分散型人工知能 - 百科事典

拡散人工知能（DAI）もしくは分散型人工知能と呼ばれるものは、問題に対する分散解決策の開発に専念する人工知能研究の分野です。DAIは、多代理システムの分野に関連しており、その前身でもあります。多代理システムと分散問題解決が、DAIの主なアプローチの2つです。多くの応用とツールがあります。

定義
拡散人工知能（DAI）は、複雑な学習、計画、決定問題を解決するためのアプローチです。これにより、大規模な計算と計算リソースの空間分布を利用できる非常に並列的です。これらの特性により、非常に大きなデータセットを処理する必要がある問題を解決できます。DAIシステムは、分散されている、よくは非常に大規模なオートノミック学習処理ノード（エージェント）で構成されています。DAIノードは独立して行動し、ノード間の通信を通じて部分的な解が集約されます。これにより、スケールが大きいためにDAIシステムは堅牢で弾力的であり、緩やかに連結されています。さらに、スケールと再配置の難しさのため、問題定義や基盤データセットの変更に適応できるように設計されています。

DAIシステムは、モノリシックまたは集中型的人工知能システムとは対照的に、すべての関連データを1か所に集約する必要はありません。そのため、DAIシステムは通常、非常に大きなデータセットのサブサンプルやハッシュされた印象で動作します。また、DAIシステムの実行中に元データセットが変更されることがあります。

発展
1975年に、分散人工知能は、知能エージェントの相互作用に対応する人工知能のサブ分野として登場しました。分散人工知能システムは、協力、共存、または競争によって相互作用する知能エンティティ群として考慮されています。DAIは、多代理システムと分散問題解決に分類されます。多代理システムでは、エージェントがその知識や活動をどのように調整するかが主な焦点です。分散問題解決では、問題がどのように分解され、解が統合されるかが主要な焦点です。

目標
拡散人工知能の目標は、独自の処理ノード（エージェント）に問題を分散することで、人工知能の推論、計画、学習、認識問題を解決することです。これにより、大規模なデータセットを処理する必要がある場合に特に有効です。達成するためには、以下が必要です：

- 信頼性が低く、故障するリソースに対する堅牢で弾力的な分散システム
- ノードの行動と通信の調整
- 大データセットのサブサンプルとオンライン機械学習
- 智能エージェントグループ間での結果の統合

方法
DAIには2つのタイプが存在します：

### 多代理システム
エージェントがその知識や活動を調整し、調整プロセスについて推論します。エージェントは行動し、環境を感知し、他のエージェントと通信できる物理的または仮想的なエンティティです。エージェントは自主的であり、目標を達成するスキルを持っています。エージェントは行動を通じて環境の状態を変更します。調整技術はいくつかあります。

### 分散問題解決
作業はノード間で分割され、知識が共有されます。主な焦点は、タスクの分解と知識および解の統合です。

DAIは、AIの下から上へのアプローチと同様に、AIの伝統的な上から下へのアプローチに似たボトムアップアプローチを適用できます。さらに、DAIは発生の手段としても機能できます。

挑戦
拡散AIの挑戦には以下があります：

- エージェント間の通信と相互作用を実行する方法、およびどの通信言語やプロトコルを使用するか。
- エージェントの連結性を確保する方法。
- '知能エージェント'グループ間で結果を統合する方法。

機関
### システム：エージェントと多エージェント

#### エージェントの概念
エージェントは、問題解決のための標準的な境界とインターフェースを持つ独立したエンティティと定義できます。

#### 多エージェントの概念
多エージェントシステムは、問題解決のための単一のエンティティとして機能する、緩やかに連結されたエージェントのネットワークと定義されます。

### ソフトエージェント
DPSとMABSで使用される鍵的概念は、ソフトエージェントという抽象概念です。エージェントは、環境に対して行動する理解を持つ仮想的（または物理的）な自主的なエンティティです。エージェントは、他のシステム内のエージェントと通信し、共有の目標を達成するために協力します。この通信システムは、エージェント通信言語を使用します。

最初の分類では、エージェントを以下のように分類することが有用です：

- 反応型エージェント - 反応型エージェントは、入力を受け取り、それを処理し、出力を生成する自動機械にすぎません。
- 考慮型エージェント - 考慮型エージェントは、環境に対する内部視点を持ち、独自の計画に従うことができます。
- ハイブリッドエージェント - ハイブリッドエージェントは、反応型と考慮型の組み合わせであり、独自の計画に従いながら、考慮せずに外部イベントに直接反応することもあります。

エージェントの内部構造を説明するよく知られたアーキテクチャには以下があります：

- ASMO（分散モジュールの発生）
- BDI（Believe Desire Intention、計画を作成する一般的なアーキテクチャ）
- InterRAP（反応、考慮、社会的3層のアーキテクチャ）
- PECS（物理、感情、認知、社会的、これら4つの部分がエージェントの行動にどのように影響するかを説明）
- Soar（ルールベースのアプローチ）

参考リンク
[集体知能](https://en.wikipedia.org/wiki/Collective_intelligence) - 集団の努力から生まれるグループ知能
[連邦学習](https://en.wikipedia.org/wiki/Federated_learning) - 分散型機械学習
[シミュレートされた現実](https://en.wikipedia.org/wiki/Simulated_reality) - 偽の現実の概念
[スwarm Intelligence](https://en.wikipedia.org/wiki/Swarm_intelligence) - 分散型、自己組織化システムの集団行動

参考文献
- 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
- 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
- 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
- Trentesaux, Damien; Philippe, Pesin; Tahon, Christian (2000). "Distributed artificial intelligence for FMS scheduling, control and design support". Journal of Intelligent Manufacturing. 11 (6): 573–589. doi:10.1023/A:1026556507109. S2CID 36570655.
- 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.