多智能体系统

实现智能的一种可能方法是所谓的涌现（或协同）方法，其基于这样一个事实：许多相对简单的智能体的组合行为可以导致整个系统表现出更复杂（或更智能）的行为。从理论上讲，这种方法基于集体智能、涌现论和进化控制论的原则，这些理论认为，当低级系统被适当地组合成高级系统时，高级系统会获得某种附加价值（即所谓的元系统转变原则）。

课前测验

多智能体系统这一方向在1990年代随着互联网和分布式系统的发展在人工智能领域兴起。经典的人工智能教材之一《人工智能：现代方法》从多智能体系统的角度探讨了经典人工智能的观点。

多智能体方法的核心是智能体的概念——一个生活在某种环境中的实体，它可以感知环境并对其采取行动。这是一个非常广泛的定义，智能体可以有许多不同的类型和分类：

• 按其推理能力：
  • 反应型智能体通常具有简单的请求-响应行为
  • 推理型智能体采用某种逻辑推理和/或规划能力
• 按智能体代码执行的位置：
  • 静态智能体在专用网络节点上工作
  • 移动智能体可以在网络节点之间移动其代码
• 按其行为：
  • 被动智能体没有具体目标。这类智能体可以对外部刺激做出反应，但不会主动采取行动。
  • 主动智能体有一些目标并努力实现这些目标
  • 认知智能体涉及复杂的规划和推理

如今，多智能体系统被应用于许多领域：

• 在游戏中，许多非玩家角色使用某种人工智能，可以被视为智能体
• 在视频制作中，渲染涉及人群的复杂3D场景通常使用多智能体模拟
• 在系统建模中，多智能体方法用于模拟复杂模型的行为。例如，多智能体方法已成功用于预测COVID-19疾病在全球的传播。类似的方法可以用于模拟城市交通，并观察其对交通规则变化的反应。
• 在复杂的自动化系统中，每个设备可以作为一个独立的智能体，这使得整个系统不那么单一且更具鲁棒性。