Агенты в системах дистанционного обучения

Введение 

Искусство управления знаниями является необходимой  составляющей конкурентоспособности  и развития общества в современных  условиях глобализации, тесно связанных  с высокотехнологичным производством  и передовым менеджментом, передачей  знаний и развитием телекоммуникационных и информационных технологий.

Растущие  требования к повышению интерактивности  в автоматизированных системах поддержки  учебного процесса приводят к тому, что на первое место выходят такие  характеристики как информативность  и коммуникативность. Административная часть таких систем также не может оставаться статичным дополнением к базам данных. Для нее тоже необходимы персонифицированные интеллектуальные интерфейсы, электронный обмен данными, сценарии исполнения рутинных дел, интеллектуальная поддержка принятия решений, а также новые эффективные процедуры поиска, создания отчетов и анализа тенденций развития учебного заведения. В последнее время такие компьютерные системы начали называть системами поддержки дистанционного обучения [Бизнес образование, 2002; Глибовець М.М., 2000].

Дистанционное обучение прошло стремительный путь развития. В восьмидесятые годы оно  перешло в асинхронный режим  обучения с использованием компьютера (computer-aided learning, computer-mediated learning), начали развиваться новейшие формы обучения, такие как электронное обучение (e-learning) и непрерывное обучение (life-long learning) [Глибовець М.М., 2000; Дмитренко П.В., Пасичник Ю.А., 1999; URL 1]. На данном этапе, традиционным стало использование интерактивных веб-сайтов. Разработку мультимедийных систем и баз данных, соединенных гиперлинками, доступных через универсальные веб-браузеры, принято считать основой асинхронного дистанционного обучения. Современные информационные сетевые технологии дают возможность не просто перевести учебный процесс в цифровой режим, или заменить учебную аудиторию, преподавателя и учебник компьютером - они позволяют изменить философию учебного процесса, создать новую образовательную культуру [Фурда А.Б., Катерняк И.Б., 2000]. Дистанционное обучение перешло от традиционной системы передачи знаний, построенной вокруг преподавателя, к виртуальной учебной среде и учебному сообществу, ориентированных на студента.

В последние  годы сделан еще один шаг к улучшению  систем компьютерной поддержки дистанционного обучения (КСПДО) – реализовано множество моделей дистанционного обучения с учетом новейших тенденций создания распределенных систем и использования агентных технологий [Фурда А.Б., Катерняк И.Б., 2000; Глибовец Н.Н., 2002]. Последние придают этим системам признаки онтологических систем и переводят пользователей этих систем из ранга пассивного получателя знаний в активных участников процесса обучения. Этот уровень достигается за счет использования таких нестандартных свойств агентов, как: реактивность - агенты реагируют на изменения среды в реальном времени (обычная их деятельность описывается таким образом “WHEN event ІF condіtіon THEN actіon”); проактивность - способность решать задачи и достигать цели (агенты не только реагируют на изменения среды, но и сами ее опрашивают); способность существовать в постоянно активном состоянии, точнее, иметь собственный поток управления; гибкость - действия агентов не фиксированы жестко; интеллектуальность (способность обучаться) – умение находить новые решения; агенты могут изменять свое поведение, используя как свой опыт, так и опыт других агентов. Становится достаточно ощутимой свобода действий такого программного комплекса и даже некоторое “сознание”. Учитывая, что одной из базовых идей агентной технологии является исполнение задач (администрирования, поиска данных и т.п.) непосредственно на локальной машине, это снижает до минимума взаимодействие между администратором и узлами системы, а также минимизирует трафик

Понятно, что дальнейший прогресс компьютерных систем поддержки дистанционного обучения состоит в оптимизации сетевой структуры логического взаимодействия субъектов и объектов образовательного процесса, что отображает гибкую по логическим связям и информационному наполнению образовательную среду [URL 2].

В данной работе разрабатывается концепция  адаптивного использования интерактивных  средств программной поддержки  систем дистанционного обучения на принципах  построения онтологических систем и  эволюционной адаптации агентной технологии в рамках построения проекта дистанционного обучения.

