Norbert Krygier , Piotr Karczmarz
SYSTEMY AGENTOWE W ZARZĄDZANIU WIEDZĄ
1. WPROWADZENIE
Funkcjonowanie wspóáczesnych organizacji pozostających pod wpáywem konkurencyjnego otoczenia wymusza na nich systematyczne podnoszenie posiadanych kompetencji. Nie ulega wątpliwoĞci, iĪ wiedza stanowi jeden z najwaĪniejszych zasobów organizacji, a odpowiednie zarządzanie wiedzą pozwala w szybki i skuteczny sposób reagowaü na zmiany w obszarze jej funkcjonowania. Dynamiczny rozwój technologii informatycznych spowodowaá, iĪ obecnie trudno sobie wyobraziü nowoczesny system zarządzania wiedzą w jednostce organizacyjnej bez wsparcia wydajnych rozwiązaĔ informatycz-nych. Jedną z przyszáoĞciowych koncepcji w zakresie projektowania i imple-mentacji takich rozwiązaĔ są systemy agentowe. Celem autorów tego artykuáu jest przedstawienie moĪliwoĞci zastosowania systemów agentowych w zarzą-dzaniu wiedzą w organizacjach, z podaniem ich charakterystyki, wybranej klasyfikacji oraz przykáadowej architektury implementacyjnej.
2. ZARZĄDZANIE WIEDZĄ
Zasady wspóáczesnego rynku sprawiają, Īe tradycyjne metody i strategie zdobywania przewagi konkurencyjnej okazują siĊ coraz mniej skuteczne. W „erze informacji” praktyczne wykorzystanie wiedzy i informacji postrzegane jest jako warunek konieczny do prawidáowego rozwoju organizacji oraz zdolno-Ğci do zdobycia i utrzymania przewagi konkurencyjnej. W celu jak najlepszego wykorzystania informacji i wiedzy wiele organizacji decyduje siĊ podnieĞü wáasną sprawnoĞü oraz efektywnoĞü dziaáaĔ poprzez odpowiednie zarządzanie wiedzą (ZW).
Z tych teĪ powodów w ostatnich kilkunastu latach moĪna zaobserwowaü gwaátowny wzrost zainteresowania problemem zarządzania wiedzą, jak i dy-namiczny rozwój tej dziedziny nauki. Do gáównych czynników, które
przyczyni- Dr, Katedra Informatyki, Wydziaá Zarządzania Uniwersytetu àódzkiego.
áy siĊ do pobudzenia znaczenia zagadnienia zarządzania wiedzą, naleĪą1:
informacyjny nadmiar i chaos, przepustowoĞü (kondensacja) wiedzy, segmenta-cja i spesegmenta-cjalizasegmenta-cja umiejĊtnoĞci, mobilnoĞü pracowników i związana z tym utrata zasobów intelektualnych oraz konkurencja.
Nie istnieje ĞciĞle sprecyzowana definicja zarządzania wiedzą, która byáaby ogólnie akceptowana. Wynika to „po pierwsze – z duĪej popularnoĞci tej kategorii i w efekcie nadmiarem róĪnych, z reguáy maáo przydatnych okreĞleĔ koncepcji i teorii, a po drugie – krótkim okresem jej uĪytkowania, co utrudnia syntetyczne ujĊcie dotychczas zgromadzonych danych i informacji na ten temat”2.
PojĊcie zarządzania wiedzą jest obiektem róĪnych interpretacji w zaleĪnoĞci od grup zawodowych, dla których idea zarządzania wiedzą moĪe oznaczaü coĞ innego. Dla informatyków bĊdzie ona sposobem gromadzenia i kodyfikacji wiedzy, dla finansistów – miarą kapitaáu intelektualnego, zaĞ dla strategów – zasadniczym elementem w procesie zdobywania przewagi konkurencyjnej.
Analizując w literaturze róĪne definicje zarządzania wiedzą moĪna zauwa-Īyü, Īe zwracają one uwagĊ na koniecznoĞü wystĊpowania nastĊpujących dziaáaĔ3:
x traktowanie zasobów wiedzy, jako waĪnych zarówno dla dziaáaĔ strate-gicznych, dáugofalowych, jak i dziaáaĔ bieĪących w ramach caáej organizacji,
x identyfikacja zasobów wiedzy,
x stwarzanie Ğrodowiska sprzyjającego kreowaniu wiedzy, np. poprzez mo-tywowanie pracowników i tworzenie wzorców pobudzających do generowania nowych rozwiązaĔ,
x stymulowanie do dzielenia siĊ wiedzą i pomysáami, x zbieranie, kodyfikowanie i transfer zasobów wiedzy, x ciągáe ich aktualizowanie i weryfikowanie,
x zapewnienie szybkiego i peánego dostĊpu do posiadanych zasobów wie-dzy,
x wykorzystywanie zasobów wiedzy zapisanej (zgromadzonej) i wiedzy pracowników do poprawy efektywnoĞci dziaáaĔ.
