|
Sumario del Proyecto - Objetivos
El objetivo principal del proyecto propuesto es el desarrollo de una
infraestructura integrada para el entrenamiento de Agentes Inteligentes
(IA), basado en técnicas de Minera de Datos (Data Mining). El objetivo
de Agent Academy es mejorar las habilidades de los Agentes Inteligentes
para aprender, crear inferencias y tomar decisiones propias.
Se espera un resultado positivo de este esfuerzo para propagar
el uso de tecnologías relacionadas con los Agentes Inteligentes,
tanto en las prácticas de negocios como en el uso personal.
Los objetivos específicos incluyen:
- Anlisis de requerimientos, especificaciones y diseño de la arquitectura
de AA
- Desarrollo de herramientas para
la recogida de datos sobre el uso y el comportamiento de los agentes.
- Desarrollo de técnicas de Data Mining para extraer el conocimiento sobre
las características de comportamiento de los Agentes Inteligentes.
- Demostración y evaluación de la plataforma AA.
- Desarrollo de tres escenarios industriales donde probar el uso de AA.
- contribución a las Comunidades y Organizaciones de investigación .
- Diseminación de los resultados del proyecto.
Sumario del Proyecto Descripción del trabajo
La infraestructura de Agent Academy (AA) funciona como sistema multi-agentes, que puede
entrenar nuevos agentes o reciclar los propios de un modo recursivo.
Un usuario solicita un conjunto de especificaciones funcionales
para un nuevo grupo de agentes. La solicitud es recogida por la
Factora de AA, que es el módulo encargado de seleccionar el tipo
de agentes más apropiado y facilitar el cdigo base para ello. Este
agente no entrenado (UA) dispone de un mnimo grado de inteligencia,
definido por el diseñador de software. Entra entonces en el módulo
del Agent Training (AT) donde su percepcin del mundo aumenta significativamente
durante una sesin virtual interactiva con un agente maestro (AM).
Basado en el conocimiento encapsulado, adquirido en la fase de extracción
del conocimiento, un AM puede participar en una larga transacción
agente-a-agente (A2A) con el agente no entrenado (UA).
El núcleo del Agent Academy es
el Repositorio de Agentes de Uso (AUR), una coleccin de datos estadsticos
basada en la experiencia y el comportamiento a priori de los agentes.
La construccin de AUR ser un proceso continuado realizado por
un gran número de agentes móviles y controlado por el módulo de
adquisición de datos. El AUR se encarga de que el Data Miner, la
implementación del módulo de minera de datos, realice la clasificación
y la asociación de las reglas de extracción en el proceso de la
toma de decisiones. Una gran parte de la inteligencia del agente
manipula el conocimiento adquirido desde el inicio de su vida
social, a través de la interacción con el entorno sobre el que acta.
Despus
de que el entrenamiento se ha completado, el ahora agente inteligente,
dotado con herramientas para informar de su comportamiento al AA, es liberado al mundo. El AA
está continuamente integrado, ya que recibe el retorno de los agentes
móviles dando vueltas por la web, actualizando el repositorio de
los agentes de uso y refinando sus técnicas de minera de datos
y de AT.
Se espera que los principales usuarios del Agent Academy sean las empresas
de software que desarrollan aplicaciones personalizadas basadas
en agentes inteligentes. Los usuarios deAA podran dividirse en tres categoras:
diseñadores de Agentes de Sistemas Desarrolladores de aplicaciones de Agentes Investigadores y practicantes de tecnologías
Adicionalmente las empresas comerciales pueden hacer un uso implcito
de la infraestructura de AA, para desarrollar agentes para sus propias
funciones de negocio e incorporar soluciones tecnológicas de IA.
No obstante estas empresas no se consideran usuarios explcitos
de la infraestructura de AA. AA puede facilitar negocios con una
herramienta integrada para construir aplicaciones basadas en IA
para satisfacer las necesidades de inteligencia crecientes de los
negocios y una gestión avanzada de datos.
Al final del proyecto, los socios del consorcio de Agent Academy(a partir de ahora El Consorcio) habrn desarrollado todas
las herramientas de software requeridas para soportar el entrenamiento
de agentes y habrn evaluado la plataforma bsica de AA.
Los participantes del Consorcio pueden dividirse en tres grupos (más detalles
de cada uno de los participantes puede encontrarse en el Apndice
de este documento).
- Socios investigadores del Consorcio (CERTH, METU, UT) responsables de las tareas del diseño
de la arquitectura de software y el desarrollo de metodologías
innovadoras para el entrenamiento de agentes. Estos socios evaluarn
también la plataforma AA para asegurar que cumple las especificaciones
y requerimientos predefinidos.