1. Классификация  агентных систем 

Отличительной особенностью современных мультиагентных систем является переход от локализованного  к распределенному типу. Общепринятого  определения «агента» еще не существует, а наиболее признанным является определение агента как программной системы, которая имеет следующие особенности [Тарасов В.Б., 1998; Глибовец Н.Н., 2002]: автономность, взаимодействие, мобильность, реактивность, активность, индивидуальность видения «мира», коммуникабельность и кооперативность, интеллектуальность поведения. Каждый агент – это процесс, который владеет достаточной частью знаний про объект и возможностью обмениваться этими знаниями с другими агентами. С точки зрения объектно-ориентированного подхода агент можно рассматривать как комплекс функций в совокупности с интерфейсом, который способен посылать ответы и получать вопросы. Также можно определить агента как компьютерную программу, которая исполняется асинхронно в соответствии с поведением, заложенным в нее конкретной личностью или организацией. На сегодня существует два основных типа агентов: стационарные и мобильные [Тарасов В.Б., 1998; Гороховский С.С., 1998].

Мобильные агенты способны: преследовать определенную цель, общаться с другими агентами, накапливать и использовать собственные ресурсы и опыт; воспринимать среду и ее части, строить частичное представление среды; адаптироваться, самоорганизовываться, саморегулироваться и саморазвиваться.

Технология  мобильных агентов достаточно нова, поэтому системы программирования мобильных агентов существенно разнятся по архитектуре и реализации. Эти расхождения становятся преградой интероперабельности и быстрому внедрению систем мобильных агентов.

На данный момент имеем большое разнообразие специального программного инструментария разработки агентных систем [Гороховский С.С., 1998; Терри Кватрани, 2001; URL 3]. Среди них можно выделить JADE (Java Agent Development Environment).

Основой архитектуры агента является контекст, или серверная среда, в котором он исполняется. Один и тот же сервер может поддерживать несколько контекстов, каждый из которых имеет собственный набор защитных ограничений. Каждый агент имеет постоянный идентификатор – имя. Агенты могут работать совместно или обмениваться информацией в агентных системах, местах и регионах, отправляя и получая сообщения.

Для передачи сообщений между агентами или  между агентом и пользователем  существуют посредники. Они скрывают местонахождение агента для упреждения доступа к его коду.

В серверной  среде может исполняться не только исходный агент, но и его копия. Агенты способны самостоятельно создавать свои копии, рассылая их по разнообразным серверам для исполнения работы.

По прибытии агента на следующий сервер его код  и данные переносятся в новый  контекст и стираются на предыдущем местонахождении. В новом контексте агент может делать все, что там не запрещено.

По окончании  работы в контексте агент может  переслать себя в другой контекст или по исходящему адресу отправителя. Кроме того, агенту можно приказать оставаться в одном и том же контексте столько, сколько пожелает пользователь. Агенты способны также выключаться («умирать») сами или по команде сервера, который переносит их после этого из контекста в место, предназначенное для хранения. После включения агент автоматически переносится в контекст, где он работал в последний раз. Уничтожение агента прекращает его исполнение и исключает его из текущего контекста.

Стоит отметить, что сейчас не существует языка программирования или инструментальной системы разработки, которая бы полностью отвечала нуждам построения агентов. Такая система должна была бы отвечать таким требованиям: обеспечение перенесения кода на разнообразные платформы, доступность на многих платформах, поддержка сетевого взаимодействия, многопоточная обработка и другие [Тарасов В.Б., 1998].

Чаще  всего в агентных технологиях  используются: универсальные языки  программирования (Java); языки, “ориентированные на знания”, такие, как языки представления  знаний (KIF); языки переговоров и  обмена знаниями (KQML, AgentSpeak, April), языки спецификаций агентов; специализированные языки программирования агентов (TeleScript); языки сценариев и scripting languages (Tcl/Tk); символьные языки и языки логического программирования (Oz).

Одна  из главнейших особенностей агента – это интеллектуальность. Интеллектуальный агент владеет определенными знаниями о себе и об окружающей среде, и на основе этих знаний он способен определять свое поведение. Интеллектуальные агенты являются основной сферой интересов агентной технологии. Важна также среда существования агента: это может быть как реальный мир, так и виртуальный, что становится важным в связи с широким распространением сети Internet. От агентов требуют способность к обучению и даже самообучению.