Zarządzanie wiedzą moĪna scharakteryzowaü jako ogóá procesów obejmu-jących swym dziaáaniem bardziej kolektywne i systematyczne pozyskiwanie (tworzenie) oraz przechowywanie wiedzy, jak równieĪ wykorzystanie i udostĊp-nianie jej w dąĪeniu do realizacji celów organizacji, takich jak uzyskiwanie
1
A. M Serban., J. Luan , Overview of Knowledge Management. New Directions for Institu-tional Research, issue 113, Wiley, New York 2002
2
W. M. Grudzewski, I. Hejduk, Zarządzanie wiedzą w organizacjach, „e-mentor” 1(8)/2005, s. 47.
3
Z. àucki, A. Kozarkiewicz-Chlebowska, D.Brenk, Nowoczesne metody zarządzania w gór-nictwie naftowym i gazowgór-nictwie. Zarys teorii i przykáady, Wydawnictwo Naukowo-Dydaktyczne AGH, Kraków 2005.
lepszych wyników, zdobycie przewagi konkurencyjnej czy wdroĪenie innowa-cji4. PojĊcie zarządzania wiedzą obejmuje swym zakresem takĪe metody i stra-tegie uĪywane przez organizacje do wykorzystania wiedzy powstaáej i przepáy-wającej w obrĊbie organizacji lub teĪ pochodzącej z jej otoczenia.
Zarządzanie wiedzą na poszczególnych szczeblach struktury organizacyjnej moĪna podzieliü na:
x zarządzanie normatywne – zaáoĪenia najwaĪniejszych obszarów wie-dzy, okreĞlenie wizji i misji organizacji,
x zarządzanie strategiczne – planowanie koncepcji, okreĞlenie wspóápra-cy, ukierunkowanie na zagadnienia z zakresu zarządzania wiedzą, okreĞlenie zasobów wiedzy w kontekĞcie rozwiązywania problemów,
x zarządzanie operacyjne – kontrolowanie przepáywu wiedzy, procesy wykonawcze, tworzenie projektów i banków danych, wykorzystanie wiedzy w dziaáaniu.
Do najwaĪniejszych procesów tworzących jednolity system zarządzania wiedzą w organizacji zalicza siĊ:pozyskiwanie wiedzy, rozwijanie wiedzy, dzielenie siĊ wiedzą, wykorzystywanie wiedzy, zachowywanie wiedzy oraz lokalizowanie wiedzy (zob. rys. 1)5.
Rysunek 1. NajwaĪniejsze procesy zarządzania wiedzą
ħródáo: G. Probst, S. Raub, K. Romhardt, Zarządzanie wiedzą w organizacji, Oficyna Eko-nomiczna, Kraków 2002.
4
B. Oleszewska, Podstawy zarządzania przedsiĊbiorstwem na progu XXI wieku, Wydawnic-two AE, Wrocáaw 2004; PodrĊcznik Oslo. Zasady gromadzenia i interpretacji danych dotyczących innowacji. Pomiar dziaáalnoĞci naukowej i technicznej, Organizacja Wspóápracy Gospodarczej i Rozwoju (OECD), Urząd Statystyczny Wspólnot Europejskich (Eurostat), Warszawa 2008.
5
G. Probst, S. Raub, K. Romhardt, Zarządzanie wiedzą w organizacji, Oficyna Ekonomicz-na, Kraków 2002
Dynamiczny rozwój technologii informatycznych spowodowaá, Īe systemy informatyczne wspomagające zarządzanie wiedzą zaczynają odgrywaü w orga-nizacjach coraz waĪniejszą rolĊ. Wspóáczesna organizacja do realizacji wáasnych celów musi dysponowaü nie tylko odpowiednimi zasobami w postaci wiedzy, ale równieĪ odpowiednią infrastrukturą informatyczną. Systemy informatyczne wspierające zarządzanie wiedzą mają za zadanie zapewnienie szybkiego dostĊpu do Ĩródeá wiedzy, pozyskiwania, przechowywania, kodyfikowania i jej transfe-ru, jak równieĪ tworzenia nowej wiedzy na podstawie áączenia Ĩródeá wiedzy.
NatĊĪenie zmian w funkcjonowaniu organizacji pod wpáywem konkuren-cyjnego otoczenia wymusza opracowywanie coraz lepszych koncepcji systemów informatyczno-decyzyjnych wspomagających zarządzanie wiedzą, które byáyby zdolne do dopasowania siĊ do zmiennych warunków. Coraz czĊĞciej najnow-szym systemom informatycznym stawia siĊ wymagania, aby pozwalaáy osobom nieposiadającym wiedzy informatycznej samodzielnie rozwiązywaü zadania lub tworzyü wáasne strategie. Wiele organizacji obecnie decyduje siĊ na prowadza-nie swojej dziaáalnoĞci w sposób rozproszony, np. przenosząc swoje dziaáania biznesowe w róĪne, odlegáe geograficznie regiony, co powoduje koniecznoĞü rozwiązywania problemów o duĪym stopniu záoĪonoĞci i decentralizacji. Warto zwróciü uwagĊ, iĪ zdolnoĞü do dziaáania w heterogenicznym Ğrodowisku rozproszonym jest jedną z podstawowych cech systemów agentowych.
