Sistemi multi-agente

Transcript

1 Sistemi multi-agente Indice 1 Agenti intelligenti Che cos è un agente Che cosa non è un agente Classi di agenti Simple reflex agents Model-based reflex agents Goal-based agents Utility-based agents Sistemi multi-agente Sistemi single-agent e sistemi multi-agent L ambiente di un MAS Pienamente o parzialmente osservabile Deterministico o stocastico Episodico o sequenziale Statico o dinamico Discreto o continuo Problematiche dei MAS Architetture dei sistemi multi-agente Toolkit di sviluppo per MAS Applicazioni Applicazioni nel campo generico della ricerca La metafora dei videogiochi Agenti e proprietà intellettuali Applicazioni relative al progetto di ricerca 14 Riferimenti bibliografici 16 1

2 1 Agenti intelligenti Gli agenti intelligenti sono delle entità autonome usate in un ampia varietà di applicazioni, che spaziano da semplici filtri per le a sistemi complessi e critici come il controllo del traffico aereo. Anche se a prima vista sistemi simili possono avere poco in comune, la chiave di astrazione usata per entrambi è quella di agente. Questa sezione introduce alcuni concetti base fra i quali, naturalmente, la nozione di agente (1.1). Si proseguirà poi con alcune distinzioni fra agenti ed altre entità (1.2) e la classificazione di varie tipologie di agente (1.3). 1.1 Che cos è un agente Qual è il significato di agente? In letteratura non esiste una definizione universalmente accettata di questo termine. Con agente ci si può riferire ad entità usate negli ambiti più diversi, come l intelligenza artificiale, l economia o la teoria dei giochi. Smith, Cypher e Spoher [1] definiscono un agente come un entità software dedicata a uno scopo specifico, introducendo il concetto di persistenza. La persistenza è la proprietà di un agente di essere eseguito costantemente, e non su richiesta. Ciò distingue gli agenti dalle subroutine: gli agenti decidono da sé come e quando eseguire una qualche attività. Per Russel e Norvig [2], un agente è tutto ciò che può percepire il suo ambiente attraverso dei sensori e agire su quell ambiente attraverso degli attuatori. Un agente umano ha occhi, orecchie e altri organi come sensori, e braccia, gambe e altre parti del corpo come attuatori. Un agente robotico sostituisce occhi e orecchie con camere e microfoni, e gambe e braccia con motori di vario tipo. Un agente software utilizza stringhe di bit per percepire l ambiente e agire. Nwana [3], definisce un agente come un componente software e/o hardware sviluppato per svolgere dei compiti per conto di terzi. Propone inoltre una classificazione basata sugli attributi primari di autonomia, cooperazione e apprendimento: gli agenti intelligenti sono entità che possiedono tali caratteristiche. Franklin e Graesser [4], dopo aver elencato diverse definizioni date da altri autori, diedero la loro: un agente autonomo è un sistema situato all interno e parte di un ambiente, in grado di percepirlo e agire su di esso nel tempo, in funzione del suo programma, e col fine di attuare ciò che potrà percepire in futuro. Per Jennings e Wooldridge [5], un agente è un sistema informatico situato in un qualche ambiente, capace di azioni autonome al suo interno, col fine di raggiungere gli obiettivi per cui è stato progettato. Il concetto di autonomia può essere qui inteso come la capacità di un sistema di agire senza l intervento dell uomo, attraverso il controllo delle proprie azioni e del proprio stato interno. Jennings e Wooldridge danno inoltre particolare attenzione alla definizione di agente intelligente. Per essere definito intelligente, un agente autonomo dovrebbe avere un comportamento dotato delle seguenti proprietà: 2

