代理人的介紹

代理人這一個概念的呈現並非是最近才興起的，它可以推回到早期人工智慧 的發展。代理人的概念於1950 年中期由 John McCathy 所提出，而『Agent』這 一個字眼則由MIT(Massachusetts institute of technology)的 Oliver G. Selfridge 所創 造。Nwana (A.D. 1996 年) 將有關代理人技術的研究進展分為兩個主要階段：第 一階段起自1977 年，主要是應用在分散式人工智慧；第二階段則起自 1990 年，

與傳統的人工智慧領域不同的是，在這個階段比較不注重思慮和推理等能力，所 專注的方向是doing 和遠端行動。這一波風潮的帶動主要是因為有兩個力量在拉 扯，第一個是因應網路時代的來臨，資訊的大量成長已經不是光靠人就可以解 決，因此需要代理人幫忙我們進行一些工作，像搜尋資訊、過濾資訊等等；另外 一點就是針對個人化需求的來臨，讓使用者或軟體應用發展者能夠快速的發展個 人化、多樣化的應用。

關於代理人的定義，到目前為止並沒有一個統一的說法，在此便不多加贅 述，詳細的整理可在[24]的第四章中看到。代理人的分類與特點，可參考 Gilbert 等人(1995，IBM)所描述的：將代理行為(agency)，智慧(intelligent)和移動性 (mobility)分別代表三個維度，透過這三個維度形成如圖 4.1 所示的空間概念以分 類代理人。

圖4.1 Gilbert 對 Agent 的分類

˙ 智慧性(intelligence)：表示的是推理和學習的能力，屬於傳統人工智慧的範 疇，可以分為喜好(preferences)、推理(reasoning)、計畫(planning)和學習 (learning)。

˙ 代理行為(agency)：表示代理人是運作在一個什麼樣的機制下，基本的可能 只是代理人和代理人之間簡單的非同步協調運作，更深一點的可代表使用者 的某些行為，甚至是一個完整的服務。可將其劃分為幾個程度：非同步運作 (asynchrony) 、 使 用 者 的 再 現 (representation of user) 、 資 料 互 動 (data interactivity) 、 應 用 互 動 (application interactivity) 、 服 務 互 動 (service interactivity)。

˙ 移動性(mobility)：表示代理人在網路上不同節點的移動能力，其想法來源比 較偏屬於分散式計算，可將其劃分為靜態(static)代理人、mobile scripts 和

由Gilbert 等人所劃分的技術維度來看，我們可以看到傳統的應用，如專家系 統、智慧型代理人等等，其多主要是在代理行為和智慧性兩個維度的設計，而移 動性這個維度的提出主要是因應現在的系統越來越複雜，已經不是單一平台所能 夠處理，因此移動性這個功能將能夠分擔計算上的負擔、以及一些其他的優點。

而從 Gilbert 等人對代理人的劃分仍然無法讓我們具體的了解到一個代理人該具 有那些重要屬性，此外，根據其他文獻的討論，代理人還有其他的內涵屬性，然 而代理人並不需要完全符合所有的屬性，而要視代理人的應用和目標而論，來增 加或減少他的功能和屬性。

代理人系統，特別是多代理人系統，是分散式人工智慧(distributed artificial intelligence；DAI)研究當中的一個子領域，已經在人工智慧領域中被提起二十多 年。分散式人工智慧又分成分散式問題解決(distributed problem solving；DPS)和 多代理人系統(multi-agent systems)兩個部分被廣泛討論，下面將就代理人系統分 成單代理人系統和多代理人系統兩種來為大家介紹。

單代理人系統比較簡單，也比較傾向解決自己內部的問題，在整個外界環境 中，自主性的透過偵測器(sensors)蒐集外部環境資訊，並在內部則使用自己的領 域知識(domain knowledge)做出符合自己目標的處理、決策並直接反應(effectors) 到外界環境上，期許結果能夠達到符合自己的目標。圖4.2 表示了一個單代理人 系統的架構圖。