3. SYSTEMY AGENTOWE W ZARZĄDZANIU WIEDZĄ
Integracja danych rozproszonych wraz z rozwiązaniami inteligentnego zarzą-dzania nimi stajĊ siĊ integralną czĊĞcią modelu zarządzania w organizacji. Wspóá-czesne systemy informatyczne wprowadzają nową jakoĞü w zarządzaniu wiedzą zgromadzoną w organizacji, zapewniając spójnoĞü procesów informacyjno-decyzyjnych oraz umoĪliwiając poszukiwanie danych pochodzących z róĪnych rozproszonych Ĩródeá. Organizacja pracy w Ğrodowisku rozproszonym ma szcze-gólne znaczenie dla zarządzania wiedzą, poniewaĪ czĊsto zasoby wiedzy ulokowane są w róĪnych miejscach i konieczna jest ich agregacja. W takich modelach dziaáal-noĞci organizacyjnej doskonale radzą sobie systemy inteligentnych agentów.
PojĊcie inteligentnych systemów agentowych ma swoje korzenie mocno osadzone w teorii sztucznej inteligencji. Metody sztucznej inteligencji, szcze-gólnie w ujĊciu rozproszonym, doskonale nadają siĊ do rozwiązywania proble-mów wystĊpujących w systemach zdecentralizowanych. Stąd teĪ problematyka systemów agentowych koncentruje siĊ gáównie wokóá rozproszonej sztucznej inteligencji6.
6
M. K. Godniak, Wspomaganie zarządzania w organizacji wirtualnej z wykorzystaniem technologii typu „Muti-Agent System”, http://www.swo.ae.katowice.pl/_pdf/54.pdf (odczyt 16.11.2011).
Nie istnieje jedna ogólnie przyjĊta ani jednoznaczna definicja agenta, choü w literaturze (identycznie jak w przypadku terminu zarządzania wiedzą) moĪna spotkaü wiele róĪnorodnych definicji inteligentnych agentów. NajczĊĞciej agent okreĞlany jest jako:
x autonomiczny system komputerowy zawarty w záoĪonym i dynamicznym Ğrodowisku, zdolny do postrzegania i samodzielnego dziaáania oraz realizowania okreĞlonych zadaĔ i celów w tym Ğrodowisku7,
x system informatyczny usytuowany w takim Ğrodowisku, w którym jest zdolny do autonomicznych dziaáaĔ w celu osiągniĊcia swych zamierzeĔ8
,
x jednostka zdolna do postrzegania swojego Ğrodowiska poprzez sensory i podejmowania dziaáaĔ w ramach tego Ğrodowiska poprzez efektory9
, x jednostka, której stan postrzegania zawiera takie mentalne skáadniki jak przekonania, zdolnoĞü, dokonywanie wyborów oraz zobowiązania10.
Ze wzglĊdu na brak zgodnoĞci co do definicji agenta, czĊĞciej w literaturze wskazuje siĊ cechy, jakimi powinien on siĊ charakteryzowaü. Do najwaĪniej-szych cech naleĪą11:
x reaktywnoĞü – reagowanie na zmiany w Ğrodowisku, x autonomicznoĞü – kontrola nad wáasnymi dziaáaniami,
x orientacja na cel – zamiast prostych reakcji na zmiany Ğrodowiska, x ciągáoĞü dziaáania – stale uruchomione procesy,
x komunikatywnoĞü – komunikowanie siĊ z innymi agentami, w tym takĪe z ludĨmi,
x uczenie siĊ – zmiany zachowania oparte na doĞwiadczeniach,
x mobilnoĞü – zdolnoĞü do transportu z jednej jednostki (maszyny) do drugiej, x charakter – wraĪenie posiadania osobowoĞci i stanu emocjonalnego, x elastycznoĞü – dziaáanie oparte nie na skryptach, lecz na osobowoĞci i charakterze.
„Agent programowy” jest implementowany poprzez odpowiednie oprogra-mowanie i posiada zdolnoĞü do interakcji z róĪnymi obiektami, a takĪe z ludĨmi, w róĪnych Ğrodowiskach i na róĪnych platformach. Postrzega on swoje otocze-nie poprzez sensory, analizuje je, a nastĊpotocze-nie oddziaáuje na otoczeotocze-nie poprzez
7 P. Maes, Agents that reduce work and information overload. Communications of the ACM,
vol. 37, issue 7, New York 1995.
8
M. Wooldrige, N.R. Jennings, Intelligent Agents. Theory and Practice, „Knowledge Engi-neering Review” 1995, vol.10, issue 02.
9
S. J. Russel, P. Norvig, Artificial Intelligence. A Modern Approach, Prentice Hall, Upper Saddle River NJ 2003.
10
Y. Shoham, An Overview of Agent-Oriented Programming, [w:] J.M. Bradshaw (ed.), Software Agents, AAAI–Press MIT Press, Menlo Park Cal. 1997.
