Onderzoek en toepassingen in de jaren ’80 – ’90
Kennissystemen Ontwikkeling van intelligente systemen met een krachtig probleemoplossingsvermogen op experten-niveau (knowledge engineering)
Overview
Kennis-gebaseerde systemen Uitgangspunten Benadering Resultaten Intelligente software agents Context VUB Agent projecten (illustratie COMRIS project) Agents: wordt vervolgd…
Uitgangspunten (’70-’80)
Intelligentie in systemen ontstaat door
Observeren menselijk probleemoplossingsgedrag Vertalen naar heuristieken en beslisbomen Generieke redeneercomponent Specifieke taak en probleemdomein (bv. Diagnose auto’s)
IF (Car does not Start) AND (Lights do not work) THEN Battery is empty and needs to be replaced
Uitdagingen
Meer sturing tijdens de kennis-acquisitie Robustheid van de probleemoplossingscompetentie; Aanpasbaarheid / onderhoudbaarheid
Eerste generatie : regel-gebaseerde redeneersystemen Tweede generatie : model-gebaseerde redeneersystemen
The Knowledge Level Approach Knowledge Level Model Knowledge acquisition
1
Observable expert problem solving behavior
2
Conceptual System Model Structurepreserving design
3
Aposteriori analyse
1 Knowledge Level Models WH AT
Task Model
HOW
Problem-Solving Models
USI NG
Domain Models
1 Knowledge Level Modelling
Vraagstelling
Beschrijvend en voorspellend vermogen Herbruikbaarheid van modelleringservaring
Resultaten
Component of Expertise & CommonKADS Empirische modellen voor
Diagnose van processorkaarten System 12 (Alcatel) Scheduling van treinschema’s (NMBS)
Referentie (interpretatie) modellen
2 Structure-Preserving Design Vraagstelling
Hoe beschrijvend expertise model transformeren naar een software applicatie model? Haalbaarheid om taak-methode-domein structuur te handhaven?
Resultaten
Notie van task features t.b.v. transformatie regels CML en KREST (van modellen naar uitvoerbare code)
3 Operationele Kennissystemen Vraagstelling
Probleemoplossingsvermogen Industrialiseerbaarheid Onderhoudbaarheid
Resultaten
Evolutie in applicatie architecturen Diverse industriële toepassingen
TroTelC (diagnose van processorkaarten) Scheduling treinschema’s Verkoopsondersteunend offerte systeem Afhandeling schadeclaims Brand Evaluatie krediettoekenning ...
Application Architectures Domain editor
Expert knowledge
Task-specific domain-independent knowledge modelling tool
Edit Run
maintenance end-user application Domain knowledge
Customer requirements
Tender Task-specific reasoning component
Conclusie
Systematisch onderzoek aan VUB AI-Lab (’80-’90) heeft geleid tot
Raamwerk voor expliciete kennis modellen Ontwikkelomgevingen voor kennissystemen Industriële toepassingen
Alternatieve aanpak voor de ontwikkeling van intelligentie systemen (agents-based)
Overview
Kennis-gebasseerde systemen Uitgangspunten Benadering Resultaten Intelligente software agents Context VUB Agent projecten (illustratie COMRIS project) Agents: wordt vervolgd…
Intelligent Agents
Goal of AI: to build agents that exhibit aspects of intelligent behaviour
Agent Theory Agent Architectures Agent Languages
Cfr. Wooldridge and Jennings, 1994
Symbolics vs. Dynamics paradigm
Symbolic AI (deliberate agent) 1976):
Representation of the world (vision, speech, learning,…) Reasoning mechanisms (KR, reasoning, planning,…)
Subsumption architecture
(Newell and Simon,
(Brooks, 1985; Steels, 1989):
Situatedness, embodiment Emergence (interaction with environment)
Intelligent software Agents
Key agent properties:
Action, perception Interaction Autonomy (Maes, ’90) Adaptivity, learning
(Vandevelde, ’88)
Key architecture properties:
Scalability Interoperability
VUB arti agent-based projects
VIM: Virtual multicomputer for symbolic applications (1994-1997) Magica: Multimedia Agent-based Interactive Catalogues (1996-1998) Geomed: Geographical mediation systems (1996-1998) COMRIS Cohabited Mixed-reality Information Spaces (1998-2000)
COMRIS Co-habited mixed reality Virtual space supports physical space:
Interaction: Competition for attention
Interest topology vs. Distance topology Sensing (context perception) and action (information push) Relevance, competence, performance Interest, context
Autonomy: interest based navigation
Comris
co-habited mixed reality information spaces information layer physical space
virtual space PRA
interest based navigation PA
information push interest based navigation
competition for attention
context sensing
Agent infrastructure • Each agent has a secretary which handles its communication with peers • Secretaries join group interest groups to increase scalability – Subspace: many-to-many – Publish Group: one-to-many
• Pooling secretaries in a process increases per machine scalability • Direct connections remove bottle necks
Wearable device: parrot
Copyright Starlab nv
Comris demo
3
I Conference, Jönköping (Sw), 2000
Agents continued…
Industrial take-up: autonomy, proactivity e.g.
Filtering agents: Amazon, eBay… Monitoring agents: software updates
Challenges for the future: open systems
Technical interoperability : see EU FP6: Agentlink Roadmap Semantic interoperability : sharing information in an information-rich, universal web (see Knowledge Web, EU FP6 )
