Intelligent Agent

◎ 蘇揚傑(國立臺灣師範大學英語學系研究所碩士)

一、意涵

智慧型代理人(Intelligent Agents, IA)最早約在1990年代開始在AI學界引起討論。

有一說為大約在1992年間,Dr. Pattie Maes(美國麻省理工學院媒體實驗室)提出了智慧型代理人的概念。爾後美國先進國防研究計畫室(DARPA)開始資助各大學研究機構等從事這方面的研發。Dr. Jeffrey M. Bradshaw 將這些草創時期的研發成果編成專書 Software Agents(AAAI Press, 1997)。同年,在南加大資訊科學院Dr. Lewis Johnson等教授舉行第一屆國際自主性代理人系統學術研究會(The First International Conference on Autonomous Agents)。

在臺灣,臺灣大學資工系許永真教授表示,智慧型代理人的發展是因為古典人工智慧發展受挫:古典人工智慧的目標是要達到跟人類一樣好的程度,但是上個世紀末卻無法達成,因此研究方向於是轉為以最佳化的方式解決問題,也就是智慧型代理人的概念。許永真教授也於2016年成立智慧型代理人實驗室(Intelligent Agents Lab)。

智慧型代理人並無統一且明確的定義。常見的定義是,一個能理解其周遭環境,並從中學習且能聰明地與之互動以便解決問題的系統。根據維基百科的定義,智慧型代理人指的是「能以感測器與相應的執行器觀測環境,進而做出決策以達到目標的自主性實體。智慧型代理人通常能夠學習並運其知識」。

簡言之,如下圖所示

Credit: “Agents in Artificial Intelligence” 

二、Intelligent Agent 智慧型代理人特徵

根據Nikola Kasabov於「序章:混合智慧型適應系統」(“Introduction: Hybrid intelligent adaptive systems”) 一文,智慧型代理人具下列特徵:

  • 能漸進式增加新的問題解決方式
  • 能同時運用於網路與現實中
  • 能自我分析其行為、錯誤與成就
  • 能從與環境之互動中學習與改善
  • 能從大量的數據中快速學習
  • 具有記憶庫與從其中檢索過往資訊的能力
  • 具有能代表其短期與長期記憶的參數

清華大學資訊工程系蘇豐文教授表示,通常,區別一個智慧型代理人軟體與一般軟體的方法,須看它是否具備自主性、社會性、適應性、反應性、預設活動、行動能力與個人化等幾種特性。並非號稱代理人的軟體都完整地具備所有特性,而且,這些特性亦具有不同程度的展現,只不過,具備愈多特性的軟體程式愈像代理人程式。

自主性:傳統的軟體設計是被動的,必須依賴使用者下達指令來反應,所以無法滿足某些領域的應用。自主性是相對的,非絕對的。一個絕對自主的軟體,完全不聽外界指揮,也等於沒有效用。自主指的是代理人有自己的利益與目標,其所表現出來的行為決策,是這些利益、目標和外界狀況與環境妥協的結果,並非完全不聽指示。

社會性:主要是指眾多代理人之間的溝通協調與合作競爭關係。當一個代理人處理問題遇到瓶頸時,他該如何與其他代理人溝通協商,如何與其他代理人合作以達成任務呢?此外,他在一個社會組織裡的角色扮演與權限又如何,在社會規範下所應遵守的正常行為準則中,有哪些是權利,哪些是被允許的行為,哪些又是義務呢?

如維基百科指出,現代關於智慧型代理人研究是在如Judea Pearl, Allen Newell, Leslie P. Kaelbling等學者將決策理論與經濟學等概念帶入AI研究後才更臻成熟。在研究代理人的社會性中,包括了賽局理論(game theory)和計算組織理論(computational organization theory)。賽局理論主要探討,一位代理人在面對不同決策衝突時,如何尋求「穩定解」與「最佳解」,否則在一個自私自利或各為其主的環境中,背叛或欺騙在所難免。當然,所謂穩定解與最佳解有時不一定存在,或許代理人面對兩難時,會透過和其他代理人協商的方式尋找較佳的「妥協解」,這些都是了解智慧型代理人行為的基本認知。

適應性:智慧型代理人對於自己所處環境,必須具有適當的感應與學習力,以便從環境中做出適當反應,人工智慧研究裡有很多機器學習的理論模型與方法,包括統計學習、類神經網路、增強式學習法、歸納式學習法,都可讓代理人學習其所處環境的參數,以及代理人彼此間互動對應的規律性,以幫助代理人了解其他代理人行為、調整自己的行為,適應環境,增加解決問題的效率。

多個代理人之間的互動關係,也可藉由生態學的演化機制找出最佳互動模式,在此所謂的環境應包括所處的環境參數與其他代理人的行為反應。所以,適應性亦應包括學習對手的行為,以作為代理人的決策參考。