11
S. Franklin, A. Graesser, Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents, Intelligent Agents III Theories Architectures, And Languages, LNCS 1193, Springer-Verlag, 1997, 2135.
efektory (zob. rys. 2). Agent moĪe wyrĊczyü uĪytkownika w realizacji záoĪo-nych czynnoĞci, na których rozwiązanie uĪytkownik nie ma zbyt duĪej iloĞci czasu bądĨ dostatecznej wiedzy. Agent jest takĪe zdolny do ciągáego wyszuki-wania, przetwarzania oraz gromadzenia informacji z otoczenia, na podstawie którychjest w stanie podejmowaü odpowiednie decyzje. Agent usytuowany wĞrodowisku, gdzie funkcjonują inne agenty, wchodząc w skáad tzw. systemów wieloagentowych (Multi-Agent Systems – MAS) jest w stanie nawiązaü z nimi komunikacjĊ i wspóápracĊ, co moĪe zaowocowaü rozwiązywaniem znacznie bardziej záoĪonych problemów.
Rysunek 2. Ogólna struktura Agenta ħródáo: opracowanie wáasne.
Takie wáaĞciwoĞci predestynują technologie agentowe do zastosowaniaich w organizacji opartej na wiedzy, począwszy od automatyzacji i nadzoru proce-sów produkcji, a skoĔczywszy na wielowymiarowej analizie danych.
ĝrodowisko zarządzania wiedzą w organizacji moĪna zdefiniowaü jako sys-tem rozproszony, w którym róĪni uczestnicy (tzw. aktorzy), dziaáając samo-dzielnie w imieniu uĪytkownika, realizując wáasne cele, muszą ze sobą wspóá-dziaáaü, aby cele te osiągnąü. W takim Ğrodowisku zdolnoĞü do komunikacji i negocjacji jest najwaĪniejsza. Ponadto, trudno tu okreĞliü z góry zarówno liczbĊ jak i zachowanie uczestników, których liczebnoĞü moĪe siĊ powiĊkszaü w miarĊ rozszerzania siĊ systemu, podobnie jak iloĞü i rodzaj wspóádzielonej
wiedzy. Za wyborem technologii wieloagentowej (MAS) przy opracowaniu systemu ZW przemawiają nastĊpujące wymagania12
:
x domeny ZW wymagają odpowiedniej dystrybucji danych, zdolnoĞci roz-wiązywania problemów oraz przypisywania obowiązków (odpowiada to idei autonomii oraz spoáecznych zdolnoĞci agentów),
x w Ğrodowisku ZW musi zostaü zachowana integralnoĞü istniejącej struk-tury organizacyjnej i autonomia jej czĊĞci skáadowych (dziĊki wykorzystaniu autonomicznego charakteru agentów),
x interakcje w Ğrodowiskach ZW, w tym procesy negocjacji, wspóádzielenia informacji i koordynacji, są doĞü zaawansowane (wymagają záoĪonych umiejĊt-noĞci spoáecznych, które agenty posiadają),
x w domenach ZW wymagana jest separacja funkcjonalna miĊdzy obsza-rem zastosowania wiedzy a jej Ĩródáami, która zapewnia uwzglĊdnienie dyna-micznego charakteru zachowaĔ w projekcie systemu informacyjnego (agenci mogą speániaü rolĊ mediatorów miĊdzy Ĩródáami wiedzy a obszarami jej zastosowaĔ).
x brak moĪliwoĞci opracowania kompletnych rozwiązaĔ problemów poja-wiających siĊ w systemach ZW powoduje, iĪ pojawia siĊ koniecznoĞü stosowa-nia odpowiednich narzĊdzi programistycznych do ich rozwiązywania, zdolnych do reagowania na zmiany w otoczeniu oraz radzenia sobie z nieprzewidywalno-Ğcią procesów biznesowych, a takĪe wykorzystywania z wyprzedzeniem nadarzających siĊ okazji (na co pozwala reaktywna i proaktywna charakterysty-ka agentów).
Analizując przykáady zastosowaĔ technologii agentowych przeznaczonych do zarządzania wiedzą moĪna spotkaü zarówno stosunkowo proste aplikacje osobistych agentów informacyjnych, zaprojektowane w celu pozyskiwania okreĞlonej wąskiej wiedzy, jak i systemy wspomagające przepáywy w korpora-cyjnych procesach biznesowych.
Istnieją róĪne sposoby klasyfikowania systemów jedno- i wieloagentowych, np. ze wzglĊdu na: realizowane zadania (np. filtrowanie informacji), architekturĊ (abstrakcyjną lub okreĞloną), mobilnoĞü agentów, adaptowalnoĞü, czy teĪ ich kooperatywnoĞü. UwzglĊdniając kompletny cykl Īycia procesu tworzenia systemów zorientowanych agentowo, w szczególnoĞci systemów przeznaczo-nych do zarządzania wiedzą, moĪna wyodrĊbniü trzy nastĊpujące wymiary – z punktu widzenia13:
1) etapu w procesie opracowywania systemu, w którym wykorzystywane są agenty (analizy, projektu konceptualnego lub implementacji) – przydatne
12
V. Dignum, An Overview of Agents in Knowledge Management, „Declarative Program-ming for Knowledge Management”, LNCS 4369, Springer 2006.
