Kennissystemen Ontwikkeling van intelligente systemen met een krachtig probleemoplossingsvermogen op experten-niveau (knowledge engineering) Onderzoek en toepassingen in de jaren ’80 – ’90

Kennis-gebaseerde systemen Uitgangspunten Benadering Resultaten Intelligente software agents Context VUB Agent projecten (illustratie COMRIS project) Agents: wordt vervolgd… Overview

Uitgangspunten (’70-’80) Intelligentie in systemen ontstaat door Observeren menselijk probleemoplossings- gedrag Vertalen naar heuristieken en beslisbomen Generieke redeneercomponent Specifieke taak en probleemdomein (bv. Diagnose auto’s) IF (Car does not Start) AND (Lights do not work) THEN Battery is empty and needs to be replaced

Uitdagingen Meer sturing tijdens de kennis-acquisitie Robustheid van de probleemoplossings- competentie; Aanpasbaarheid / onderhoudbaarheid Eerste generatie : regel-gebaseerde redeneersystemen Tweede generatie : model-gebaseerde redeneersystemen

The Knowledge Level Approach Observable expert problem solving behavior Knowledge Level Model Knowledge acquisition Conceptual System Model Structure- preserving design Aposteriori analyse 1 2 3

Domain Models USING Task Model WHAT Problem-Solving Models HOW Knowledge Level Models 1

Knowledge Level Modelling Vraagstelling Beschrijvend en voorspellend vermogen Herbruikbaarheid van modelleringservaring Resultaten Component of Expertise & CommonKADS Empirische modellen voor Diagnose van processorkaarten System 12 (Alcatel) Scheduling van treinschema’s (NMBS) Referentie (interpretatie) modellen 1

Structure-Preserving Design Vraagstelling Hoe beschrijvend expertise model transformeren naar een software applicatie model? Haalbaarheid om taak-methode-domein structuur te handhaven? Resultaten Notie van task features t.b.v. transformatie regels CML en KREST (van modellen naar uitvoerbare code) 2

Operationele Kennissystemen Vraagstelling Probleemoplossingsvermogen Industrialiseerbaarheid Onderhoudbaarheid Resultaten Evolutie in applicatie architecturen Diverse industriële toepassingen TroTelC (diagnose van processorkaarten) Scheduling treinschema’s Verkoopsondersteunend offerte systeem Afhandeling schadeclaims Brand Evaluatie krediettoekenning... 3

Application Architectures Run Domain knowledge Task-specific reasoning component end-user application Customer requirements Tender Task-specific domain-independent knowledge modelling tool Edit maintenance Expert knowledge Domain editor

Conclusie Systematisch onderzoek aan VUB AI-Lab (’80- ’90) heeft geleid tot Raamwerk voor expliciete kennis modellen Ontwikkelomgevingen voor kennissystemen Industriële toepassingen Alternatieve aanpak voor de ontwikkeling van intelligentie systemen (agents-based)

Kennis-gebasseerde systemen Uitgangspunten Benadering Resultaten Intelligente software agents Context VUB Agent projecten (illustratie COMRIS project) Agents: wordt vervolgd… Overview

Intelligent Agents Goal of AI: to build agents that exhibit aspects of intelligent behaviour Agent Theory Agent Architectures Agent Languages Cfr. Wooldridge and Jennings, 1994

Symbolics vs. Dynamics paradigm Symbolic AI (deliberate agent) (Newell and Simon, 1976) : Representation of the world (vision, speech, learning,…) Reasoning mechanisms (KR, reasoning, planning,…) Subsumption architecture (Brooks, 1985; Steels, 1989) : Situatedness, embodiment Emergence (interaction with environment)

Intelligent software Agents Key agent properties: Action, perception Interaction Autonomy (Maes, ’90) Adaptivity, learning (Vandevelde, ’88) Key architecture properties: Scalability Interoperability

VUB arti agent-based projects VIM: Virtual multicomputer for symbolic applications ( ) Magica: Multimedia Agent-based Interactive Catalogues ( ) Geomed: Geographical mediation systems ( ) COMRIS Cohabited Mixed-reality Information Spaces ( )

COMRIS Co-habited mixed reality Virtual space supports physical space: Interest topology vs. Distance topology Sensing (context perception) and action (information push) Interaction: Competition for attention Relevance, competence, performance Interest, context Autonomy: interest based navigation

interest based navigation competition for attention information push virtual space physical space PRA PA context sensing interest based navigation information layer Comris co-habited mixed reality information spaces

Agent infrastructure Each agent has a secretary which handles its communication with peers Secretaries join group interest groups to increase scalability –Subspace: many-to-many –Publish Group: one-to-many Pooling secretaries in a process increases per machine scalability Direct connections remove bottle necks

Wearable device: parrot Copyright Starlab nv

Comris demo I 3 Conference, Jönköping (Sw), 2000

Agents continued… Industrial take-up: autonomy, proactivity e.g. Filtering agents: Amazon, eBay… Monitoring agents: software updates Challenges for the future: open systems Technical interoperability : see EU FP6: Agentlink RoadmapAgentlink Semantic interoperability : sharing information in an information-rich, universal web (see Knowledge Web, EU FP6 )Knowledge Web