Publicado em: Journal of Web Semantics, Março 2006.
Pesquisadores de grades semânticas já conseguiram denotar o que há de comum na pesquisa atual de web semântica e grades computacionais. O consenso atual é que ambas as tecnologias se beneficiam de arquiteturas orientadas à serviço. Historicamente, sistemas de agentes inteligentes foram desenvolvidos de maneira modular, com uma estrutura semelhante à SOA. Não há barreiras conceituais na utilização conjunta das três tecnologias. Logo, é possível argumentar pelo uso de grades computacionais para resolver limitações dos ambientes de agentes assim como apoiar o uso de inteligência artificial para aprimorar as grades.
As arquiteturas de agentes distribuídos necessitam de um ambiente robusto para execução. Como geralmente atuam em plataformas heterogêneas, distribuídas e sem controle central, é um desafio manter tal ambiente. As grades tem como objetivo oferecer sistemas confiáveis e com qualidade de serviço não trivial em ambientes heterogêneos. Durante sua execução, é necessário realizar várias tarefas preventivas nos agentes, tais como monitoramento. A OGSA define uma série de categorias de serviços diretamente ligados ao monitoramento e gerência das suas entidades. As características que as entidades de grade devem apresentar definidas pela OGSA são muito atraentes para o desenvolvimento de sistemas multi-agentes. Os seguintes requisitos de sistemas multi-agentes são atendidos por grades OGSA: introspecção, mapeamento de várias requisições, persistência, gerência de tempo de vida e evolução das especificações.
Técnicas de inteligência artificial já foram utilizadas com sucesso para a gerência de workflows em grades computacionais. O fato de grades serem ambientes complexos onde aplicações "disputam" recursos, sendo o sistema de monitoramento crucial para a tomada de decisão, faz com que os sistemas multi-agentes sejam uma solução para esses conflitos, pois os mesmos tomam ações baseadas em sensores. O fato de que agentes podem planejar suas ações levando em consideração possíveis cenários futuros também é muito atraente para grades, pois em um ambiente dinâmico a ocorrência de falhas é comum.
O aprendizado que agentes podem adquirir é importante para as grades, pois além de aperfeiçoar a execução da aplicação, aprendizagem também pode criar técnicas para solucionar novos problemas. Estruturas de memória organizadas para o funcionamento de agentes também podem auxiliar a grade a atingir seus objetivos.
Comentário:
Artigo interessante, mas serve mais como um resumo da tecnologia de agentes inteligentes. Como eles geralmente são a expressão prática do conhecimento de inteligência artificial, a melhor maneira de integrar IA em grades é através de agentes mesmo. É um tema bem interessante, com muitas possibilidades, mas bem ralo nesse artigo.
Post a Comment
Nenhum comentário:
Postar um comentário