13
L. Elst, V. Dignum, A. Abecker, Towards Agent-Mediated Knowledge Management, „Agent-Mediated Knowledge Management: Selected Papers”, LNAI 2926, Springer 2004.
w zorientowanej agentowo inĪynierii oprogramowania, jako metafora agentowa w zakresie projektowania i implementacji záoĪonych systemów informacyjnych, skáadających siĊ z wielu odrĊbnych i niezaleĪnych komponentów. Koncepcja agentowa pozwala takĪe na agregacjĊ róĪnych funkcjonalnoĞci (takich jak planowanie, uczenie, koordynacja, itp.) w ramach zdefiniowanej skomplikowa-nej caáoĞci;
2) architektury (topologii) systemu agentowego, czyli jego struktury na poziomie makro – w zarządzaniu wiedzą, które czĊsto zorientowane jest silnie na perspektywĊ organizacyjną, struktura na poziomie makro peáni rolĊ szczegól-ną, koncentrując siĊ na spoáecznoĞciach agentów, architekturach i jĊzykach. Na tym poziomie istotna jest liczebnoĞü oraz rodzaje agentów, a takĪe topologia, z uwzglĊdnieniem zarówno przepáywu informacji jak i koordynacji podejmowa-nia decyzji. Z punktu widzepodejmowa-nia stoppodejmowa-nia uspoáecznienia agentów w ramach struktury na poziomie makro moĪna wyodrĊbniü trzy architektury (zob. rys. 3):
a) architektura pojedynczego agenta (np. agenty interfejsu uĪytkownika lub informacji osobistej, oparte na modelu zainteresowaĔ i zachowaĔ uĪytkow-nika, wspomagające go poprzez dostarczanie odpowiednich informacji, np. z Internetu). Tego rodzaju architektura nie zapewnia interakcji z innymi agenta-mi (z wyjątkiem uĪytkownika-czáowieka).
b) homogeniczne architektury wieloagentowe (np. filtrowanie oparte na wspóápracujących ze sobą agentach). Tego rodzaju architektury posiadają wyĪszy stopieĔ uspoáecznienia – agenty mogą wspóápracowaü z innymi agenta-mi w celu realizowania swoich zadaĔ. HomogenicznoĞü rozumiana jest tu jako wystĊpowanie w systemie gáównie jednego typu lub jednej klasy agentów.
c) heterogeniczne architektury wieloagentowe (np. systemy integrujące wiele Ĩródeá informacji). Architektury te skáadają siĊ z wielu klas agentów róĪniących siĊ miĊdzy sobą celami, posiadaną wiedzą oraz moĪliwoĞciami;
Rysunek 3. StopieĔ uspoáecznienia systemów agentowych w ZW
ħródáo: L. Elst, V. Dignum, A. Abecker, Towards Agent-Mediated Knowledge Manage-ment, „Agent-Mediated Knowledge Management: Selected Papers”, LNAI 2926, Springer 2004.
3) obszarów zastosowaĔ zarządzania wiedzą – zaleĪnych od specyficznej funkcjonalnoĞci systemu w zakresie zarządzania wiedzą. Istotny jest tutaj zakres,
Agent
Pojedynczy Homogeniczny System Wieloagentowy Agentowe System WieloagentowyHeterogeniczne SpoáecznoĞci
x Agent Informacji Osobistej x Agenty Pozyskiwania Kooperatywnego x Agentowe Architek-tury PamiĊci Orga-nizacyjnej (PO)
x Agentowe Rozproszone Architektury PamiĊci Organizacyjnej (PO)
jaki obejmuje system, a takĪe to, czy procesy lub zadania związane z zarządza-niem wiedzą są wspierane. Oprócz typowych obszarów związanych z definio-waniem celów wiedzy oraz oceną wiedzy organizacji, moĪemy wyodrĊbniü takĪe obszary procesów:
a) identyfikacyjnych (analiza jakiego rodzaju wiedza istnieje w organizacji, w jakich miejscach skáadowania siĊ znajduje, kto w niej partycypuje, itp.),
b) nabywania, jako procesów integracji wiedzy zewnĊtrznej do organizacji, c) rozwoju, tworzących nową wiedzĊ w organizacji,
d) dystrybucji, áączących miejsca skáadowania wiedzy z potencjalnymi uĪytkownikami,
e) zachowania, ukierunkowanych na utrzymanie wiedzy, tzn. zapewnienie jej dostĊpnoĞci oraz zrozumienia,
f) wykorzystania, nastawionych na uĪytkowanie dostĊpnej wiedzy w celu lepszego realizowania bieĪących zadaĔ biznesowych.
WĞrodowiskach ZW agenty mogą sprawdzaü dynamiczne warunki otocze-nia, rozumowaü na podstawie interpretacji odbieranych bodĨców, rozwiązywaü problemy, wnioskowaü, okreĞlaü wymagane dziaáania, a nastĊpnie je podejmo-waü. Zastosowanie agentów w ZW moĪna postrzegaü z dwóch perspektyw. Z jednej strony mogą byü wykorzystane do modelowania Ğrodowiska organiza-cyjnego, w którym system ZW bĊdzie dziaáaá. Z drugiej strony agenty progra-mowe moĪna bezpoĞrednio zastosowaü do zaimplementowania okreĞlonej funkcjonalnoĞci systemów ZW.
