分散型人工知能

分散型人工知能（DAI ）は、分散型人工知能^[1]とも呼ばれ、問題に対する分散型ソリューションの開発に特化した人工知能研究のサブフィールドです。DAIは、マルチエージェントシステムの分野と密接に関連しており、その前身です。

マルチエージェント システムと分散問題解決は、2 つの主要な DAI アプローチです。多数のアプリケーションとツールがあります。

分散型人工知能 (DAI) は、複雑な学習、計画、意思決定の問題を解決するためのアプローチです。これは驚異的な並列性を備えているため、大規模な計算と計算リソースの空間分散を活用できます。これらの特性により、非常に大きなデータ セットの処理を必要とする問題を解決できます。DAI システムは、多くの場合非常に大規模に分散された自律学習処理ノード(エージェント) で構成されます。DAI ノードは独立して動作でき、部分的なソリューションはノード間の通信によって統合され、多くの場合非同期です。その規模により、DAI システムは堅牢で弾力性があり、必然的に疎結合になっています。さらに、DAI システムは、規模と再展開の難しさにより、問題の定義や基礎となるデータ セットの変更に適応できるように構築されています。

DAI システムでは、密結合され地理的に近い処理ノードを持つモノリシックまたは集中型の人工知能システムとは対照的に、すべての関連データを 1 つの場所に集約する必要はありません。したがって、DAI システムは、非常に大規模なデータセットのサブサンプルまたはハッシュされたインプレッションで動作することがよくあります。さらに、DAI システムの実行中にソース データセットが変更または更新される可能性があります。

1975年に分散型人工知能は、インテリジェントエージェントの相互作用を扱う人工知能のサブフィールドとして登場しました。^[2]分散型人工知能システムは、協力、共存、または競争によって相互作用するエージェントと呼ばれるインテリジェントエンティティのグループとして考えられました。DAIは、マルチエージェントシステムと分散型問題解決に分類されます。^[3]マルチエージェントシステムでは、エージェントが知識と活動をどのように調整するかが主な焦点です。分散型問題解決では、問題がどのように分解され、解決策がどのように統合されるかが主な焦点です。

分散型人工知能の目的は、人工知能の推論、計画、学習、認識の問題、特に大量のデータを必要とする問題を、自律処理ノード (エージェント) に分散させることで解決することです。この目的を達成するために、DAI には次のものが必要です。

• 信頼性が低く、障害が発生するリソースを疎結合した上で、堅牢かつ弾力性のある計算を行う分散システム
• ノードのアクションと通信の調整
• 大規模データセットのサブサンプルとオンライン機械学習

インテリジェンスを分散させたり、マルチエージェント システムに対処したりする理由はたくさんあります。DAI 研究における主流の問題は次のとおりです。

• 並列問題解決: 主に、従来の人工知能の概念をどのように変更して、マルチプロセッサシステムやコンピューター クラスターを使用して計算を高速化できるかを扱います。
• 分散問題解決(DPS):相互に通信できる自律エンティティであるエージェントの概念は、DPS システムを開発するための抽象化として機能するように開発されました。詳細については、以下を参照してください。
• マルチエージェントベースシミュレーション (MABS): 多くの社会シミュレーションシナリオと同様に、マクロレベルだけでなくミクロレベルでも現象を分析する必要があるシミュレーションの基盤を構築する DAI のブランチ。

2 種類の DAI が登場しました。

• マルチエージェントシステムでは、エージェントは知識と活動を調整し、調整のプロセスについて推論します。エージェントは、行動し、環境を認識し、他のエージェントと通信できる物理的または仮想的なエンティティです。エージェントは自律的で、目標を達成するためのスキルを持っています。エージェントは、行動によって環境の状態を変更します。さまざまな調整手法があります。^[4]
• 分散型問題解決では、作業はノード間で分割され、知識が共有されます。主な関心事は、タスクの分解と、知識とソリューションの統合です。

DAI は、AI の従来のトップダウン アプローチだけでなく、サブサンプション アーキテクチャに似たボトムアップアプローチを AI に適用できます。さらに、DAI は創発の手段にもなります。

分散 AI における課題は次のとおりです。

1. エージェントの通信と相互作用をどのように実行するか、またどの通信言語またはプロトコルを使用するか。
2. エージェントの一貫性を確保する方法。
3. 定式化、説明、分解、割り当てによって「インテリジェント エージェント」グループ間で結果を統合する方法。