- Empresas comerciales de software del Consorcio
(M-BIS, Tech@Spree) realizarn la implementación de los componentes
de software especificados.
- Socios industriales comerciales(IDI-EIKON, AMADEE,
UNISOFT) realizarn la evaluación del AA en tres escenarios
reales, que serán definidos en detalle durante la fase de evaluación
del proyecto.
Resultados Esperados
Una vez finalizado el proyecto, se esperan los siguientes resultados,
metodológicos tecnológicos y econmicos:
Una plataforma de metodologías para la especificación,
diseño y realización conceptual de la arquitectura de Agent Academy,
relacionada con el desarrollo de una plataforma integrada de software
que soporte la creación de nuevos agentes y mejore su inteligencia
con el uso de técnicas de Data Mining, que subsecuentemente permanecerán
como fuente de referencia. Esto demostrar el modelo conceptual
de la Agent Academy Factory. Propiciar tecnologías innovadoras,
i.e. un modelo de infraestructura para el aprendizaje de agentes
inteligentes basado en tecnologías de DM que permitir la deteccin
de comportamientos patrones extraos en las transacciones Agente-a-Agente. Tres casos industriales de prueba
se realizarn, para probar, validar y evaluar los desarrollos del
proyecto, resultando en la aplicación del concepto y tecnologías desarrolladas en un
entorno de trabajo real. La primera prioridad e los objetivos de
los socios industriales, es reducir los tiempos de diseño e implementación
de sus productos y mejorar los parmetros de la calidad de servicio.
Estos diferentes procesos de aplicación, serán soportados con una
estructura organizativa adecuada y herramientas especficas, de
cara a reducir el tiempo y costes de los procesos. Representantes de la Industria Europea de las Tecnologías de la Información
(unos 15), usuarios finales industriales, as como proveedores de
software, podrn evaluar los desarrollos a lo largo de todo el proyecto
y dar recomendaciones al Consorcio dentro de la plataforma conjunta
para las actividades de diseminación y explotación. El desarrollo de un Plan de Uso y Diseminación y un Plan
Tecnológico de Implementación final, se prepararn
para preparar el campo para la diseminación y posterior explotación
comercial de Agent Academy, para permitir una aplicación a gran
escala de la infraestructura de IA desarrollada en el proyecto.
Descripción Funcional de Agent Academy
Agent Academy forma una plataforma integrada que se alimenta de sus usuarios
y de la web. La figura 1 ilustra el diagrama funcional de AA y sus
principales componentes. AA
opera como un sistema multi-agente que puede entrenar nuevos agentes
o reciclar los propios de un modo recursivo. Un usuario (una entidad
fsica o virtual) solicita un Nuevo grupo de agentes con una especificaciones
funcionales. La Factora de Agentes, el modulo responsable de seleccionar
el tipo de agentes más apropiado y suministrar el cdigo para ello,
recoge la solicitud. Un nuevo agente no entrenado (UA), dispone
de un grado de inteligencia mnimo, definido por el diseñador de
software. Este agente entra en el módulo de Entrenamiento de Agentes,
donde su percepcin del mundo aumenta substancialmente durante una
sesin interactiva virtual con un agente maestro (AM). En base al
conocimiento encapsulado, adquirido durante su fase de extracción,
un AM puede tomar parte en largas transacciones Agente-a-Agente
(A2A). Este proceso puede incluir modificaciones en el camino transversal
de decisión del agente y un aumento en la aplicación de adaptación
en las transacciones reales del entorno.
Uno de los componentes nucleares de AA es el Repositorio
de Agentes de Uso, que es una coleccin de datos estadsticos basada
en la experiencia y conocimientos a priori del agente.
Es en el contenido del AUR, donde las técnicas de
data mining, tales como la extracción de las reglas de asociación
para los procesos de la toma de decisiones, son aplicados para aumentar
la inteligencia de los AM en el módulo de entrenamiento. La construccin
de AUR ser un proceso continuo realizado por un gran número de
agentes móviles y controlado por el módulo de Adquisición de Datos.
Gran parte de la inteligencia de un agente manipula el conocimiento
adquirido por el agente desde el inicio de su vida social a través
de la interacción del entorno sobre el mismo. El AUR recibe, organiza
y gestiona los siguientes tipos de datos:
Perfiles y preferencias de Usuarios. rbol transversal de sendas y contenido de valor de los AA
graduados que recorren la web. Puede recogerse información adicional
a medida que se necesite. Comportamiento y patrones de movilidad de otros agentes informados
por servidores de web remotos, que han aceptado participar en este
esfuerzo y facilitar datos estadsticos relevantes. Los invitados
remotos tendrán la opción de elegir y extender el alcance de sus
informes. Meta-datos para categorizar y describir los contenidos del
AUR.
|