3 responsività: gli agenti devono poter percepire il proprio ambiente e rispondere di conseguenza ai cambiamenti che avvengono al suo interno; proattività: gli agenti non devono agire solamente in risposta al loro ambiente ma devono saper esibire un comportamento opportunistico e prendere l iniziativa quando necessario; socialità: gli agenti devono essere in grado di interagire con altri agenti autonomi (e esseri umani) per raggiungere un obiettivo comune e aiutare gli altri con le loro attività. Per garantire l interazione, gli agenti dovrebbero possedere le abilità di: cooperazione: saper lavorare come una squadra per ottenere un risultato comune; coordinazione: diverse; saper gestire le risorse non condivisibili fra attività negoziazione: saper raggiungere un accordo su questioni di interesse comune. Nelle differenti definizioni proposte dai diversi autori si possono identificare alcuni concetti comuni che insieme possono formalizzare una definizione più generica di agente, che si può così riassumere: un agente è un entità software e/o hardware autonoma e persistente situata in un certo ambiente, capace di percepirlo, agire al suo interno con un comportamento reattivo e proattivo, apprendere da esso e cooperare con altre entità simili, col fine di svolgere le attività per cui è stata progettata. 1.2 Che cosa non è un agente Avendo dato una definizione più restrittiva di agente, si può ora stabilire che cosa non è un agente. Esistono innanzitutto delle analogie fra agenti e oggetti, propri del paradigma di programmazione Object Oriented, in particolare riguardo al concetto di incapsulamento. Un oggetto incapsula un certo stato, accessibile e modificabile attraverso i metodi che l oggetto definisce pubblici. Gli agenti incapsulano uno stato in maniera simile, incapsulando in aggiunta un behavior (comportamento). Gli oggetti non incapsulano un comportamento e non hanno il controllo sull esecuzione dei propri metodi: se un oggetto x invoca un metodo m di un oggetto y, allora y non ha alcun controllo sul fatto che m venga eseguito o meno. L oggetto y è quindi non autonomo. Gli agenti sono invece entità autonome e, a differenza degli oggetti, possono decidere se eseguire o meno un azione richiesta da un altro agente. 3

4 Gli agenti non sono definiti nell ambito dell intelligenza artificiale: l intelligenza artificiale mira a costruire sistemi che possano capire il linguaggio naturale, riconoscere e comprendere una scena, usare il buonsenso, usare la creatività. Un agente è molto più semplicemente un sistema che decide quale azione compiere in un certo contesto e in un dato momento, tipicamente in un dominio limitato. Gli agenti non sono sistemi esperti: un sistema esperto è un sistema informatico che emula il processo decisionale di un esperto umano su un certo dominio astratto. Al contrario degli agenti, i sistemi esperti non sono associati ad alcun ambiente e non sono progettati per avere un comportamento reattivo, proattivo e sociale. 1.3 Classi di agenti Se è stato difficile trovare una definizione univoca di agente, altrettanto difficile è darne una classificazione. Come già citato in precedenza, Nwana [3] definisce tre attributi primari: autonomia, cooperazione e apprendimento. Da queste caratteristiche ne deriva quattro tipi di agente, come mostrato in Figura 1, sottolineando che tali distinzioni non sono definitive. Figura 1: Tipologia basata sui tre attributi primari (Nwana, 1996). Per Franklin e Graesser [4], gli agenti possono essere opportunamente classificati secondo il sottoinsieme di proprietà di cui godono. Tali proprietà derivano dalle varie definizioni di agente discusse dai due autori. La Tabella 1 elenca diverse proprietà degli agenti. 4

5 Proprietà reattività autonomia goal-oriented (proattivo, propositivo) persistenza (temporalmente continuo) comunicazione (socialmente abile) apprendimento (adattivitá) mobile flessibilità carattere Significato reattività: risponde in modo tempestivo ai cambiamenti dell ambiente autonomia: esercita il controllo sulle proprie azioni goal-oriented: non agisce semplicemente in risposta all ambiente persistenza: è un processo continuamente in esecuzione comunicazione: comunica con altri agenti, possibilmente includendo gli umani apprendimento: cambia il suo comportamento in base alle esperienze precedenti mobile: capace di trasportare se stesso da un posto a un altro flessibilità: le azioni non sono prefissate carattere: personalità credibile e stato emotivo Tabella 1: Proprietà degli agenti autonomi (Franklin e Graesser, 1996). Russel e Norvig [6] delineano quattro tipi fondamentali di agente che incarnano i principi alla base di quasi tutti i sistemi intelligenti: Simple reflex agents; Model-based reflex agents; Goal-based agents; Utility-based agents Simple reflex agents Il tipo più semplice di agente è il simple reflex agent. Questi agenti agiscono solamente sulla base della percezione corrente, ignorando ciò che è stato percepito in precedenza. Le funzioni dell agente sono basate sulla regola condition-action: if condizione then azione. Gli agenti simple reflex hanno la pregevole proprietà di essere semplici, ma si rivelano essere davvero di intelligenza limitata. L agente funziona solamente se la decisione corretta può essere presa sulla base delle sola percezione corrente, cioè solamente se l ambiente è completamente osservabile. Anche solo una piccola parte di ambiente non osservabile può causare serie difficoltà. 5

