Περίληψη |
Στα περιβάλλοντα Διάχυτης Νοημοσύνης, υπάρχουν πολλές διαφορετικές
οντότητες, οι πράκτορες, οι οποίες συλλέγουν, επεξεργάζονται και ανταλλάσουν
πληροφορίες για αυτά τα περιβάλλοντα. Όλοι οι πράκτορες συνυπάρχουν στο ίδιο
περιβάλλον και μοιράζονται το ίδιο πλαίσιο. Ωστόσο, κάθε πράκτορας το
αντιμετωπίζει από μία διαφορετική οπτική γωνία σύμφωνα με τον ρόλο, τις
δυνατότητες, τα δικαιώματα χρήσης και τους στόχους του. Κάθε πράκτορας
δημιουργεί την δική του αντίληψη για το περιβάλλον, δρώντας ως αυτόνομη
οντότητα αλλά συνεργαζόμενη με τους υπόλοιπους πράκτορες προκειμένου να
εκπληρώσει τους στόχους του και σχηματίζοντας έτσι ένα σύστημα ή δίκτυο
πρακτόρων. Η καθολική συνέπεια του όλου συστήματος έχει εισάγει νέες ερευνητικές
προκλήσεις στον τομέα της Διάχυτης Νοημοσύνης. Καθώς οι πράκτορες
διαισθάνονται τις παραμέτρους του περιβάλλοντος, λανθάνουσες πληροφορίες
μπορούν να προκύψουν από ελλιπή γεγονότα και αμφίσημες πληροφορίες μεταξύ των
διαφορετικών αντιλήψεων των πρακτόρων.
Σε αυτή την διατριβή, μοντελοποιούμε τους πράκτορες ως κόμβους σε ένα
δίκτυο peer-to-peer, λαμβάνοντας υπόψη συγκρούσεις που μπορούν να προκύψουν
κατά την διάρκεια της ενοποίησης της κατανεμημένης γνώσης. Προτείνουμε έναν
μηχανισμό για την απόδειξη στοιχείων (proof of evidence mechanism) για την
επίλυση των υποθέσεων που μπορούν να ανακύψουν ο οποίος βασίζεται σε έναν
μηχανισμό βαθμολόγησης, τον βαθμό βεβαιότητας, και στις διαμοιραζόμενες
θεωρίες, οι οποίες είναι οι συγχωνευμένες υπο-θεωρίες των πρακτόρων που
συμμετέχουν σε μία διαμάχη. Εξετάζουμε θέματα συνέπειας και για τις αυτόνομες
θεωρίες και για τις διαμοιραζόμενες θεωρίες που μπορεί να κατασκευαστούν.
Όταν υλοποιούμε ένα ευφυές σύστημα πρέπει να είμαστε σε θέση να
μοντελοποιήσουμε αρκετές περιπτώσεις καταστάσεων και προβλημάτων του
πραγματικού κόσμου. Παρουσιάζουμε μία διαδικασία για κατανεμημένη
συλλογιστική πραγματικού χρόνου για περιβάλλοντα Διάχυτης Νοημοσύνης.
Χρησιμοποιούμε τον Λογισμό Συμβάντων (Event Calculus, EC) ως την γλώσσα
λογικού προγραμματισμού για να μοντελοποιήσουμε τα περιβάλλοντα Διάχυτης
Νοημοσύνης, τις λογικές θεωρίες των πρακτόρων για αυτά τα περιβάλλοντα και τα
γεγονότα που μπορούν να συμβούν. Έχουμε επεκτείνει την βασική συλλογιστική
διαδικασία του Λογισμού Συμβάντων και να επιλύουμε προβλήματα όπου
συλλογιστική με τον πραγματικό χρόνο του συστήματος πρέπει να μελετηθεί, όπως
“Σβήσε τον φούρνο σε 20 λεπτά” ή “εάν κάποιος μπει στο δωμάτιο στα επόμενα 5
λεπτά, στείλε μου ένα μήνυμα”. Έτσι, προβλήματα όπως η υπό συνθήκη ‘n>m’ ή η
‘nστη εμφάνιση’ μπορούν να αντιμετωπιστούν σε πραγματικό χρόνο. Εμπλουτίζουμε ακόμα περισσότερο την εκφραστικότητα του εργαλείου μας δίνοντας την δυνατότητα
μοντελοποίησης πλαισίων με γνώση, προτιμήσεις και προτεραιότητες.
|