DAI が適用されている領域は次のとおりです。

• 電子商取引、例えば取引戦略の場合、DAIシステムは非常に大きな金融データのサンプルのサブサンプルから金融取引ルールを学習します。
• ネットワーク、例えば通信分野ではDAIシステムがWLANネットワーク内の協調リソースを制御する^[5]
• ルーティング、例：交通ネットワークにおける車両の流れのモデル化
• スケジューリング、例えば、リソース管理エンティティが全体と局所の一貫性のために局所的な最適化と協力を保証するフローショップスケジューリング
• 検索エンジン、例えばIthyのようなLLM連合検索では、文書の検索と分析が集約前にDAIエージェントに分散される^[6]
• マルチエージェントシステム、例：人工生命、シミュレートされた生命の研究
• 電力システム、例えば変圧器の状態監視に適用される状態監視マルチエージェントシステム（COMMAS）、IntelliTEAM II自動復旧システム^[7]

ツールへの DAI 統合には以下が含まれます。

• ECStarは分散ルールベースの学習システムです。^[8]

エージェントの概念: エージェントは、問題解決のために設計された標準的な境界とインターフェースを持つ個別のエンティティとして説明できます。

マルチエージェントの概念: マルチエージェント システムは、個々のエージェントでは解決できない問題を解決するために、社会のような単一のエンティティとして機能する、緩く結合されたエージェントのネットワークとして定義されます。

DPS と MABS で使用される重要な概念は、ソフトウェア エージェントと呼ばれる抽象化です。エージェントは、環境を理解し、それに応じて動作する仮想 (または物理) 自律エンティティです。エージェントは通常、同じシステム内の他のエージェントと通信して、1 つのエージェントだけでは達成できない共通の目標を達成できます。この通信システムは、エージェント通信言語を使用します。

最初に役立つ分類は、エージェントを次のように分類することです。

• リアクティブエージェント – リアクティブエージェントは、入力を受け取り、それを処理して出力を生成するオートマトンに過ぎません。
• 熟慮型エージェント -対照的に、熟慮型エージェントは環境の内部的な見解を持ち、独自の計画に従うことができます。
• ハイブリッド エージェント - ハイブリッド エージェントは、反応型と熟慮型の混合型であり、独自の計画に従いますが、熟慮せずに外部イベントに直接反応することもあります。

エージェントの内部構造を説明する、よく知られたエージェント アーキテクチャは次のとおりです。

• ASMO（分散モジュールの出現）
• BDI (Believe Desire Intention、計画がどのように作成されるかを説明する一般的なアーキテクチャ)
• InterRAP (リアクティブ層、審議層、ソーシャル層の 3 層アーキテクチャ)
• PECS (物理、感情、認知、社会、これら 4 つの部分がエージェントの行動にどのように影響するかを説明します)。
• Soar（ルールベースのアプローチ）

• 集団的知性 – 集団的努力から生まれる集団的知性
• フェデレーテッドラーニング – 分散型機械学習
• シミュレートされた現実 – 現実の偽バージョンの概念
• 群知能 – 分散型、自己組織化システムの集団行動Pages displaying short descriptions of redirect targets

• Hewitt, Carl、および Jeff Inman (1991 年 11 月/12 月)。「DAI の狭間で: 「インテリジェント エージェント」からオープン システム サイエンスへ」IEEE Transactions on Systems, Man, and Cyber​​netics。巻: 21、号: 6、pps. 1409–1419。ISSN 0018-9472
• Grace, David; Zhang, Honggang (2012 年 8 月)。認知コミュニケーション: 分散型人工知能 ( DAI )、規制政策と経済、実装。John Wiley & Sons Press。ISBN 978-1-119-95150-6 
• ショーハム、ヨアブ、レイトンブラウン、ケビン (2009)。マルチエージェントシステム：アルゴリズム、ゲーム理論、論理的基礎。ニューヨーク：ケンブリッジ大学出版局。ISBN 978-0-521-89943-7。
• サン、ロン（2005）。認知とマルチエージェントインタラクション。ニューヨーク：ケンブリッジ大学出版局。ISBN 978-0-521-83964-8 
• Trentesaux, Damien; Philippe, Pesin; Tahon, Christian (2000). 「FMS スケジューリング、制御、設計サポートのための分散型人工知能」。Journal of Intelligent Manufacturing。11 ( 6 ): 573–589。doi : 10.1023 /A:1026556507109。S2CID  36570655。
• Vlassis, Nikos (2007)。『マルチエージェントシステムと分散人工知能の簡潔な入門』。カリフォルニア州サンラファエル：Morgan & Claypool Publishers。ISBN 978-1-59829-526-9。