6 1.3.2 Model-based reflex agents Il modo più efficace per gestire un ambiente parzialmente osservabile è tenere traccia della parte del mondo che l agente non può vedere al momento. L agente mantiene quindi una sorta di stato interno che dipende dalle percezione passate e che riflette almeno alcuni degli aspetti dello stato attuale. Aggiornare le informazioni di questo stato interno nel tempo richiede due tipi di conoscenza da codificare nell agente: I. Si deve innanzitutto conoscere in che modo il mondo evolve indipendentemente dall agente. II. Si devono avere poi informazioni su come le azioni proprie dell agente influenzano il mondo. Questa conoscenza di come il mondo funzioni è chiamato modello del mondo. Un agente che usa questo tipo di modello è chiamato model-based agent. Le azioni sono infine scelte allo stesso modo di un agente simple reflex Goal-based agents I goal-based agents espandono ulteriormente le capacità degli agenti modelbased. Conoscere lo stato corrente dell ambiente non sempre è sufficiente per decidere cosa fare. Così come la descrizione dello stato corrente, l agente necessita di informazioni sul goal che descrivano situazioni che sono desiderabili. L agente può combinare questa serie di informazioni in modo da scegliere le giuste azioni che permettano di raggiungere l obiettivo. Alcune volte la scelta di azioni goal-based è lineare, quando il raggiungimento del goal risulta immediato da una singola azione. A volte è più intricato, quando l agente deve considerare lunghe sequenze di azioni per trovare un modo di raggiungere uno stato di successo Utility-based agents Gli obiettivi, da soli, non sono sufficienti per generare un comportamento ottimale in tutti gli ambienti. I goal forniscono una distinzione netta fra stati felici e infelici, laddove una misura di performance più generale consentirebbe un confronto fra differenti stati in base a quanto realmente farebbero felice un agente se potessero essere raggiunti. È possibile dunque definire una misura di quanto desiderabile sia un certo stato. Questa misura può essere ottenuta attraverso l uso di una utility function, che mappa uno stato (o una sequenza di stati) su un numero reale, che descrive il grado di felicità associato. Una specifica completa della utility function permette di prendere decisioni razionali in diversi casi in cui i goal risultano inadeguati. 6

7 2 Sistemi multi-agente Un sistema multi-agente, o MAS (multi-agent system), è un sistema informatico composto da molteplici agenti che interagiscono fra loro all interno di un ambiente. Questa sezione descrive i MAS, confrontandoli con i sistemi ad agenti singoli (2.1), elencando poi le varie tipologie di ambiente esistenti (2.2) e le problematiche di tali sistemi (2.3). Nel paragrafo 2.4 sono descritte diverse architetture di sistemi multi-agente; sono infine elencati alcuni toolkit di sviluppo per MAS (2.5). 2.1 Sistemi single-agent e sistemi multi-agent In generale, un agente singolo modella sé stesso, l ambiente e le loro relazioni (l agente è visto come facente parte dell ambiente stesso). I sistemi multiagente differiscono dai sistemi singoli per il fatto che esistono diversi agenti che modellano reciprocamente le loro azioni e i loro obiettivi. Nel tipico scenario multi-agente, ci sono diverse interazioni dirette fra gli agenti. Dalla prospettiva del singolo agente, i MAS si differenziano dai single-agent system nelle dinamiche dell ambiente, in quanto esso può essere influenzato da altri agenti [7]. 2.2 L ambiente di un MAS I MAS consistono di diversi agenti e del loro ambiente. Un ambiente multiagente è un ambiente in cui sono presenti più agenti interagenti fra loro, e dove ci sono vincoli tali che gli agenti non possono sapere in ogni dato momento qualunque cosa sul mondo che gli altri agenti sanno (incluso lo stato interno degli altri agenti stessi) [8]. Gli ambienti in cui gli agenti agiscono possono essere organizzati secondo diverse proprietà [6], esaminate qui di seguito Pienamente o parzialmente osservabile Se i sensori di un agente danno accesso allo stato completo dell ambiente in ogni istante del tempo, allora l ambiente è pienamente osservabile. Gli aspetti osservabili devono essere rilevanti per la scelta della giusta azione da compiere. Un ambiente può essere parzialmente osservabile a causa di sensori rumorosi o inaccurati o perché parti dello stato mancano semplicemente dai dati del sensore Deterministico o stocastico Se lo stato successivo dell ambiente è completamente determinato dallo stato corrente e dall azione eseguita dall agente, allora l ambiente è deterministico; altrimenti è stocastico. In principio un agente non dovrebbe preoccuparsi 7

