自律コンピューティング

自律コンピューティング（AC）は、自己管理特性を持つ分散コンピューティングリソースであり、予測不可能な変化に適応しながら、オペレーターやユーザーから本質的な複雑さを隠蔽します。 2001年にIBMによって開始されたこのイニシアチブは、最終的には自己管理が可能なコンピュータシステムを開発し、急速に増大するコンピューティングシステム管理の複雑さを克服し、複雑さがさらなる成長の障壁となることを軽減することを目的としていました。^{[ 1 ]}

ACシステムコンセプトは、高レベルのポリシーを使用して適応的な意思決定を行うように設計されています。システムは常に自身の状態をチェックして最適化し、変化する状況に自動的に適応します。自律コンピューティングフレームワークは、相互に作用する自律コンポーネント（AC）で構成されています。ACは、センサー（自己監視用）、エフェクター（自己調整用）、知識、および自己認識と環境認識に基づくポリシーを活用するためのプランナー/アダプターを備えた、2つの主要な制御スキーム（ローカルとグローバル）の観点からモデル化できます。このアーキテクチャは、モニター-分析-計画-実行（MAPE）と呼ばれることもあります。

このようなビジョンに突き動かされ、近年、「自己制御型」自律コンポーネントに基づくさまざまなアーキテクチャフレームワークが提案されている。同様の傾向は、近年、マルチエージェントシステムの分野での重要な研究を特徴づけている。しかし、これらのアプローチのほとんどは、通常、集中型またはクラスタベースのサーバーアーキテクチャを念頭に置いて考案されており、複雑なソフトウェアシステムを実現したり、革新的なサービスを提供したりする必要性よりも、管理コストを削減する必要性に主に対応している。一部の自律システムでは、モバイルエージェントが疎結合の通信メカニズムを介して相互作用する。^{[ 2 ]}

自律性指向計算は、社会性動物の集団行動を模倣した人工システムを用いて困難な計算問題を解決する、2001年にJiming Liuによって提案されたパラダイムである。例えば、アリのコロニー最適化はこのパラダイムで研究することができる。^{[ 3 ]}

予測では、使用されているコンピューティング デバイスは年間 38% の割合で増加し^{[ 4 ]}、各デバイスの平均的な複雑さも増加していると示唆されていました。^{[ 4 ]}この量と複雑さは、高度なスキルを持つ人間によって管理されていましたが、熟練した IT 人材の需要はすでに供給を上回っており、労働コストは機器コストの最大 18:1 の比率で上回っていました。^{[ 5 ]}コンピューティング システムは、スピードと自動化の大きな利点をもたらしましたが、現在では、そのメンテナンスを自動化する圧倒的な経済的ニーズがあります。

2003年のIEEE Computer誌の記事で、KephartとChess ^{[ 1 ]} は、コンピューティングシステムとデバイスの相互接続という夢が、「ユビキタスコンピューティングの悪夢」になる可能性があると警告しています。ユビキタスコンピューティングでは、設計者は相互作用の複雑さを予測、設計、維持することができません。彼らは、自律コンピューティングの本質はシステムの自己管理であり、管理者を低レベルのタスク管理から解放し、より優れたシステム動作を実現すると述べています。

現代の分散コンピューティングシステムの一般的な問題点は、その複雑さ、特に管理の複雑さが、今後の発展における大きな制約要因になりつつあることである。大企業や機関は、通信や計算のために大規模なコンピュータネットワークを利用している。これらのコンピュータネットワーク上で動作する分散アプリケーションは多岐にわたり、内部統制プロセスからWebコンテンツの表示、顧客サポートまで、さまざまなタスクを処理している。

さらに、モバイルコンピューティングはこれらのネットワークに急速に浸透しつつあります。従業員はオフィスにいない時でも会社と連絡を取る必要があり、そのためにノートパソコン、PDA、携帯電話など、さまざまな無線技術を用いて会社のデータにアクセスしています。

これにより、コンピュータネットワーク全体が非常に複雑化し、人間のオペレーターが手動で制御することは困難になります。手動制御は時間とコストがかかり、エラーも発生しやすくなります。ネットワーク化されたコンピュータシステムの規模が拡大するにつれて、制御に必要な手作業は急速に増加する傾向があります。

