[wiki翻译]分布式人工智能-Distributed AI

分布式人工智能（DAI）也被叫做去中心化人工智能，他是人工智能研究领域的一个子领域，致力于开发分布式解决方案。

DAI与多智能体系统（Multi-agent sytem）领域域切相关，并且是多智能体系统的前身。

请注意，多智能体系统（Multi-Agent system）的概念在后面会多次出现。

文章目录

1 定义

分布式人工智能（DAI）是一种用来解决复杂的学习，计划和决策问题的方法。

由于它是高度并行的，因此它能够进行大规模的计算并且充分利用分布式的计算资源。这种特性能够让它处理那些含有非常大的数据集的问题。

DAI系统由分散的自主学习处理节点（agents）组成，通常规模非常庞大。DAI节点可以独立运行，也可以通过节点之间的异步通信方式进行集成。

凭借其规模，DAI系统既坚固又有弹性，并能根据需要进行松散耦合。

此外，由于重新部署的规模和难度，DAI会在构建时就会被设计成能够适应问题定义变化，底层数据集的变化的系统。

DAI系统（是去中心化的）不需要将所有相关数据集中在一个单一的位置，而中心化的人工智能系统的节点之间往往或紧密或耦合的处于物理上相近的位置。因此，DAI系统常常会用来处理超大数据集的子样本或超大数据集的hash映像。

此外，源数据集可能在DAI系统执行过程中发生更改或更新。

2 设计目标

分布式人工智能系统的设计目标是解决人工智能的推理、规划、学习和感知等问题，特别是在需要大量数据的情况下，通过将问题分发给自主处理节点(agents)。

要实现这一目标，DAI需要:

能够对那些不可靠甚至失效的资源进行鲁棒且具有弹性的计算
能够协调节点之间的行动和沟通
是一个大数据集和在线机器学习的一部分

目前DAI研究的主流问题包括以下几类：

并行计算类问题：其主要讨论的是传统人工智能概念在分布式背景下的改变和应用，以此可以来应用多处理机系统和计算机集群来加速计算。
分布式问题的解决（DPS）：将每一个agent作为一个能够独立解决DPS问题的个体。详情见下文。
基于多智能体系统的仿真（MABS）：它是DAI的一个分支。它为那些需要同时在宏观和微观层面上分析现象的模拟奠定了基础。比如说许多社会模拟场景就需要涉及到MABS。

3 发展历史

1975年，分布式人工智能作为人工智能的一个子领域出现，主要研究的是agent之间的交互作用。

在当时，分布式人工智能系统被认为是一组被称为agent的智能实体，它们通过合作、共存或竞争进行交互。

后来DAI被分为多智能体系统和分布式问题求解两个部分。

在多智能体系统中，主要关注的是agent之间，如何去协调它们之间的信息交互和控制下一步的行为。
而分布式问题解决，主要关注的是问题的分解和解决方案的综合。

4 例子

多智能体系统和分布式问题求解是DAI的两种主要方法。有许多应用程序和工具。

5 方法

目前存在两种类型的DAI：

在多智能体系统（Multi-agent system）中，agent协调它们的知识和活动，并对协调过程进行推理。agent是物理的或虚拟的实体，可以行动，感知它的环境和其他agent通信。agent是自主的，具有实现目标的技能。agent通过其行为改变其环境的状态。在这之中，有许多不同的协调技术。
在分布式问题解决（DPS）中，所有的工作被分配给各个节点，信息同时也在各个节点之间共享。在这之中，最被关注的是如何进行任务的分配，以及如何将信息与解决步骤准确而巧妙的安排起来。

6 应用

当前的分布式人工智能在许多的领域都有着应用：

电子商务，例如在交易策略系统中，DAI系统可以从非常大的金融数据样本的子样本中来学习金融交易规则
网络通信，例如在电信方面，DAI系统可以控制WLAN网络中的资源调度
路径规划，例如用来设计运输网络中的车流模型
任务调度，例如流水作业调度，其中资源管理器需要保证局部之间的能够优化和配合，同时还要保证局部与全局之间的一致性。
通过多智能体系统（Multi-Agent systems）来开展人工生命、模拟生命的研究
电力系统，如用于变压器状态监测的多代理系统(COMMAS)， IntelliTEAM II自动恢复系统

7 工具

ECStar 一个基于规则的分布式学习系统

8 Agents and Multi-agent systems

引申阅读：Multi-agent_system§Applications

agent的概念：它可以被认为是具有标准边界和为解决问题而设计的接口的不同实体。

Multi-Agent system的概念：MAS（多智能体系统）被定义为一个松散耦合的智能体网络，他们像社会一样作为一个单一的实体来解决单个智能体无法解决的问题。

