Современные информационные технологии /1.Компьютерная инженерия

Д.т.н. Самигулина Г.А., инженер Нюсупов А.Т.

Институт информационных и вычислительных технологий КН МОН РК, Казахстан, Алматы

РАЗРАБОТКА СОВРЕМЕННЫХ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ НА ОСНОВЕ МУЛЬТИАГЕНТНОГО ПОДХОДА В ДИСТАНЦИОННОМ ОБУЧЕНИИ

Аннотация

В статье описаны методы и принципы создания программного обеспечения для дистанционного обучения людей на основе мультиагентного подхода. Рассмотрены агентно-ориентированные интеллектуальные системы как средство решений проблем, связанных с обработкой многомерных данных и процессов моделирования на основе различных алгоритмов. Проанализированы особенности агентных технологий и перспективы их использования для разработки сложных многопользовательских программных систем обучения.

Ключевые слова: интеллектуальные технологии, мультиагентный подход, дистанционное обучение.

1 Введение. В настоящее время интеллектуальные технологии (ИТ) играют важную роль в развитии научно-технического прогресса. Они составляют основу интеллектуальных систем (ИС) и рассматриваются как единое целое. Под ИС понимается техническая или программная система, способная решать задачи, традиционно считающиеся творческими, принадлежащие конкретной предметной области [1]. Понятие ИС сформировалось в процессе развития теоретических основ кибернетики, теории управления и алгоритмов, развития современных информационных технологий и обобщения накопленных научных знаний, методов и средств в области искусственного интеллекта. Множество ИС [2] на основе искусственных нейронных сетей, эволюционных и генетических алгоритмов, искусственных иммунных систем используются для прогнозирования поведения сложных объектов, поддержки и принятия решений, в автоматизации проектирования, анализе многомерных данных, диагностике, для компьютерной безопасности и т.д.

Актуальной сферой применения ИС является дистанционное обучение (ДО), которое занимает всё большую роль в модернизации образовательной сферы и имеет хороший потенциал развития в данном направлении. Актуально использование ИС в ДО для людей с ограниченными возможностями [3]. Приложения ДО основываются на интеллектуальных системах, использующих различные технологии. При разработке ИС для обработки многомерных данных широко применяются оптимизационные методы роевого интеллекта: муравьиные колонии, алгоритмы роя частиц и т.д., которые относятся к классу мультиагентных систем.

Интеллектуальные мультиагентные системы (МАС) являются одними из высокоэффективных ИТ применяемых в разработке программных приложений. В статье [4], приведена интеллектуальная платформа ДО с использованием МАС. Представленная платформа поддерживает режимы синхронного и асинхронного обучения, которые делят функциональность системы для использования отдельно студентами и преподавателями. Данный подход в процессе обучения значительно улучшает взаимное сотрудничество и обмен информацией между учащимися и учителями. Платформа базируется на агентах, каждый из которых выполняет собственные функции. В статье [5] описаны процессы функционирования МАС, играющие роль ассистента по выбору изучаемого материала. Данная МАС помогает студенту выбрать актуальный и интересный материал для изучения на основе сбора и кластеризации информации. Все компоненты тесно взаимосвязаны между собой и составляют основу функционирования ДО. В работе [6] проведен аналитический обзор современного состояния и перспектив развития МАС. В данном обзоре выделены актуальные агентно-ориентированные системы ДО и приведены программные платформы для построения приложений МАС.

В работе [7] приведена экспертная система, которая позволяет оценивать студента, проходящего обучение. При этом система, играя роль учителя, может давать объективный анализ его решений и ответов, а также давать правильное направление дальнейшего обучения. Похожая экспертная система, но уже для управления обучением, описывается в [8]. Исследуются существующая или же разрабатываемая система обучения по заданным критериям, группируются элементы системы обучения на базе разработанной модели. Модель построена на основе использования выражений согласия или несогласия по отношению к существующим элементам системы обучения. Благодаря данному подходу повышается точность вычислений и сокращается время обработки данных.

Технология ДО на основе иммуносетевого моделирования приведена в статье [9]. Рассматриваемая ИТ нацелена на уменьшение погрешностей энергетических оценок. Созданные на основе данной ИТ экспертная система ДО, позволяет повысить качество прогнозирования результатов обучения.

2 Постановка задачи. Постановка задачи формулируется следующим образом: необходимо разработать интеллектуальную технологию на основе мультиагентного подхода для системы дистанционного обучения.

3 Применение интеллектуальных технологий в дистанционном обучении. Разработка эффективного ДО требует внедрения современных интеллектуальных подходов. Для ДО существуют множество технологий, которые обеспечивают многофункциональность и повышают качество обучения. Среди них особо выделяется агентно-ориентированный подход, который несет в себе инновационные решения для организации ДО. При использовании данного подхода в ДО формируется единая МАС. Она состоит из целенаправленных агентов, основными свойствами которых является самоорганизация, взаимодействие и следование заданным целям. Такие агенты способны самостоятельно обрабатывать и распространять большое количество информации в определенной среде.