インフラストラクチャにおけるこうした問題の80%は、クライアント固有のアプリケーション層とデータベース層で発生します。ほとんどの「自律型」サービスプロバイダーは、基本的な基盤層（電源、ハードウェア、オペレーティングシステム、ネットワーク、および基本的なデータベースパラメータ）までしか保証していません。

考えられる解決策の一つは、現代のネットワーク化されたコンピューティングシステムが、人間の直接的な介入なしに自己管理できるようにすることです。自律コンピューティングイニシアチブ（ACI）は、自律システムの基盤を提供することを目指しています。これは、人体の自律神経系にヒントを得ています。 ^{[ 6 ]}この神経系は、意識的な介入なしに重要な身体機能（呼吸、心拍数、血圧など）を制御します。

自己管理型自律システムでは、人間のオペレーターは新しい役割を担います。システムを直接制御するのではなく、自己管理プロセスを導く一般的なポリシーとルールを定義します。このプロセスに関して、IBM は、自己スター (self-*、self-x、または auto-* とも呼ばれる) プロパティと呼ばれる次の 4 種類のプロパティを定義しました。 ^{[ 7 ]}

1. 自己構成：コンポーネントの自動構成。
2. 自己修復：障害の自動検出と修正；^{[ 8 ]}
3. 自己最適化：定義された要件に関して最適な機能を確保するために、リソースを自動的に監視および制御します。
4. 自己防衛：意図的な攻撃を事前に特定し、防御する。

^{Poslad [ 7 ]}や Nami と Sharifi ^{[ 9 ]}などは、自己スターの集合を次のように拡張している。

1. 自己調整：外部からの制御なしに、サービス品質などのパラメータをリセット範囲内に維持するように動作するシステム。
2. 自己学習：システムは、外部からの制御を必要としない教師なし学習などの機械学習技術を使用します。
3. 自己認識（自己検査および自己決定とも呼ばれる）：システムは自身を知る必要があります。自身のリソースの範囲と、自身がリンクしているリソースを知る必要があります。システムは、内部コンポーネントと外部リンクを認識し、それらを制御および管理する必要があります。
4. 自己組織化：システム外部からの明示的な圧力や関与なしに、物理モデルによって駆動されるシステム構造。
5. 自己創造（自己組織化、自己複製とも呼ばれる）：システム外部からの明示的な圧力や関与なしに、生態学的および社会的なタイプのモデルによって駆動されるシステム。システムのメンバーは自己動機付けと自己推進力を持ち、絶えず変化する戦略的要求に対する創造的な対応として複雑性と秩序を生み出す。
6. 自己管理（自己統治とも呼ばれる）：外部からの介入なしに自己管理を行うシステム。管理対象はシステムやアプリケーションによって異なる場合がある。自己管理は、単一の自己スタープロセスではなく、自律コンピューティングなどの一連の自己スタープロセスを指す場合もある。
7. 自己記述（自己説明または自己表現とも呼ばれる）：システムが自らを説明する。追加の説明なしに（人間によって）理解できる能力を持つ。

IBMは自律システムを定義する8つの条件を提示している。^{[ 10 ] [ 11 ]}

システムは

1. 自身がアクセスできるリソース、能力と限界、そして他のシステムとの接続方法と理由に関して、自身を認識する。
2. 変化するコンピューティング環境に応じて、自動的に構成および再構成できること。
3. 最も効率的なコンピューティングプロセスを確保するために、そのパフォーマンスを最適化できること。
4. 発生した問題を、自己修復するか、問題箇所から機能を迂回させることによって回避できる。
5. システム全体のセキュリティと完全性を維持するために、さまざまな種類の攻撃を検知、識別、および防御する。
6. 環境の変化に適応し、近隣システムと相互作用し、通信プロトコルを確立する。
7. オープンスタンダードに依存しており、独自規格の環境では存在できない。
8. ユーザーに対して透明性を保ちつつ、リソースへの需要を予測する。

自律システムの目的、ひいてはその動作はシステムごとに異なるものの、すべての自律システムは、その目的を達成するために最低限満たすべき特性を備えている必要がある。

1. 自動：これは基本的に、システム内部の機能と動作を自己制御できることを意味します。そのため、自律システムは自己完結型であり、手動による介入や外部からの支援なしに起動および動作できる必要があります。また、システムを起動するために必要な知識（ノウハウ）は、システム自体に内在していなければなりません。
2. 適応性：自律システムは、その動作（構成、状態、機能など）を変更できる必要があります。これにより、システムは、長期的な（環境のカスタマイズ／最適化）または短期的な（悪意のある攻撃、障害などの例外的な状況）運用環境における時間的および空間的な変化に対応できるようになります。
3. 認識：自律システムは、現在の動作が目的に合致しているかどうかを評価できるように、動作環境と内部状態の両方を監視（感知）できる必要があります。認識によって、環境や状態の変化に応じて動作を適応させることができます。