8 sull incertezza in un ambiente pienamente osservabile e deterministico. Se un ambiente è parzialmente osservabile, tuttavia, è allora possibile che sia stocastico. Questo è vero soprattutto se l ambiente è complesso, rendendo difficile tenere traccia di tutti gli aspetti non osservati Episodico o sequenziale In un ambiente episodico, l esperienza dell agente è divisa in episodi atomici. Ogni episodio consiste nel percepire, ed eseguire, una singola azione. Fondamentalmente, l episodio successivo non dipende dalle azioni effettuate negli episodi precedenti. In ambienti episodici, la scelta di un azione in ogni episodio dipende solamente dall episodio stesso. In ambienti sequenziali, d altra parte, la decisione corrente può influenzare tutte le decisioni future Statico o dinamico Se l ambiente può cambiare mentre un agente sta deliberando, allora l ambiente è dinamico per quell agente; altrimenti è statico. Gli ambienti statici sono facili da trattare poiché l agente non necessita di continuare a osservare il mondo mentre sta decidendo su un azione, né ha bisogno di preoccuparsi del passare del tempo. Gli ambienti dinamici, d altra parte, chiedono continuamente agli agenti che cosa sono intenzionati a fare; se un agente non decide come agire, per l ambiente questo vale come decidere di non agire affatto Discreto o continuo La distinzione fra discreto e continuo può essere applicata allo stato dell ambiente, al modo in cui viene gestito il tempo alle percezioni e azioni dell agente. Ad esempio, un ambiente con stato discreto come un gioco di scacchi ha un numero finito di stati distinti. Gli scacchi hanno anche un insieme discreto di percezioni e azioni. La guida di un taxi è un problema con stato e tempo continui: la velocità e la posizione del taxi e degli altri veicoli spaziano nel tempo attraverso un range di valori continui. 2.3 Problematiche dei MAS Si possono individuare cinque principali problematiche nella creazione di sistemi multi-agente: problematica dell azione: come può un insieme di agenti operare simultaneamente in un ambiente parzialmente osservabile, e come interagisce tale ambiente in risposta agli agenti? Tali questioni sono legate alla rappresentazione dell ambiente per mezzo degli agenti, alla collaborazione tra gli agenti e alla pianificazione dell attività di una molteplicità di agenti; 8