При разработке ДО на основе МАС используются специализированные агенты: обучающий агент, агент связи, агент базы данных, агент студент и агент web - лога (Рисунок 1).

Рисунок 1. – Структурная схема агентно-ориентированного дистанционного обучения

Агенты помещены в ресурсную среду, которая постоянно изменяется под воздействием деятельности пользователей в системе. При изменении среды у каждого агента имеется своя ответная реакция, созданная на основе логических конструкции. Каждый агент в ДО выполняет свою индивидуальную роль. Агент студент предназначен для создания модели обучающегося, анализа процесса обучения и отправки данных к обучающему агенту. Обучающий агент имеет функции аналогичные с настоящим преподавателем, то есть отправляет студенту учебные материалы, проводит экзамены, выбирает методы обучения и следит за общим прогрессом образования. Агент анализа web-лога автоматически записывает характеристики студента в процессе обучения и передает ее агенту базы данных, которая в свою очередь выделяет место для хранения этой информации. Агент связи соединяет все процессы функционирования агентов в единую МАС и выдает конечные результаты пользователю. В результате применения данной технологии формируется гибкая структура ДО которая обеспечивает высокое качество процесса обучения.

При разработке МАС ДО использовался набор узко ориентированных интеллектуальных агентов. Основными задачами, решаемыми в ДО, является разработка структуры сообщества агентов, определение их функций и правил взаимодействия.

Мультиагентные системы могут иметь статистическую (жестко заданный набор агентов и количество членов сообщества) и динамическую структуру. Структура сообщества агентов ДО предполагает динамическую природу: количество агентов может варьироваться в зависимости от количества учащихся, преподавателей, педагогических стратегий и других факторов.

4 Заключение. Таким образом, мультиагентный подход в ДО позволяет представлять пользователей агентами и обеспечивать персональную поддержку обучающимся в процессе обучения. Использование МАС при построении ДО помогает избежать недостатков, присущих классическим подходам – системному анализу, имитационному моделированию, теории игр и др.

Работа выполнена по гранту Комитета Науки Министерства Образования и Науки Республики Казахстан № ГР 0215РК01472 (2015–2017 гг.), по теме «Разработка информационной технологии, алгоритмов и программно-аппаратного обеспечения для интеллектуальных систем управления сложными объектами в условиях параметрической неопределенности».

Литература:

1 Захаров В.Н. Интеллектуальные системы управления: основные понятия и определения // Известия РАН. Теория и системы управления. – 1997. – № 3. – С. 138-145.

2 Джорж Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. – Киев: Изд. дом «Вильямс», 2003. – 864 с.

3 Samigulina, G., Shayakhmetova, A. The information system of distance learning for people with impaired vision on the basis of artificial intelligence approaches // Proceeding of the II International conference on Smart Education and E-learning. – Sorrento, Italy, 2015 (Springer). – P. 255-265.

4 Wen S. Duan, Yan M., Lun P. Liu, Tian P. Dong Research on an Intelligent Distance Education System Based on Multi-agent // Proceedings of the International Conference on Information Engineering and Applications (IEA) 2012. – London: Springer - Verlag, 2013. – P. 579-586.

5 Paula R., Néstor D., Demetrio A. Ovalle Multi-agent System for Knowledge-Based Recommendation of Learning Objects Using Metadata Clustering // Highlights of Practical Applications of Agents, Multi-Agent Systems, and Sustainability - The PAAMS Collection. – Switzerland: Springer International Publishing, 2015. – P. 356-364.

6 Самигулина Г. А., Нюсупов А.Т. Обзор современного состояния и анализ интеллектуальных систем на основе мультиагентного подхода // Материалы Междунар. научной конф. «Современные проблемы информатики и вычислительных технологий». ‒ Алматы: ИИиВТ, 28-29 июня 2016. – C. 237-247.

7 Joong Hoon Kim, Ho Min Lee, Donghwi Jung, Ali Sadollah Performance Measures of Metaheuristic Algorithms // Harmony Search Algorithm. ‒ Switzerland: Springer International Publishing, 2016. – P. 11-17.

8 Valdez-Silva E., Reyes P. Y., Alvarez M. A., Rojas J., Menendez-Dominguez V. Expert System for Evaluating Learning Management Systems Based on Traceability // Expert System for Evaluating Learning Management Systems Based on Traceability. ‒ New York: Springer Science, 2013. – P. 1103-1113.

9 Samigulina G., Samigulina Z.: Intelligent system of distance education of engineers, based on modern innovative technologies // Proceeding of the 2 nd International conference on Higher Education Advances. - Spain, Valencia, 2016. Available online at www.sciencedirect.com.