反應性與預設活動:反應性意指代理人應對環境的變化做出即時反應。預設活動是指由代理人自行訂定目標,找出執行方法,並主動達成任務;萬一狀況改變,也能修改計畫,設定新的子目標。這類規劃能力包括由單一代理人或由多個代理人共同完成工作的方案,因為牽涉到彼此間的協調合作限制,當多個代理人一起規劃時,其情況比單一代理人來得複雜。

而且,代理人在執行目標導向任務時,仍須兼顧對於環境的反應性,這對代理人而言並非易事。因為,代理人不知道是環境變化參數比較重要,還是正在執行的目標重要。倘若需對環境做出適時反應,該如何執行才能減少對目標追求的違背呢?這些都值得研究。

個人化與行動能力:個人化簡言之是針對主人的偏好與限制提供適當的服務,亦即,一種學習取得或建構使用者輪廓的能力,藉以利用此輪廓達到個人化服務目標。一般代理人在提供個人化服務時,較常使用的技巧是過濾與推薦。例如,先由使用者提出一些想看的文章給資訊代理人,再由資訊代理人將文章中常用的詞彙統計分析,用這些詞彙作為使用者輪廓,以比對其他文章或過濾一些不相干作品,如此即可篩選出使用者可能有興趣的文章。又如,由資訊代理人統計不同品味的人對各式餐廳的評鑑後,再將合適的餐廳推薦給品味類似的人,學術上稱此為合作式過濾法。

惟在提供個人化服務過程中仍存在某些限制。例如委託智慧型代理人代為購買電影票時,代理人必須知道你的預算限制、時間限制、地點限制,甚至你喜好的電影題材是什麼;而其中有些是必須被滿足的限制,如電影放映時間必須是你有空的時間;又需注意某些具有彈性的限制,如電影院的地點遠近等,如此才能買到符合需求的電影票。這是代理人提供個人化服務的例子,也是資訊代理人透過各種機器自動學習法,學習使用者輪廓的模式。

相互運轉能力與行動計算:欲讓智慧型代理人在不同主機上自由行動、執行任務,其間所需的技術問題相當複雜。首先,行動代理人需要知道哪些地方是可以去的,而要去的主機也要有平臺讓代理人停留並使用一些系統資源。這種在不同平臺及主機上執行程式的能力,我們稱為相互運轉能力,它是分散式系統所欲達成的一個目標。

另一種行動能力的考量,是指行動計算。一位助理或在筆記型電腦上使用的軟體代理人,須具備隨時可以中斷工作,跟隨主人移動到另一個地點後,仍可從網域上進入網際網路,接續之前的進度,繼續工作,而且,先前已完成的事務不受影響。這種不會因為換了位置就換腦袋的能力,被稱為持續性。


除了蘇豐文教授所提出的特性,許永真教授也提出智慧型代理人和古典人工智慧的區別:所以智慧型代理人,就是針對某些任務,在它知道的知識範圍內,能夠以最好的方式自主完成。古典人工智慧的目標是要跟人類一樣好,但是到了智慧型代理人,則是把目標放在把事情做好,所以不以人工智慧來形容,也是怕被誤解是古典人工智慧,現在主流的頂尖國際研討會其實是以 Multi-agent systems 為名。

許永真表示,智慧型代理人這個領域主要研究的方向是怎麼解決問題、怎麼做規劃、怎麼做不同實體之間的協調與互動,所以發展出很多演算法。現在最熱門的領域是機器學習,但機器學習只是人工智慧裡面的一小部分,其他還有自動規劃、互相協調等領域也都有各種演算法,而且這些領域應該會是下一波的研究重點。

關於其他學者對於智慧型代理人的定義,如梁文耀、李維哲、陳惠貞所整理之下表所示:

智慧型代理人的應用範圍及其廣泛,常見的領域包括電子商務、遠距教育與學習、電子化政府服務、數位圖書館、企業、軍事,生醫資訊等等,都是智慧型代理人能發揮功能的地方。關於智慧型代理人的相關應用,則如同篇文章中下表所示:

三、結論

智慧型代理人看似方便,其實在安全性上有不容忽視的疑慮。蘇豐文教授指出,當代理人被允許進入一個系統使用資源時,這個入侵代理人可能是惡意的病毒或是駭客程式,萬一系統管理不當,勢將造成安全死角。另一方面,行動代理人也可能誤入「黑店」系統而被綁架或不當使用,這些都是頭痛的問題。但反過來說,行動代理人也可以增加系統的安全性,比方在國防系統中,倘若指揮系統軟體是一個行動代理人,除可游走在不同主機外,又能避開一次就被敵人把指揮系統摧毀的威脅,或在系統不穩定時能爭取時間,趕快把重要程式移走。


參考文獻

相關法學文獻

« Back to Glossary Index