Способность планировать свои действия делит агентов на регулирующие и планирующие [Смирнов А.В., Шереметов Л.Б., 1998]. Если умение планировать не предусмотрено (регулирующий тип), то агент будет постоянно переоценивать ситуацию и возобновлять свое воздействие на окружающую среду. Планирующий агент имеет возможность запланировать несколько действий на разные промежутки времени. При этом агент имеет возможность моделировать развитие ситуации, что дает возможность более адекватно реагировать на текущие ситуации. При этом агент должен принимать во внимание не только свои действия и реакцию на них, но и сохранять модели объектов и агентов окружающей среды для предусматривания их возможных действий и реакций.

Система, в которой несколько агентов  могут общаться один с другим, осуществлять обмен текущей информацией, взаимодействовать между собой, называется мультиагентной (МАС). Это направление распределенного искусственного интеллекта рассматривает решения одной задачи несколькими интеллектуальными системами [Тарасов В.Б., 1998]. При этом задача разбивается на несколько подзадач, которые распределяются между агентами. Другой сферой применения МАС является обеспечение взаимодействия между агентами, когда один агент может осуществить запрос к другому агенту на передачу определенных данных или исполнение определенных действий. Также в МАС есть возможность передавать знания.

Мультиагентные  системы делятся на кооперативные, конкурирующие и смешанные. Агенты в кооперативных системах являются частями единой системы и решают подзадачи одной общей задачи. Понятно, что при этом агент не может работать вне системы и исполнять самостоятельные задачи. Конкурирующие агенты являются самостоятельными системами, хотя для достижения определенных целей они могут объединять свои усилия, воспринимать цели и команды от других агентов, но при этом поддержка связи с другими агентами не является обязательной. Под смешанными агентными системами подразумеваются конкурирующие агенты, способные к кооперации, подсистемы которых также реализуются по агентной технологии [Городецкий В.И., 1996]. Кроме общения с другими агентами должна быть реализована возможность общения с пользователем.

2. Архитектура  агентных систем 

Агентная  система - это платформа, которая  может создавать, интерпретировать, запускать, перемещать и уничтожать агенты. Также как и агент, агентная система ассоциируется с полномочиями, которые определяют организацию или персону, от имени которых работает система. Агентная система с полномочиями конкретного пользователя, реализовывает политику безопасности этого пользователя в плане защиты его ресурсов.

Рис 1. Агентная система. 

Агентная  система однозначно идентифицируется именем и адресом. На одной машине могут размещаться несколько  агентных систем. Схема агентной системы  отображена на рис.1.

Тип агентной системы описывает совокупность параметров агента. Например, если типом агентной системы являются "аглети", то это означает, что агентная система создана компанией ІBM, поддерживает язык Java как язык реализации агентов, и использует Java Object Serіalіzatіon для превращения агентов в последовательную форму.

Все общение  между агентными системами осуществляется через коммуникационную инфраструктуру (КИ). Администратор сетевого региона  определяет службы коммуникации для  внутрирегиональных и межрегиональных взаимодействий. Рисунок 2 демонстрирует связи между агентными системами.

Рис. 2. Связи между агентными системами. 

Коммуникационная  инфраструктура обеспечивает транспортные службы связи (например RPC), службу имен и службу безопасности для агентных систем.

Когда агент перемещается, он движется между  стационарными процессами, которые  называются местами. Место - контекст внутри агентной системы, в котором может  быть запущен агент. Этот контекст может  предоставлять набор функций, таких  как контроль доступа, например. Выходное место и место адресации могут находиться как в рамках одной агентной системы, так и в разных агентных системах, которые поддерживают одинаковую совокупность параметров агента. Место сопоставляется с местом расположения, агентная система может содержать одно или несколько мест и место может содержать одного или более одного агентов. Хотя место определяется как окружение, в котором запускается агент, если агентная система не реализовывает понятие места, то место определяется по умолчанию.

Когда клиент спрашивает место расположения агента, то как ответ он получает адрес места, где исполняется  агент.

Регион - совокупность агентных систем, которые  имеют общие полномочия, но не обязательно  принадлежат к одному типу агентных систем. Концепция региона позволяет несколько агентных систем представлять одной личностью или организацией. Регионы позволяют реализовать возможность масштабирования, поскольку можно распределить нагрузку между несколькими агентными системами.