圖4.2 單代理人系統的架構

多代理人(Multi-Agent)系統是近年來在人工智慧的研究中，引起相當多討論 的一種概念，其概念為利用電腦模擬人類的社會行為，例如互相合作、競爭資源 等以達成某一目的。多代理人之研究著重於一群分散於網路中的問題解決者，如 何透過之間的行為互動、本身的能力以及對於周遭環境的認知來解決問題。而這 些問題解決者通常稱之為代理人。因此，代理人與代理人之間的互動就會是多代 理人系統研究領域中的研究重點，如：合作(cooperation)、交涉協商(negotiation)、

溝通(communication)與協調整合(coordination)。

應用於本研究的多代理人系統著重在分散式的觀念，首先讓我們來看看 Z.

Papp 等人[17,25]針對智慧型車輛系統發展的相對應模擬環境，圖 4.3 為其提出的 MARS(Multi-Agent real-time simulator)概念圖。World 代表駕駛人週遭的模擬環 境，是一組Objects 的集合，駕駛人可經由 Sensors 去感測 World 並產生相對應的 Entities，為了讓此模擬系統更真實，他們加入了 Actuators，其可即時的修改 World 中的Objects。

World : 代表周圍環境。

Sensors (S) : 收集 World 的真實狀態資訊。

Actuators (A) : 產生或摧毀 Objects，以及修正 Object 屬性。

Objects : 用以描述 World。

Entities(Ei) : 經由 Sensors 或是 Actuators 產生。

圖4.3 MARS 模型概念圖

Z. Papp 等人更進一步清楚的說明所要模擬的”multi-world”環境(如圖 4.4)。

舉例來說，在 World 中有一 Object(O2)表示一輛前方車輛，此時系統中有二種 Sensor，影像(S1)和雷射掃瞄器(S2)，分別針對 World 有自己的詮釋(W¹和W²)，所 以也有相對應的O21(此車輛的外型、顏色等等)和 O22(此車輛的距離、車速等等)，

因此，結合二種 Sensor 分別對於 O2的詮釋後產生了 E1(例如：帶有外型和距離 的資訊)，當然，在此圖中沒表示出來的，針對模擬的需要，還可透過 Actuators 改變模擬情境，例如側方來車、前方車輛遠離等等。

圖4.4 ”multi-world”示意圖

本研究在多代理人的應用層面與 Z. Papp 等人所提出的非常類似：環境資訊 擷取的模式，以及同樣有影像和雷射掃瞄器二種感測器；不同的是，第一，我們 是實作於真實環境中。第二，影像與雷射掃瞄器並非抽象，並且可分別產生 Entity。第三，利用 Entities 產生警示訊息以輔助駕駛人的行車。要是實際結合硬 體則其程式設計圖將如圖 4.5 所示，是一集中式的設計方式，也就是將 CCD 與 雷射掃瞄器的接收處理程式寫在一起，在同一電腦上做計算，如此的結果會增加 程式設計上的複雜度，如要再加上即時性的考慮的話，撰寫上非常的不容易，執 行效能也會被降低。

圖4.5 集中式程式設計 圖4.6 分散式程式設計

因此，為了增加各感測器接收處理程式的擴充性及修改性，我們改為如圖4.6 的程式設計方式，將分散式的概念也套用在感測器上，分別撰寫各別感應器的接 收處理程式，並置於各別的平台上，再考慮溝通傳輸的介面，採取這樣的方法，

在每個代理人的程式撰寫上就只需考慮單一感測器，所以較為簡單，並其程式置 於各別的平台上(可跨平台)，執行效能相對較高，且利用網路作溝通合作，得到 擴充性及修改性的優點，例如再加入一感測器時，只需了解其相互間的傳輸模 式，就可加入此系統，獲得所需的資訊，即使需要修改相互間的程式，也只需作 部份的修改，即可完成，讓系統有更大的彈性。但由於分散式的關係，相對於集 中式的，其成本上的支出相對提高，整體操作上也會較為複雜。

於是，目前在本系統中有二個代理人，分別是影像代理人和雷射掃瞄器代理 人，個別的代理人皆已具有基本的輔助功能，進一步的可經過二方代理人合作協 調後互補不足，提高行車安全性。