9 Software agents

DPS和MABS中使用的关键概念是称为Soft agents的抽象。一个agent通常是一个物理或虚拟上的自主实体，它能够自主的了解自己所处的环境并采取行动。一个agent通常能够与同一个系统中的其他agent进行通信，来完成一个单个实体无法独立完成的目标。这种通信新系统采用agent之间专用的通讯语言。

介绍一个对agent进行有效分类的方法：

映射型agent：这种agent不过是一个单纯的接收输入，处理输入，产生输出的自动机
解释型agent：与映射型不同，解释型agent往往能够更加其环境而产出一个内部的观点（internal view），并且能够按照预先设定好的计划行事。
混合型agent：它是前两种的混合体。它可以在特定的时候遵循自己的计划，但有时也会不经过深思熟虑直接对外部事件作出反应。

被公认的agent架构：

ASMO（分布式模块的出现）
BDI（包含意图模块，是一种描述计划如何制定的通用架构）
InterRAP（三层架构，有反应层、商议层、社交层）
PECS：(物理、情感、认知、社会)描述了这四个部分如何影响行动者的行为
Soar(一种基于规则的方法)

10 挑战

分布式AI面临的挑战是:

如何进行代理之间的通信和交互，使用哪种通信语言或协议。
如何确保agent之间的一致性。
如何通过公式、描述、分解和分配在“intelligent agents组”中的综合结果。

11 另请参阅

12 参考文献

Demazeau, Yves, and J-P. Müller, eds. Decentralized Ai. Vol. 2. Elsevier, 1990.
^ Catterson, Victoria M.; Davidson, Euan M.; McArthur, Stephen D. J. (2012-03-01). “Practical applications of multi-agent systems in electric power systems” (PDF). European Transactions on Electrical Power. 22 (2): 235–252. doi:10.1002/etep.619. ISSN 1546-3109.

A. Bond and L. Gasser. Readings in Distributed Artificial Intelligence. Morgan Kaufmann, San Mateo, CA, 1988.
Brahim Chaib-Draa, Bernard Moulin, René Mandiau, and P Millot. Trends in distributed artificial intelligence.

Artificial Intelligence Review, 6(1):35-66, 1992.

Nick R Jennings. Coordination techniques for distributed artificial intelligence. Foundations of distributed artificial

intelligence, pages 187-210, 1996.

Damien Trentesaux, Philippe Pesin, and Christian Tahon. Distributed artificial intelligence for fms scheduling, control

and design support. Journal of Intelligent Manufacturing, 11(6):573-589, 2000.

Catterson, V. M., Davidson, E. M., & McArthur, S. D. J. Practical applications of multi-agent systems in electric power systems. European Transactions on Electrical Power, 22(2), 235–252. 2012

13 阅读更多

Hewitt, Carl; and Jeff Inman (November/December 1991). “DAI Betwixt and Between: From ‘Intelligent Agents’ to Open Systems Science” IEEE Transactions on Systems, Man, and Cybernetics. Volume: 21 Issue: 6, pps. 1409–1419. ISSN 0018-9472
Shoham, Yoav; Leyton-Brown, Kevin (2009). Multiagent Systems: Algorithmic, Game-Theoretic, and Logical Foundations. New York: Cambridge University Press. ISBN 978-0-521-89943-7.
Sun, Ron, (2005). Cognition and Multi-Agent Interaction. New York: Cambridge University Press. ISBN 978-0-521-83964-8
Vlassis, Nikos (2007). A Concise Introduction to Multiagent Systems and Distributed Artificial Intelligence. San Rafael, CA: Morgan & Claypool Publishers. ISBN 978-1-59829-526-9.
Grace, David; Zhang, Honggang (August 2012). Cognitive Communications: Distributed Artificial Intelligence(DAI), Regulatory Policy and Economics, Implementation. John Wiley & Sons Press. ISBN 978-1-119-95150-6

写在最后

2019年 6月15日确定自己研究生方向为分布式人工智能方向

发现关于分布智能或distributed ai 关键词的中文资料太少

萌生翻译wiki词条，翻译国外一些文章的想法。

2020.6.19

初尝翻译文献，整个过程是非常痛苦的。

结合各大翻译软件，小初高语文知识想要用中文说的通俗易懂，然而该方面专业知识不足是硬伤，无法做到像中文一样流利的输出。

在后续的时间，会继续深入学习，并不断提高自己的翻译能力和对该领域的认知。

包括这篇文章，我也会不断去修改，优化，I promise。

非常期待您的建议和指导。

2020.6.21

在写完分布式优化算法的背景，应用场景，研究动态这篇博客后，对这篇翻译重新做了一些修改。

尤其是前五个小节修改的尽量通俗且易懂。我是不是应该把一些（url）添加上去？