9 problematica della relazione col mondo esterno: tale problematica è rappresentata dal modello cognitivo di cui dispone l agente. Ogni singolo individuo, in una società costituita da molteplici agenti, deve essere in grado di mettere in opera le azioni più rispondenti ai suoi obiettivi. Tale attitudine alla decisione è legata ad uno stato mentale che riflette le percezioni, le rappresentazioni, le convinzioni ed un certo numero di parametri psichici (desideri, tendenze...) dell agente. La problematica in questione copre anche la nozione dei vincoli dell agente nei confronti di un agente terzo; problematica dell interazione: i sistemi ad agenti multipli necessitano, da una parte dello studio della natura delle interazioni, come fonte di opportunità, e di vincoli dall altra. Si interessa alle modalità di interazione (individuando il corretto linguaggio e supporto), all analisi ed alla concezione delle forme d interazione tra agenti. Le nozioni di collaborazione e di cooperazione (considerata come collaborazione, coordinamento delle azioni e risoluzione dei conflitti) sono in questo campo questioni fondamentali. Se si applicano le sole conoscenze dei sistemi a singolo agente a quelli multi agente si avranno degli agenti egoisti (self-interested) che non coopereranno in alcun modo, dunque l obiettivo del sistema sarà solo parzialmente raggiunto; problematica dell adattamento: l agente deve possedere dei meccanismi per giudicare lo stato attuale del suo ambiente in modo da poter modificare il proprio comportamento e prendere decisioni circa le azioni future da compiere; realizzazione effettiva e implementazione dei sistemi multi-agente: la fase di sviluppo viene effettuata utilizzando linguaggi di programmazione di diverso tipo, che vanno dai linguaggi di formalizzazione e specifica ai linguaggi di implementazione vera e propria. Tra le due classi si trovano i linguaggi per la comunicazione tra agenti, la descrizione delle leggi dell ambiente e la rappresentazione delle conoscenze. 2.4 Architetture dei sistemi multi-agente Con riferimento alle problematiche precedenti, è possibile determinare gli elementi dell architettura di un sistema ad agenti multipli. Gli agenti devono essere dotati di svariati sistemi di decisione e pianificazione. La ricerca operativa, o teoria delle decisioni, è una disciplina completamente dedita allo studio di questo argomento. Nella categoria delle interazioni con l ambiente, un altro problema ricorrente dei sistemi ad agenti è quello del path finding, ovvero il processo di tracciare un percorso efficiente tra due punti. Gli agenti necessitano inoltre di un modello cognitivo: anche qui esistono 9

10 diversi modelli, tra cui uno dei più classici è il modello BDI (Beliefs-Desires- Intentions) [9]. Esso considera da una parte l insieme delle credenze (beliefs) dell agente sull ambiente in cui si trova ad operare, che sono il risultato delle sue conoscenze e delle sue percezioni, e dall altra un insieme di obiettivi (desires). Intersecando questi due insiemi, si ottiene un nuovo insieme di intenzioni (intentions), che in seguito possono tradursi direttamente in azioni. Ancora, gli agenti devono altresì essere forniti di un sistema di comunicazione. Molti linguaggi specializzati hanno visto la luce a questo scopo: il KQML (Knowledge Query and Manipulation Language) [10], e più recentemente lo standard FIPA-ACL (Foundation for Intelligent Physical Agents - Agent Communication Language) 1. Entrambi gli standard sono fondati sulla teoria degli atti linguistici, elaborata da John Searle [11]. La problematica dell adattamento rappresenta un argomento spinoso, oggetto attualmente di numerose ricerche. Si potrebbe tuttavia citare l esempio di alcuni virus, non solo informatici ma anche biologici, capaci di adattarsi al loro ambiente per effetto di mutazioni. Infine, l implementazione effettiva di un sistema multiagente, se non fa parte, propriamente parlando, dell architettura del sistema, merita di essere evocata attraverso l esempio fornito dai numerosi linguaggi di programmazione sviluppati a scopo di ricerca nel settore dell intelligenza artificiale; si pensi in particolare ai linguaggi LISP 2 e PROLOG Toolkit di sviluppo per MAS Un toolkit [12] per sistemi multi-agente è un sistema software che contiene: un ambiente run time in cui ciascun agente può essere eseguito e in cui gli agenti possono interagire ( sistema operativo per MAS ); strumenti CASE (Computer Aided Software Engineering) per il progetto e la costruzione di MAS; strumenti per la gestione e il monitoraggio di MAS. Alcuni toolkit attualmente disponibili sono: Impact, Consorzio Interuniversitario 4 ; Jack, Agent Oriented Software Group 5 ; Jade, Telecom Italia Labs 6 ;

