Inden for datalogi er en softwareagent et program, der indgår i et mellemliggende forhold til en bruger eller et andet program. Ordet " agent " kommer fra det latinske agere (at gøre) og betyder en aftale om at udføre handlinger på vegne af nogen. Sådan "at handle på vegne af" indebærer retten til at beslutte, hvilke handlinger (hvis nogen) er passende [1] [2] . Tanken er, at agenter ikke lanceres direkte for at løse en opgave, men aktiveres på egen hånd.
Beslægtede og afledte begreber omfatter intelligente agenter (især dem med visse aspekter af kunstig intelligens såsom læring og ræsonnement ), autonome agenter (i stand til at ændre måden, de når deres mål), distribuerede agenter (udfører handlinger på fysisk forskellige computere), multi- agentsystemer (distribuerede agenter, der ikke har evnen til at nå et mål alene og derfor skal kommunikere), og mobile agenter (agenter, der kan flytte deres eksekvering til andre processorer).
Udtrykket "agent" beskriver en softwareabstraktion , idé eller koncept, der ligner OOP- termer såsom en metode, funktion eller objekt . Konceptet med en agent giver en bekvem og kraftfuld måde at beskrive en kompleks softwareentitet, der er i stand til at handle med en vis grad af autonomi til at udføre opgaver på vegne af brugeren. Men i modsætning til objekter, som er defineret i form af metoder og attributter , defineres en agent ved at beskrive dens adfærd [3] .
Forskellige forfattere tilbyder forskellige definitioner af en agent, som regel inklusive begreber som:
Der er ingen særlig mening i at beskrive, hvad der er en agent, og hvad der ikke er. Men at sammenligne begrebet med beslægtede begreber kan tydeliggøre dets betydning.
Begrebet en agent kan spores tilbage til Carl Hewitts skuespillermodel : "et autonomt, interaktivt og samtidig udførende flere funktioner objekt med en intern tilstand og informationsudveksling" [5] .
Mere akademisk set er softwareagenter en direkte udvikling af multi-agent-systemer (MAS), som igen udviklede sig fra distribueret kunstig intelligens (DI), distribueret problemløser (PPS) og parallel kunstig intelligens (PAI). Softwareagenter arver således alle egenskaber (gode og dårlige) fra RAI og AI .
Knowledge Navigator, skabt i 1987 af John Scully, var et videolink mellem en slutbruger og en agent. Da den var den første af sin art, tjente den som grundlag for en eksperimentel serie af mislykkede top-down implementeringer, i stedet for at nærme sig bottom-up metoder trin for trin. Udvalget af agenttyper er i øjeblikket (siden 1990) ret bredt: WWW, søgemaskiner osv.
Stephen Haag mener i sit arbejde [6] , at der kun er fire hovedtyper af intelligente softwareagenter:
Købsagenter gennemser onlineressourcer (f.eks. internettet) for at få oplysninger om varer og tjenester. Disse agenter, også kendt som "indkøbsrobotter", arbejder meget effektivt med forbrugsvarer som cd'er, bøger, elektroniske komponenter og andre "all-purpose" produkter.
Brugeragenter (personlige)Bruger- eller personlige agenter er intelligente agenter, der handler på dine vegne. Denne kategori omfatter intelligente agenter, der allerede udfører eller vil udføre følgende opgaver:
Overvågnings- og overvågningsagenter bruges til at overvåge objekter og overføre information til udstyr, normalt computersystemer. Agenter kan overvåge virksomhedens lagerbeholdninger af materialer, overvåge konkurrenternes priser og bringe dem til virksomhedens opmærksomhed, analysere aktiemanipulationer baseret på insiderinformation og rygter mv.
For eksempel har NASA's Jet Propulsion Laboratory en agent, der overvåger tilgængeligheden og tilstanden af udstyr, planlægger køb af nye udstyrsordrer for at optimere omkostningerne og overvåger fødevaretilgængeligheden. Sådanne agenter overvåger typisk komplekse computernetværk og kan overvåge konfigurationen af hver computer, der er tilsluttet netværket.
Specifikke overvågnings- og overvågningsagenter er agentstrukturer, der bruges til at modellere beslutningsprocessen under taktiske operationer. Agenter overvåger aktivernes tilstand (ammunition, våben, transportmidler osv.) og modtager mål (ordrer) fra agenter på øverste niveau. Agenter opnår mål med tilgængelige aktiver, minimerer omkostningerne ved aktiver, mens de maksimerer opnåelsen af målet [7] .
Data mining og analyse agenterDisse agenter bruger informationsteknologi til at lede efter tendenser og mønstre i en overflod af information fra en række forskellige kilder. Brugeren kan sortere disse oplysninger for at vælge præcis, hvad han leder efter.
Data mining- og analyseagenter arbejder i datavarehuset med opdaget information. Et "data warehouse" samler information fra mange forskellige kilder. "Data mining" er processen med at se på data i et lager for at finde sådan information, der kan bruges til at foretage målrettede handlinger, såsom at øge salget eller fastholde kunder, der overvejer at forlade konkurrenter.
