[论文解读] Challenges and Directions for Engineering Multi-agent Systems

Michael Winikoff|arXiv (Cornell University)|Sep 7, 2012

Multi-Agent Systems and Negotiation参考文献 9被引用 10

一句话总结

本文识别了在构建多智能体系统（MAS）过程中面临的关键挑战，主张从低层次的面向智能体编程语言与方法论，转向高层次的交互设计与保障技术。文章呼吁重新与产业界及美国研究社区合作，以提升研究的相关性与实际应用，强调对涌现行为的验证以及微观-宏观系统工程的整合。

ABSTRACT

In this talk I review where we stand regarding the engineering of multi-agent systems. There is both good news and bad news. The good news is that over the past decade we've made considerable progress on techniques for engineering multi-agent systems: we have good, usable methodologies, and mature tools. Furthermore, we've seen a wide range of demonstrated applications, and have even begun to quantify the advantages of agent technology. However, industry involvement in AAMAS appears to be declining (as measured by industry sponsorship of the conference), and industry affiliated attendants at AAMAS 2012 were few (1-2%). Furthermore, looking at the applications of agents being reported at recent AAMAS, usage of Agent Oriented Software Engineering (AOSE) and of Agent Oriented Programming Languages (AOPLs) is quite limited. This observation is corroborated by the results of a 2008 survey by Frank and Virginia Dignum. Based on these observations, I make five recommendations: (1) Re-engage with industry; (2) Stop designing AOPLs and AOSE methodologies ... and instead ... (3) Move to the "macro" level: develop techniques for designing and implementing interaction, integrate micro (single cognitive agent) and macro (MAS) design and implementation; (4) Develop techniques for the Assurance of MAS; and (5) Re-engage with the US.

研究动机与目标

• 解决自主智能体与多智能体系统（AAMAS）在工业界相关性下降的问题，特别是鉴于AAMAS会议中产业赞助与参与度的持续下滑。
• 克服尽管方法论与工具已趋成熟，但面向智能体的软件工程（AOSE）与面向智能体的编程语言（AOPLs）在实际应用中仍推广有限的问题。
• 通过整合其工程流程，弥合单智能体（微观）与多智能体（宏观）系统设计之间的鸿沟。
• 开发实用的保障技术，以管理复杂系统中涌现的、不可预测的行为，同时保持系统的适应性与可靠性。
• 重新激发北美研究社区的参与，以加强全球合作，并提升多智能体系统工程研究的可见度与影响力。

提出的方法

• 利用2007至2012年间会议赞助、参会情况与作者趋势等代理指标，分析产业界在AAMAS中的参与度。
• 回顾基于BDI的智能体系统所展示的应用实例与生产率宣称，以评估其在现实世界中的影响与可信度。
• 提出一种范式转变：从设计AOPLs与AOSE方法论，转向聚焦于多智能体系统宏观层面的交互工程。
• 提出需要引入正确性证明、模型检测、测试与安全论证等保障技术，以管理复杂系统中涌现行为。
• 倡导通过共享研究议程与联合开发标准与工具，与美国研究社区重新建立合作。

实验结果

研究问题

• RQ1 产业界当前在多大程度上参与AAMAS社区？哪些指标表明其相关性正在下降？
• RQ2 尽管AOSE与AOPLs的方法论与工具已趋成熟，为何其在实际应用中的采纳仍有限？
• RQ3 如何形式化并整合多智能体系统宏观层面的交互设计与单智能体（微观）设计，以改进系统工程？
• RQ4 需要哪些技术来确保表现出涌现行为的多智能体系统的可靠性与可预测性？
• RQ5 多智能体系统工程社区如何重新与北美研究社区建立联系，以增强全球合作与影响力？

主要发现

• AAMAS的产业赞助从2007年的7家公司降至2012年的0家，表明产业参与度显著下降。
• 2012年AAMAS会议中，产业界背景的参会者估计仅占1–2%，凸显产业参与度极低。
• 尽管方法论与工具已取得进展，但AOSE与AOPL在AAMAS报告应用中的采纳仍有限，这一现象得到Frank与Dignum于2008年调查结果的佐证。
• 关于BDI智能体的生产率宣称表明，其可使Java编码生产率提升高达500%，但尚未得到独立研究的验证。
• 该领域在多智能体系统工程方面已取得显著进展：成熟的 methodologies、教科书与工具现已可用，逆转了早期在教学与开发方面面临的挑战。
• 多智能体系统中的涌现行为是保障工作的关键挑战，因为系统可能以不可预测的方式运行，因此需要超越传统基于规格说明的测试之外的新验证与确认技术。