11 SPADE, Universidad Politecnica de Valencia 7 ; Retsina, Carnagie Mellon 8 ; Zeus, British Telecommunications 9. I toolkit forniscono un infrastruttura che consente di evitare che il progettista debba ogni volta iniziare il lavoro da zero. In particolare esimono il progettista dal dover sviluppare le parti di un MAS specifico aventi caratteristiche e funzioni di un MAS generico. Nello specifico, l architettura di un generico agente singolo e la modalità di interazione fra agenti. Toolkit diversi suggeriscono o impongono differenti architetture di agente singolo e architetture di MAS (ad esempio quali interazioni permettere). Quindi i toolkit sono differenti per esigenze o preferenze progettuali diverse

12 3 Applicazioni Questa sezione descrive diversi domini applicativi dei MAS [13][14][15], partendo dall utilizzo generico dei sistemi multi-agente (3.1), discutendo poi una metafora sul dominio dei videogiochi (3.2); vengono infine esaminate le problematiche relative alla proprietà intellettuale degli agenti (3.3). 3.1 Applicazioni nel campo generico della ricerca Si distinguono generalmente tre tipi d utilizzo dei sistemi multi-agente: la simulazione di fenomeni complessi, la risoluzione di problemi e la progettazione di programmi. Si utilizzano i sistemi multi-agente per simulare le interazioni esistenti tra singoli agenti autonomi. Si cerca quindi di determinare l evoluzione del sistema, al fine di prevederne l organizzazione risultante. Ad esempio, in sociologia, si possono modellare i differenti agenti che compongono una certa comunità. Attraverso la messa a punto dei vincoli, si può cercare di comprendere quale sarà la combinazione più efficace per pervenire al risultato atteso (ad es., la costruzione di una strada). Il fattore importante è il comportamento dell insieme, non il comportamento individuale. Le applicazioni esistenti riguardano la fisica delle particelle (l agente è una particella elementare), la chimica (l agente è una molecola), la biologia cellulare (cellula), l etologia (animale), la sociologia e l etnologia (essere umano). L autonomia consente in questi casi di simulare il comportamento esatto di ogni entità. Per risolvere un problema complesso, talvolta è più semplice concepire programmi relativamente piccoli (gli agenti) interagenti con un unico grosso programma monoblocco. L autonomia permette al sistema di adattarsi dinamicamente ai cambiamenti imprevisti che intervengono nell ambiente. Allo stesso tempo, l ingegneria del software si è evoluta in direzione di componenti sempre più autonomi. I sistemi ad agenti multipli possono essere visti come un raccordo tra ingegneria del software ed intelligenza artificiale distribuita, con l apporto rilevante dei sistemi distribuiti. L intelligenza artificiale distribuita è nata per risolvere i problemi di complessità dei grossi programmi monoblocco dell intelligenza artificiale. L esecuzione è pertanto non concentrata, ma il controllo rimane centralizzato. Al contrario, nei sistemi ad agenti multipli, ciascun agente possiede un controllo totale sul suo comportamento. In rapporto ad un oggetto, un agente può prendere iniziative, può rifiutarsi di obbedire ad una richiesta, può spostarsi, etc.. Questa autonomia consente al progettista di concentrarsi sul lato umanamente comprensibile del software. 3.2 La metafora dei videogiochi Si può rappresentare un sistema ad agenti multipli come una delle comunità virtuali attualmente diffuse nel mondo dei videogiochi. Ipotizziamo di avere 12