4. PRZYKàAD ARCHITEKTURY SYSTEMÓW AGENTOWYCH
W celu poradzenia sobie z wewnĊtrzną záoĪonoĞcią bardziej rozbudowa-nych systemów ZW moĪna opracowaü rozwiązania oparte na koncepcji zarzą-dzania wiedzą z wykorzystaniem agentów poĞredniczących (Agent-Mediated
Knowledge Management – AMKM). Zastosowanie agentów pozwala na
roz-wiązywanie problemów bĊdących konsekwencją rozbieĪnoĞci pomiĊdzy stanem poĪądanym a rzeczywistym zachowaniem w Ğrodowiskach dynamicznych, dotyczących róĪnych aspektów danej dziedziny ZW 14.
Koncepcja AMKM zakáada wáączenie do formalnych procesów organiza-cyjnych niezaleĪnych inicjatyw oraz wzajemnej wspóápracy podejmowanej przez jednostki. Oznacza to, Īe system nie musi byü a priori caákowicie zapro-jektowany oraz niezmienny, natomiast jest rozwijany jako zbiór komponentów i procesów wzajemnej interakcji, które mogą byü dostosowywane do potrzeb i wymogów poszczególnych uczestników. Takie podejĞcie powoduje, Īe tworzenie systemów AMKM wymaga zastosowania teorii projektowania
14
organizacji oraz wiedzy na temat tego, w jaki sposób organizacje mogą siĊ zmieniaü i ewoluowaü w czasie. Do budowy systemów otwartych, takich jak systemy AMKM, wykorzystuje siĊ agentów, które mogą byü opracowywane przez róĪne zespoáy projektowe. Agenty te, posiadające swoje indywidualne cele dziaáania, mogą nie byü znane w momencie projektowania samego systemu. Aby system jako caáoĞü byá w stanie podejmowaü decyzje ukierunkowane na realizacjĊ poáączonych celów swoich uczestników, musi posiadaü zaimplemen-towaną okreĞloną politykĊ dziaáania, okreĞlającą na przykáad, czy problemy rozwiązywane bĊdą zwykáą wiĊkszoĞcią gáosów, czy teĪ stosowane bĊdą pewne preferencje w gáosowaniu15.
Podstawą dla opracowania koncepcji AMKM jest model spoáecznoĞci agen-towych OperA (Organizations per Agents), który moĪna postrzegaü, jako rodzaj abstrakcyjnego protokoáu okreĞlającego zasady, na jakich agenty, jako czáonko-wie spoáecznoĞci, powinny dziaáaü zgodnie z jej wymaganiami16.
Oparta na modelu OperA architektura systemu AMKM skáada siĊ z dwóch warstw: operacyjnej oraz dopasowywania (zob. rys. 4). Na poziomie produkcyj-nym wyróĪniü moĪna trzy podstawowe typy agentów: asystentów osobistych, analityków zadaĔ procesów biznesowych (tzw. agentów zadaniowych) oraz nadzorców Ĩródeá wiedzy (tzw. agentów Ĩródáowych). W zaleĪnoĞci od obszaru zastosowania moĪe pojawiü siĊ koniecznoĞü wykorzystania takĪe innych rodzajów agentów. KaĪdy z wczeĞniej wymienionych typów agentów zapewnia swobodny dostĊp do swojego zaplecza organizacyjnego. Na przykáad asystent osobisty koncentruje siĊ na okreĞlaniu oraz zaspokojeniu potrzeb swojego uĪytkownika i nie musi znaü rodzajów oraz formatów Ĩródeá wiedzy, które są hermetyzowane przez agentów Ĩródáowych, a z którymi asystent moĪe siĊ komunikowaü.
Poziom dopasowywania pomaga agentom we wzajemnym lokalizowaniu siĊ, uwzglĊdniając ich wzajemne potrzeby i moĪliwoĞci. Oznacza to, Īe na tym poziomie „normy” spoáecznoĞci są zachowywane i wymuszane oraz zapewniona jest wáaĞciwa interakcja. InterakcjĊ zapewniają agenty dopasowujące poprzez monitorowanie i wspomaganie zawierania kontraktów, zapoznawanie nowych agentów z reguáami uznawanymi w spoáecznoĞci oraz Ğledzenie opinii o agen-tach uczestniczących w transakcjach. Do typowych ról agentów dopasowujących zaliczyü moĪna kojarzenie, nadzór oraz opiniowanie.
15
V. Dignum, A Model for Organizational Interaction: Based on Agents, Founded in Logic. PhD thesis, Utrecht University 2004; M. Luck, P. McBurney, C. Preist, Agent Technology: Enabling Next Generation Computing: A Roadmap for Agent Based Computing, AgentLink II, 2003.
