基于Agent的智能人机接口技术

某些远程操作。

(6)社团性(Sociality)。各种Agent 之间可以相互通信、协商、协作和协调。若干Agent 可组成Agent 团队或Agent 社会。

为了表达agent 的特性和功能, agent 的模型可用一个六元素的数据集来给出。如下:

A={Au, Ac, Se, Re, Mo, So} ( 1)其中: A—Agent; Au—自律性; Ac—主动性; Se—感知性; Re—反应性;Mo—移动性; So—社团性作为拟人的智能实体, 智体的结构应类似于人。

智体的一般结构如图1 所示。在图中,智体包括如下3 个单元素:

(1)决策生成器(Decision Maker)。具有自律性Au和主动性Ac 的决策生成器根据自己的信念、愿望、意图和感受器输入的信息, 输出指令给效应器。

(2)感受器(Sensor)。具有敏感性能的感受器, 从外界环境或其他Agent 接受输入的刺激信息, 并提供经过处理的信息给决策生成器。

(3)效应器(Actuator)。具有反应性能的效应器接收决策生成器的指令, 并产生输出行动, 作用于外界环境或其它Agent。

基于Agent 的体系结构, 可以利用软件、硬件或“软一硬”件的方法和技术来设计和实现。

4 基于Agent 的人机接口在决策支持系统中的实现模型

决策支持系统强调决策过程的人机交互, 它比一般的软件系统更需要一个界面友好的人机交互系统.

人机接口, Agent 可充当用户和机器信息沟通的桥梁,形成一种人机互相激发、优势互补、共同寻求问题的有效途径, 从而构成基于网络的分布式人机共存环境。

4.1 基于Agent 的人机协调机制

这种用于充当人和机器信息沟通的桥梁的人机接口Agent 将人(管理者、决策人、操作者、调度员等)和计算机及其它机器设备有机地结合起来, 形成了一种人与机器相互激发、优势互补、共同寻求问题求解的协同机制(如图2) 。

上述模型是一个三位一体的结构, 打破了传统的人- 机二元综合的思路。Agent 具有人和机器的各自特点, 将原来的人与高度智能化的机器之间的“硬接口”

分解为若干组“人—Agent”和“Agent —机器”的双柔性接口。在很大程度上, Agent 充当了人的代理。实现人机协同的任务就转变为研制具有双向人机接口的Agent。

4.2 人机接口Agent 的工作方式

人机接口Agent 强调Agent 的自主性和学习性,它可作为人的助手, 通过与用户协作替用户传达决策任务。在决策过程中, Agent 可采用以下几种学习方式来适应问题的变化: 通过发现和模拟用户学习知识、通过获得用户的正向和负向反馈学习知识、通过用户的指导获得知识、通过与其它Agent 通讯获得知识。人机接口Agent 的工作模式如图3 所示。

通过人机接口Agent 可实现人机智能结合, 通过多Agent 系统的集成, 可提高人—机系统的综合智能水平, 可以为人和机器的双向通信提供友好交互、自然对话的条件, 构成人机协调系统。例如, 可以理解用户发出的命令、并替用户执行诸如数据库搜索或替用户记录和处理信息等。

在本系统中, 界面Agent 一方面要通过系统提供信息, 提出任务要求; 另一方面系统也要通过界面向用户提供解答和各种辅助决策信息, 或者向用户索取为完成任务需要的补充信息, 不同的界面Agent 对应处理不同的用户要求和不同的任务。

本系统的Agent 的工作流程如下:

(1) 根据用户的登录情况为新用户建立初步用户模型或为旧用户查询得到其用户模型。

(2)根据用户模型, 确定人机接口Agent 的工作方式。

(3)用户按人机接口Agent 提供的输入方式录入信息, 包括数据信息或一些定性信息。

(4)根据系统模型, 触发适当的功能Agent , 由它们相互协作完成相应的决策功能。

(5)接受其它Agent 传送来的处理结果, 按确定的输出方式输出结果。

用户模型采用纪录形式表达, 存储于范例库中,其中的字段代表用户的特征, 形式为: 用户模型{用户类型, 对系统熟悉程度, 知识背景, 决策背景, 决策风格}, 系统提取这些主要是因为它们与用户所偏好的界面形式有密切关系。界面Agent 中的学习主要用于用户模型的调整、修正、知识库的完善等。

5 结束语

本文的创新点是: 利用基于Agent 的人机接口技术, 改进传统方式的许多不足, 提高系统的适应性和灵敏性。下一步的研究工作将对此模型作进一步的细化, 并改进该模型在自主学习和主动性等方面的不足。