IBMは、自律システムの導入に関して、5つの進化レベル、すなわち自律システム導入モデルを定義した。

• レベル1は、システムが基本的に手動で管理されている現状を示す基本レベルです。
• レベル2～4では、自動化された管理機能がさらに導入され、
• レベル5は、自律的で自己管理型のシステムの究極の目標を表しています。^{[ 12 ]}

自律システムの設計の複雑さは、機能的な関心をカプセル化することで関心の分離を改善するモデル・ビュー・コントローラ（MVC）パターンなどの設計パターンを利用することで簡素化できます。^{[ 13 ]}

自律システムで適用される基本的な概念の一つに、閉ループ制御があります。このよく知られた概念は、プロセス制御理論に由来します。基本的に、自己管理システムにおける閉ループ制御は、何らかのリソース（ソフトウェアまたはハードウェアコンポーネント）を監視し、そのパラメータを所望の範囲内に維持しようと自律的に試みます。

IBMによると、大規模な自己管理型コンピュータシステムでは、数百、あるいは数千もの制御ループが稼働することが想定されている。

自律システムの基本的な構成要素は、システムが外部の動作状況を観察できるようにするセンシング機能（センサー Si _）です。自律システムには、目的（意図）に関する知識と、外部からの介入なしに自ら動作するためのノウハウ（ブートストラップ、構成知識、センサーデータの解釈など）が内在しています。自律システムの実際の動作はロジックによって決定され、ロジックは目的を達成するために適切な決定を下す責任を負い、動作状況の観察（センサー入力に基づく）によって影響を受けます。

このモデルは、自律システムの動作が目的主導型であることを強調しています。これには、そのミッション（例えば、提供すべきサービス）、ポリシー（例えば、基本的な動作を定義するもの）、そして「生存本能」が含まれます。制御システムとして捉えると、これはフィードバック誤差関数として、あるいはヒューリスティック支援システムにおいては、動作空間を限定する一連のヒューリスティックと組み合わせたアルゴリズムとして表現されます。

• 自律型ネットワーク
• 自律神経系
• オーガニックコンピューティング
• 回復力（ネットワーク）

• 自律コンピューティングに関する国際会議（ICAC 2013）
• リチャード・マーチ著『自律コンピューティング』（IBM Press刊）
• 自律コンピューティングに関する記事とチュートリアル
• 実践的な自律コンピューティング – 自己管理技術へのロードマップ
• 自律コンピューティングブログ
• Whitestein Technologies – 自律コンピューティングソフトウェアの開発および統合環境を提供する企業
• Applied Autonomicsは自律型Webサービスを提供しています
• Enigmatecのウェブサイト – 自律コンピューティングソフトウェアのプロバイダー
• Handsfree Networks – 自律コンピューティングソフトウェアのプロバイダー2013年8月17日にWayback Machineにアーカイブされました
• CASCADASプロジェクト：自律的、状況認識型通信および動的適応型のためのコンポーネントウェア（欧州連合による資金提供）
• CASCADAS自律型ツールキットのオープンソース版
• ANAプロジェクト：自律ネットワークアーキテクチャ研究プロジェクト（欧州連合の資金提供による）
• JADE – 自律型管理ソフトウェア開発のためのフレームワーク
• バルセロナ・スーパーコンピューティング・センター – 自律システムおよびeビジネスプラットフォーム
• SOCRATES：無線ネットワークにおける自己最適化と自己構成
• 動的に自己構成する自動車システム
• ASSL（自律システム仕様言語） ：自律システムの仕様策定、検証、生成のためのフレームワーク
• 自律コンピューティングとそのビジネスプロセスへの活用に関する解説（IBM） - ドイツ語
• RKBExplorerにおける自律コンピューティングアーキテクチャ
• 国際自律コンピューティングジャーナル
• BiSNET/e：進化型多目的最適化を備えた認知センサーネットワークアーキテクチャ
• Licas：統合された自律型マネージャを備えた、サービスベースのネットワーク構築のためのオープンソースフレームワーク。