基于AI的语用网研究(2)

bigbing

AI语用网的基础设施

规则响应（Rule Responder）Agent是将语义网扩展成语用网的基础设施，可以协同基于规则的事件处理Agent网络实现分布式推理服务。它将分布式多Agent系统的人工智能理论融合到较大的规模实践中，并集成各种产生式规则、反应规则、事件/行为逻辑规则及（复杂）事件/动作消息。规则响应Agent为虚拟组织的规则交换构建了面向服务的方法、基于规则的中间件及它们的含义协商过程，其架构如图7所示。

图7 规则响应Agent架构

规则响应Agent早期的应用实例包括健康医疗领域、生命科学基础设施、基于规则的IT服务层次管理等，其近期的应用实例主要有如下四种：

（1）研讨会规划系统：规则响应Agent支持RuleML-2018研讨会组织会议，并负责RuleML研讨会办公网站的问答（Q&A）部分；

（2）病人支持系统：它属于社交语义网原型，允许每个病人查询其他病人的配置以找到或初始化匹配的组，并允许病人使用Prolog或N3表达自己的配置；

（3）信誉管理系统：该系统使用本体来表达简单或复杂的多维信誉对象，通过各种规则实现信誉管理功能，并有效地保护用户的隐私安全；

（4）语义复杂事件处理Agent网络：由实现分布式Prova推理服务的语义事件处理Agent构成，它使用基于规则的语义复杂事件处理逻辑来检测复杂事件。

Prova语义规则引擎

基于AI的语用网的基础设施—规则响应Agent的核心是规则引擎，如Prova、OOjDREW、Euler或Drools等，它们用来实现Agent角色的决策逻辑和反应逻辑。Agent可以使用语义网本体（如基于RDFS或OWL）给它的规则一个特定领域的含义，作为规则响应Agent的规则引擎必须具有很强的认知架构，可以实现基于目标/任务或基于学习功能的智能认知，因此，规则响应Agent选择Prova作为其语义规则引擎。

Prova（Prolog+Java）既是一种规则语言，又是一种具有高度表达能力的分布式规则引擎，它支持声明式决策规则（后向推理）、基于反应规则的工作流、基于规则的复杂事件处理（Complex Event Processing-CEP）以及对外部数据源（如数据库、Web服务和Java APIs）的动态访问。Prova可以结合声明式规则（Declarative Rule）、本体（词汇）、面向动态对象的程序推理以及通过查询语言SQL或SPARQL等访问外部数据源。Prova最关键的优势是将逻辑、数据访问、语义网和事件处理技术的紧密集成相分离，图8展示了Prova语义规则引擎的框架。

图8 Prova语义规则引擎框架

如图8所示，Prova主要支持如下四种规则：

（1）描述Agent决策逻辑的推导规则；

（2）描述约束和潜在冲突的完整性规则；

（3）定义全球ECA（Event-Condition-Action）类型的反应规则；

（4）定义基于复杂事件处理和行为逻辑的消息反应规则。

Agent间通信原理

Agent间通信遵循FIPA规范，FIPA（The Foundation for Intelligent Physical Agents）是由Agent领域的公司和学术机构组成的国际组织，并规定Agent间通信使用ACL（Agent Communication Language）语言，它在语法上类似于KQML语言，表2列举了ACL消息的主要参数。

表2 ACL消息中主要参数