13 un gioco che simuli la vita di una famiglia, sul modello di The Sims 10. Il sistema multi-agente può essere decomposto in più dimensioni che vanno a definire differenti ambienti. Se prendiamo in considerazione, ad esempio un primo un ambiente e la sua metrica, possiamo ritenere che esso sia composto dalla casa con giardino in cui vive la famiglia. Il sistema può disporre anche di un insieme di oggetti passivi sui quali gli agenti possono intervenire: per esempio di tutti gli oggetti che vanno a comporre gli arredi la casa, ma anche dei generi alimentari, vestiario, etc... Naturalmente, un sistema ad agenti multipli è composto da più agenti; questi ultimi, attivi ed autonomi, interagiscono col loro entourage (l ambiente, gli oggetti e gli altri agenti), e corrispondono ai membri della famiglia (senza dimenticare eventuali animali domestici). Inoltre si mettono a punto un insieme di relazioni tra oggetti ed agenti, al fine di definire un organizzazione. Si potranno quindi esprimere i legami familiari tra i diversi individui, ma anche delineare i rapporti di proprietà (l appartenenza di uno specifico oggetto). Infine, si integra nel sistema un insieme di operatori che permettono agli agenti di agire sugli oggetti o su altri agenti (il figlio può mangiare una mela o giocare con il cane o fare i compiti con suo fratello), e di sensori che consentono agli agenti di conoscere i mutamenti ambientali e degli altri agenti (la mela è caduta in terra, papà mi ha chiesto di fare i compiti). Ecco dunque cos è che può chiamarsi sistema multi-agente. In informatica, l agente sarà un programma autonomo che possiede un insieme di conoscenze e agisce secondo regole proprie. 3.3 Agenti e proprietà intellettuali L ambito della proprietà intellettuale può essere esaminato sotto due distinte prospettive: la tutela dell agente e l attività dell agente. Nell ambito della tutela dell agente, il software è considerato il risultato dell attività intellettuale del suo autore. Tuttavia, gli agenti software, potranno incorporare o essere integrati con applicazioni di terze parti. Con riferimento alla protezione dell attività dell agente a alle sue risorse informative, occorrerà utilizzare in maniera corretta gli strumenti informativi e tecnici. Questi ultimi potranno contribuire a tutelare la sicurezza delle informazioni raccolte dall agente. È possibile infatti che le informazioni e i dati raccolti e memorizzati dall agente possano rientrare nella categoria di dati da tutelare

14 4 Applicazioni relative al progetto di ricerca Gli obiettivi generali del programma di ricerca sono lo studio, la definizione e lo sviluppo di tecniche e algoritmi automatici o semi-automatici per la costruzione di tassonomie per domini specifici, a partire da sorgenti d informazione estratte principalmente dal web. Sarà inoltre realizzato un dimostratore finalizzato alla sperimentazione delle tecniche e degli algoritmi sviluppati. Per la realizzazione del dimostratore si utilizzerà la tecnologia basata sugli agenti software. In particolare si farà riferimento alle specifiche per l architettura astratta realizzate dalla FIPA (Foundation for Intelligent Phisical Agents) 11, organizzazione della IEEE che promuove la tecnologia basata su agenti intelligenti e l interoperabilità dei suoi standard con altre tecnologie. Tale architettura definisce il quadro all interno del quale gli agenti FIPA esistono e operano. Inoltre stabilisce il modello di riferimento logico per la creazione, la registrazione, l ubicazione, la comunicazione, la migrazione e il ritiro degli agenti. Le entità contenute nel modello di riferimento (vedi Figura 2) sono insiemi di capacità logiche (cioè, servizi) e non implicano alcuna configurazione fisica. I dettagli di implementazione dei singoli punti di accesso e gli agenti sono lasciati alle scelte di design degli sviluppatori del sistema ad agente. I componenti che compongono l Agent Platform sono i seguenti: L Agent è l attore fondamentale che unisce una o più capacità di servizio, come delineato nella descrizione del servizio, in un modello di esecuzione unico e integrato. Un agente deve avere almeno un proprietario e deve possedere un Agent Identifier (AID) che lo etichetta in modo che possa essere distinto senza ambiguità all interno della piattaforma. Un agente può essere registrato su più numeri di indirizzi di trasporto a cui può essere contattato. Sebbene risiedano sulla stessa piattaforma gli agenti possono risiedere su diversi computer host. Il Directory Facilitator (DF) è il componente (talvolta opzionale) che fornisce il servizio di Pagine Gialle agli agenti della piattaforma. Gli agenti possono registrare i loro servizi tramite il DF oppure interrogare il DF per sapere quali sono i servizi offerti dagli altri agenti. Possono esistere multipli DF federati tra loro all interno di un AP. L Agent Management System (AMS) è il componente che controlla e supervisiona l accesso e l utilizzo dell AP. In un AP può esistere solo un AMS. Poiché ogni agente si deve registrare tramite l AMS in modo tale da ottenere un AID valido, fornisce inoltre l elenco (consultabile dagli altri agenti della piattaforma) contenente i nominativi degli agenti e il loro relativo AID