16
Rysunek 4. Ogólna architektura AMKM
ħródáo: V. Dignum, An Overview of Agents in Knowledge Management, UU-CS 2004-017, Utrecht University: Information and Computing Sciences, Utrecht 2004.
.
Architektura przedstawiona na rys. 4 zostaáa wykorzystana do stworzenia tzw. rynku wiedzy (Knowledge Market) z przeznaczeniem dla ekspertów ubezpieczeniowych (w zakresie ubezpieczeĔ ogólnych; non-life insurance– wszystkie rodzaje ubezpieczeĔ, z wyáączeniem ubezpieczeĔ na Īycie)17.
Opracowane rozwiązanie pozwoliáo na wzajemną wymianĊ wiedzy pomiĊdzy ekspertami, zapewniając jej ochronĊ, nagradzając jej posiadaczy oraz dostarcza-jąc ją tym, którzy jej potrzebowali, na czas (just in time) i w wystarczającej iloĞci (just-enough). Biorąc pod uwagĊ fakt, iĪ eksperci ubezpieczeniowi posiadają wiedzĊ, doĞwiadczenie oraz kontakty, które stanowią ogromną wartoĞü dla organizacji, zaprojektowano system wspomagający oraz zachĊcający ich do wspóápracy oraz wspóádzielenia tych posiadanych zasobów. Wspóádzie-lenie nie jest sterowane centralnie w organizacji – jest natomiast mocno zalecane przez jej kierownictwo. W otoczeniu systemu zarówno poszukujący wiedzy (knowledgeseekers) jak i jej posiadacze (knowledgeowners) chcą decydowaü co
17
V. Dignum, A Knowledge Sharing Model for Peer Collaboration in the Non-Life Insur-ance Domain, Proc. German Workshop on Experience Management, Lecture Notes in Informatics, German Society for Informatics, Berlin 2002.
do wyboru partnerów i warunków zawieranych „kontraktów”. Najbardziej „dopasowany” pod wzglĊdem indywidualnych wymagaĔ oraz ocen partner zostaje wybrany i zawierany jest z nim „kontrakt” na udostĊpnienie okreĞlonych zasobów. W systemie uwzglĊdniono takĪe inne aspekty (prywatnoĞü, tajnoĞü oraz konkurowanie pomiĊdzy oddziaáami),które mogą wpáywaü na kanaáy oraz moĪliwoĞci wspóádzielenia18.
Biorąc pod uwagĊ wymagania systemu w architekturze Rynku Wiedzy, po-szukujący wiedzy jak i jej posiadacze peánią rolĊ asystentów osobistych (zob. rys. 4). Spowodowane to jest koniecznoĞcią zapewnienia bezpoĞredniej wspóá-pracy pomiĊdzy ekspertami-ludĨmi, a nie jak w przypadku ogólnym przedsta-wionym na Rys. 4, potrzebą integracji specyfikacji preferencji uĪytkowników, Ĩródeá wiedzy oraz zadaĔ biznesowych. System Rynku Wiedzy zaprojektowano tak, aby kaĪda zainteresowana podjĊciem wspóápracy osoba mogáa, przy pomocy interfejsu uĪytkownika, zainicjowaü swojego agenta (asystenta
osobi-stego), który od tego momentu bĊdzie dziaáaá jako awatar tej osoby w systemie.
Agent ten bĊdzie wykorzystywaá preferencje oraz wymagania okreĞlone przez reprezentowanego uĪytkownika w celu odnajdywania odpowiednich partnerów i negocjowania warunków wymiany („kontraktu”). W tym przypadku wymie-nianym dobrem są opisy wiedzy. PoniĪej opisano przykáadowy scenariusz ilustrujący zasadĊ dziaáania rynku wiedzy19
:
Anna pracuje nad rozwojem nowego produktu w zakresie ubezpieczenia od odpowiedzialno-Ğci cywilnej. Potrzebuje analizy produktów oferowanych przez konkurencjĊ, która aktualnie nie jest dostĊpna w repozytorium wiedzy. Korzystając z interfejsu uĪytkownika przekazuje swoje potrzeby i warunki asystentowi osobistemu. Warunki okreĞlone przez AnnĊ mogą przykáadowo odnosiü siĊ do ostatecznego terminu (do kiedy analiza jest jej potrzebna), rodzaju preferowanego Ĩródáa wiedzy (czy woli rozmowĊ osobistą, czy teĪ zapoznanie siĊ z dokumentem), a takĪe ile jest skáonna za nią „zapáaciü”. Asystent osobisty Anny doáączy do rynku wiedzy, gdzie zostanie mu przypisana rola poszukującego wiedzy, a nastĊpnie skontaktuje siĊ z agentem dopasowującym, w celu odnalezienia przez niego potencjalnych partnerów. Wykorzystując swoje wewnĊtrzne informacje dotyczące posiadaczy wiedzy, agent dopasowujący przedstawi ich listĊ poszukującemu wiedzy. Wykorzystując zaimplementowaną strategiĊ oraz preferencje okreĞlone przez AnnĊ, jej asystent osobisty skontaktuje siĊ z posiadaczami wiedzy i postara siĊ uzyskaü najlepszą ofertĊ na zapotrzebowanie Anny.