Klassificering er en af de mest almindelige typer af datamining, der finder nøgleord i information og derefter kategoriserer det efter disse nøgleord. Data mining- og analyseagenter kan registrere betydelige ændringer i tendenser i nøglemålinger og kan også opdage og advare dig om ny information. For eksempel kan en agent opdage en nedgang i byggebranchen i økonomien. Byggevirksomheder vil på baggrund af de indhentede oplysninger være i stand til at træffe rimelige beslutninger vedrørende ansættelse/afskedigelse af medarbejdere eller køb/leje af udstyr, der passer bedst til deres firmaer.
Andre eksempler på moderne smarte agenter er nogle spamfiltre , spilbots og serverovervågningsværktøjer. Søgemaskineindekseringsbots betragtes også som intelligente agenter.
I udviklingen af agentbaserede systemer opstår nogle interessante spørgsmål, nemlig:
For at arbejde sammen og effektivt skal softwareagenter dele semantikken i deres data. Dette kan gøres ved at bruge computersystemer til at beskrive deres metadata .
Definitionen af en agentbehandler kan ses på to relaterede måder:
Systemagenter bruges til at modellere virkelige systemer med procesberegning og parallel behandling.
Agenten bruger sine adgangsmetoder til at logge ind på lokale og eksterne databaser, når de søger efter indhold. Sådanne adgangsmetoder omfatter især metoderne til at levere et nyhedsfeed til en agent, læse en opslagstavle eller downloade sider fra internettet ved hjælp af en web-edderkop . Indholdet udtrukket på denne måde kan være delvist filtreret - nyheder eller information fra databaser, der opfylder søgeforespørgslen, vælges. Agenten kan derefter bruge sprogprocessorer til at finde nøgleord eller identificerende funktioner i det valgte indhold. Denne abstrakte betydning (eller sæt af begivenheder) videregives derefter til en "tænkende" agent eller inferensmotor for at beslutte, hvad der skal gøres med det nye indhold. Denne proces matcher indholdet med ekspertdata eller videnbase leveret af brugeren. Hvis denne proces finder et godt match til det nye indhold, kan agenten bruge sine andre muligheder til at udføre en mere detaljeret indholdssøgning. Endelig kan agenten tage stilling til arten af handlingen på det nye indhold: Send for eksempel en besked til brugeren om, at en vigtig hændelse har fundet sted. Denne handling kontrolleres af sikkerhedssystemet, og derefter gives visse rettigheder til brugeren. Agenten bruger den adgangsmetode, der er tilgængelig for brugeren, til at levere denne besked til brugeren. Hvis brugeren bekræfter, at hændelsen er vigtig ved at reagere hurtigt på meddelelsen, kan agenten bruge denne hændelse som en læringsfaktor til at øge vægtfunktionen af sådanne hændelser.
Selvfølgelig er softwareagenter en innovativ teknologi, der kan tilbyde en masse værdi for slutbrugere ved at automatisere komplekse eller gentagne opgaver [8] . Der er dog flere potentielle organisatoriske og kulturelle implikationer af denne teknologi, som skal overvejes.
Organisatoriske implikationer er transformationen af hele e-handelsindustrien, operationelle innovationer, øget pres på sikkerhedssystemer. Softwareagenter kan hurtigt søge på internettet, finde de bedste tilbud, der er tilgængelige online, og give disse oplysninger til slutbrugere på en bekvem måde. Således behøver brugerne ikke manuelt at gennemse mange sælgerwebsteder, agenter er i stand til at finde det bedste tilbud på få sekunder. Samtidig øger det priskonkurrencen og forvandler hele e-handelsbranchen til et indre marked med fejlfri konkurrence. Brugen af agenter kræver også yderligere ressourcer fra virksomheder, nye jobs på grund af den ekstra belastning på deres detailkæder og nye sikkerhedsprocedurer.
De kulturelle konsekvenser af indførelsen af softwareagenter omfatter ødelæggelse af håb, ændring af arbejdsevner, ødelæggelse af privatlivets fred og skabelse af social udstødelse. Nogle brugere føler sig måske ikke komfortable nok med behovet for at uddelegere vigtige funktioner til softwareapplikationer. De, der begynder at stole udelukkende på intelligente agenter, kan miste vigtige færdigheder, såsom dem, der er relateret til informationskompetence. For at kunne handle på vegne af brugeren skal softwareagenten have en fuldstændig forståelse af brugerens profil, herunder dennes personlige præferencer. Dette kan igen føre til uforudsigelige konsekvenser i forhold til fortrolighed. Når brugere begynder at stole mere på deres softwareagenter, især til kommunikationsaktiviteter, kan de miste kontakten med andre mennesker og se verden gennem deres agenters øjne. Det er disse implikationer, der skal overvejes af agentforskere og brugere, der beskæftiger sig med intelligente agentteknologier [9] .