15 Il Message Service Transport (MTS) è servizio di comunicazione predefinito tra gli agenti. Se sono presenti nel sistema ad agenti vari AP, questi comunicano tra loro tramite l MTS. L Agent Platform (AP) fornisce l infrastruttura fisica in cui gli agenti possono essere dislocati. L AP consiste nella macchina, nel sistema operativo, nel software di supporto agli agenti, nelle componenti DF, AMS, MTS e negli agenti. La progettazione interna di un AP non è oggetto di standardizzazione all interno FIPA, per cui la sua realizzazione è delegata agli sviluppatori di sistemi ad agente. L AP e i suoi agenti nativi possono utilizzare qualsiasi metodo proprietario di inter-comunicazione. La FIPA si preoccupa esclusivamente di come viene effettuata la comunicazione tra agenti nativi dell AP e agenti appartenenti ad altre AP. Gli agenti sono liberi di scambiare messaggi direttamente con qualsiasi mezzo che possono sostenere. Il software descrive tutte le istruzioni eseguibili attraverso un agente. Gli agenti possono utilizzare il software, ad esempio, per aggiungere nuovi servizi, acquisire nuovi protocolli di comunicazione, acquisire nuovi protocolli/algoritmi di sicurezza, acquisire nuovi protocolli di negoziazione, accedere strumenti di accesso che supportano la migrazione eccetera. Nell ambito del progetto di ricerca si utilizzerà il framework SPADE scritto in linguaggio Python. Gli agenti utilizzati nel progetto verranno descritti in seguito nel Deliverable D2.2a - Rapporto tecnico sulle tipologie di agenti software definiti e implementati nell ambito del progetto, mentre il relativo codice sorgente verrà consegnato nel Deliverable D2.2b - Librerie software e API contenenti il sistema ad agenti in versione preliminare. 15

16 Figura 2: Modello di riferimento per la gestione degli agenti. Riferimenti bibliografici [1] D. C. Smith, A. Cypher e J. Spohrer. KidSim: Programming Agents Without a Programming Language. Communications of the ACM, (37): 7,55-67, [2] Stuart J. Russell e Peter Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, [3] H. S. Nwana. Software Agents: An Overview. Cambridge University Press, [4] Stan Franklin e Art Graesser. Is It an Agent, or Just a Program?: A Taxonomy for Autonomous Agents. Institute for Intelligent Systems, University of Memphis, [5] N. R. Jennings e M. Wooldridge. Applications of Intelligents Agents. Queen Mary & Westfield College, University of London, [6] Stuart J. Russell e Peter Norvig. Artificial Intelligence: A Modern Approach (2nd edition). Prentice Hall,

17 [7] Peter Stone e Manuela Veloso. Multiagent Systems: A Survey from a Machine Learning Perspective. In Autonomous Robotics volume 8, number 3. July, [8] Liviu Panait e Sean Luke. Cooperative Multi-Agent Learning: The State of The Art. George Mason University, [9] Anand S. Rao e Michael P. George. Decision Procedures for BDI Logics. J Logic Computation, June [10] Tim Finin et al. DRAFT Specification of the KQML Agent- Communication Language. The DARPA Knowledge Sharing Initiative External Interfaces Working Group, June 15, [11] John R. Searle. Expression and Meaning: Studies in the Theory of Speech Acts. Cambridge University Press, October [12] Nwana H., Ndumu D., Collis J. & Lee L. Visualising and Debugging Distributed Multi-Agent Systems. To appear in the Proceedings of the 3rd Int. Conf. On Autonomous Agents, Seattle, May [13] Michael Wooldridge. An Introduction to MultiAgent Systems. John Wiley & Sons, Inc., [14] Gerhard Weiss. Multiagent Systems, A Modern Approach to Distributed Artificial Intelligence. MIT Press, [15] Jacques Ferber. Multi-Agent Systems: An Introduction to Artificial Intelligence. Addison-Wesley,