zustand Auskunft gibt. - Können ihre eigenen Motive wahrnehmen und versuchen, diese zu regulieren: Das ermöglicht Selbstkontrolle.

12 PECS Die Architektur der Agenten: Die verschiedenen Agenten unterscheiden sich durch ihre interne Struktur und ihren internen Aufbau )

13 Die PECS-Agentenwelt Agent Agent Connector Agent Agent Environment... besteht aus drei Bausteinen: - Der Komponente Environment. - Der Komponente Connector. - Den PECS- Agenten.

14 Die Struktur eines PECS-Agenten Perception Sensor Eingabeschicht Social Status Cognition Emotion Physis Z F Z F Z F Z F Interne Schicht Behaviour Actor Ausgabeschicht Z: Zustand F: Zustandsübergangsfunktion Kausale Abhängigkeiten Informationsfluss

15 Die Komponente Sensor Social Status Perception Cognition Emotion Physis Sensor - Aufnahme aller sensorischen Eingaben der Komponenten: - Environment - Connector Z F Z F Z F Z F Behaviour Actor

16 Die Komponente Perception Perception Sensor - Vorverarbeitung der sensorischen Eingaben Social Status Cognition Emotion Physis - Mechanismen zum Filtern von Information Z F Z F Z F Z F - Wahrnehmungsprozesse Behaviour Actor

17 Die interne Schicht Social Status Perception Cognition Emotion Physis Sensor - Allgemein: Interne Schicht - Beschreibung des inneren Zustands des Agenten - Zustandsvariablen - Zustandsübergangsfunktionen Z F Z F Z F Z F Behaviour Actor - Speziell: Cognition - Wissensbasis - Deliberatives Verhalten - Reflektives Verhalten

18 Die Komponente Behaviour Perception Sensor Social Status Cognition Emotion Physis Z F Z F Z F Z F - Koordination der Verhaltensformen: - Reaktiv - Deliberativ - Reflektiv - Weiterleitung von Ausführungsanordnungen an den Actor Behaviour Actor

19 Die Komponente Actor Perception Sensor - Empfang von Ausführungsanordnungen Social Status Cognition Emotion Physis - Ausführung der Aktionen Z F Z F Z F Z F Behaviour Actor - Unterscheidung: - externe Aktionen - interne Aktionen

20 Die Komponente Cognition Cognition - Falls komplexere kognitive Kapazitäten erfordert werden: Reflection Z F - Unterteilt in folgende Subkomponenten: Social Status Self Model Environment Model Protocol Memory Planning Z F Z F Z F Z F Emotion Physis - Reflection - SelfModel - EnvironmentModel - ProtocolMemory - Planning Z: Zustand F: Zustandsübergangsfunktion Kausale Abhängigkeiten Reflektiver Informationsfluss Deliberativer Informationsfluss

21 Denkende Computer Grenzen der KI Grundlegende Frage Können Maschinen denken???

22 Denkende Computer Grenzen der KI Können Maschinen denken? Schwache KI Menschenähnlich Starke KI Menschlich Tests und Experimente Turing Test Chinesischer Raum

23 Einführung Können Maschinen denken?

24 KI in Zukunft Formen und Möglichkeiten Künstliche Intelligenz: Gegenwart und Zukunft Was haben wir für Formen der künstlichen Intelligenz? Was ist bislang möglich? Computerspiele logische Schlussfolgerungen Planung medizinische Diagnostik

25 KI in Zukunft Formen und Möglichkeiten Künstliche Intelligenz: Gegenwart und Zukunft Wie sieht die Zukunft aus?