6. PODSUMOWANIE
Aktualny stan rozwoju systemów ZW wykazuje potrzebĊ w zakresie wspo-magania technologiami zapewniającymi rozwiązywanie problemów związanych ze znacznym wzrostem záoĪonoĞci procesów ZW, rozproszeniem oraz
heteroge-18
V. Dignum, An Overview of Agents…
19
nicznoĞcią Ĩródeá wiedzy, a takĪe wymogami proaktywnego i reaktywnego zaspokajania potrzeb i oczekiwaĔ uĪytkowników. Odpowiedzią na tego rodzaju zapotrzebowanie są systemy wieloagentowe.
W artykule omówiono zagadnienia związane z zarządzaniem wiedzą, przed-stawiono charakterystykĊ systemów agentowych oraz moĪliwoĞci ich zastoso-waĔ do zarządzania wiedzą w organizacji, a takĪe opisano wybraną klasyfikacjĊ takich systemów. Zaprezentowana zostaáa takĪe przykáadowa architektura systemów zarządzania wiedzą z wykorzystaniem agentów poĞredniczących (AMKM) oraz jej implementacja w firmie ubezpieczeniowej, jako tzw. rynku wiedzy.
BIBLIOGRAFIA
Dignum V., A Model for Organizational Interaction: Based on Agents, Founded in Logic. PhD thesis, Utrecht University 2004.
Dignum V., An Overview of Agents in Knowledge Management, „Declarative Programming for Knowledge Management", LNCS 4369, Springer-Verlag, 2006.
Dignum V., An Overview of Agents in Knowledge Management, UU-CS 2004-017, Utrecht University: Information and Computing Sciences, Utrecht 2004.
Dignum, V., A Knowledge Sharing Model for Peer Collaboration in the Non-Life Insurance Domain, Proc. German Workshop on Experience Management, Lecture Notes in Informatics, German Society for Informatics, Berlin 2002.
Elst L., Dignum V., Abecker A., Towards Agent-Mediated Knowledge Management, „Agent-Mediated Knowledge Management: Selected Papers", LNAI 2926, Springer 2004.
Franklin S., Graesser A. Is it an Agent, or just a Program?: A Taxonomy for Autonomous Agents, Intelligent Agents III Theories Architectures, And Languages, LNCS 1193, Springer-Verlag, 1997.
Godniak M. K., Wspomaganie zarządzania w organizacji wirtualnej z wykorzystaniem technologii typu „Muti-Agent System”, http://www.swo.ae.katowice.pl/_pdf/54.pdf (odczyt 16.11.2011). Luck, M., McBurney, P., Preist, C., Agent Technology: Enabling Next Generation Computing: A
Roadmap for Agent Based Computing, AgentLink II, 2003.
àucki Z., Kozarkiewicz-Chlebowska A., Brenk D., Nowoczesne metody zarządzania w górnictwie naftowym i gazownictwie. Zarys teorii i przykáady, Wydawnictwo Naukowo-Dydaktyczne AGH, Kraków 2005.
Maes P., Agents That Reduce Work and Information Overload. Communications of the ACM, vol. 37, issue 7, New York 1995.
Oleszewska B., Podstawy zarządzania przedsiĊbiorstwem na progu XXI wieku, Wydawnictwo AE, Wrocáaw 2004.
PodrĊcznik Oslo. Zasady gromadzenia i interpretacji danych dotyczących innowacji. Pomiar dziaáalnoĞci naukowej i technicznej, Organizacja Wspóápracy Gospodarczej i Rozwoju (OECD), Urząd Statystyczny Wspólnot Europejskich (Eurostat), Warszawa 2008.
Probst G., Raub S., Romhardt K., Zarządzanie wiedzą w organizacji, Oficyna Ekonomiczna, Kraków 2002.
Russel S. J., Norvig P., Artificial Intelligence. A Modern Approach, Prentice Hall, Upper Saddle River NJ 2003.
Serban A. M., Luan J., Overview of Knowledge Management. New Directions for Institutional Research, issue 113, Wiley, New York 2002.
Shoham Y., An Overview of Agent-Oriented Programming, [w:] J. M. Bradshaw (ed.), Software Agents, AAAI–Press MIT Press, Menlo Park Cal. 1997.
Wooldrige M., Jennings N.R., Intelligent Agents. Theory and Practice, „Knowledge Engineering Review” 1995, vol. 10, issue 02.
Norbert Krygier, Piotr Karczmarz
AGENT SYSTEMS IN KNOWLEDGE MANAGEMENT
The functioning of modern organizations under the influence of a competitive environment requires them to systematically improve their competence. There is no doubt that knowledge is one of the most important resources and appropriate Knowledge Management allows organizations to quickly and effectively respond to changes in the area of their operations. The dynamic deve-lopment of Information Technology has caused that it is difficult to imagine a modern Knowledge Management system in an organization without the support of efficient IT solutions. One of the future concepts in the design and implementation of such systems are agent systems. The purpose of this article is to present the applicability of agent systems in Knowledge Management in organizations, with their characteristics, classification, and a sample implementation architecture.
