ПРИМЕНЕНИЕ ПОДХОДА МНОГОАГЕНТНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ И ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ БАЗ ЗНАНИЙ ДЛЯ ЗАДАЧ ДИСТАНЦИОННОГО ОБУЧЕНИЯ А.С.Писарев Институт высокопроизводительных вычислений и баз данных, Санкт-Петербург Тел.: (812) 251-00-38, e-mail: pisarev@fn.csa.ru Рассматривается актуальная проблема разработки программных средств и сред разработки параллельных приложений для суперЭВМ и суперкомпьютерных центров с удаленным доступом через сеть Интернет для решения задач принятия решений и дистанционного обучения.Особенностью одного из подходов ИВВиБД при решении данной проблемы является технология высокопроизводительных баз знаний с использованием ресурсов суперЭВМ, дистанционного визуального специфицирования знаний и многоагентных интеллектуальных систем хранения, поиска и извлечения знаний. В рамках аналогичных исследований "High performance knowledge bases", проводимых в США при поддержке Defence Advanced Research Projects Agency , разрабатываются методы приобретения, представления и манипулирования знаниями.Архитектура и функции многоагентной распределенной информационной системы включают интеллектуальных агентов высокопроизводительных баз знаний, предметных областей, системного администратора, агентов доступа к коллекциям предметных данных, агента – посредника координатора взаимодействий, агента пользователя. Взаимодействие агентов определяется рабочим стандартом ARPA Sharing Knowledge и основывается на языке ACL (agent communication language). Разработка информационной интеллектуальной многоагентной системы включает: создание модели взаимодействия интеллектуальных агентов; разработку методов визуальной спецификации знаний; разработку инструментальных средств распараллеливания логических программ и генерации интеллектуальных агентов; разработку средств координации взаимодействия интеллектуальных агентов.Подход, развиваемый в ИВВиБД /1,2,3/, основывается на визуальной спецификации баз знаний, в которой метазнания представлены в виде активных графических схем c концептами, связанными отношениями и функциями. Разрабатываемые специализированные средства позволяют выполнять как описание метазнаний, так и генерировать активные схемы в виде программных агентов, реализованных на Java. Особенностью агентов является способность взаимодействовать по протоколу ACL, на основе локальной базы знаний осуществлять логический вывод и обеспечивать адаптивный механизм навигации (настройку на определенную модель пользователя) в зависимости от целей работы с системой, т.е. результатов диалога с пользователем. Агенты поддерживают гибкость, расширяемость и динамические изменения различных электронных ресурсов больших масштабов.В качестве примера в докладе рассматривается опыт применения данного подхода при реализации системы дистанционного обучения и поддержки научных исследований в областях искусственного интеллекта и психолингвистике.Разработанные ресурсы распределенной информационной системы на основе высокопроизводительной базы знаний будут доступны пользователям, обладающим программно-техническими средствами удаленного доступа через сеть Интернет посредством интеллектуальных агентов, загружаемых с серверов Института высокопроизводительных вычислений и баз данных.В качестве аппаратной платформы предполагается использовать суперЭВМ и ПО, имеющиеся в центре суперкомпьютерных технологий Института высокопроизводительных вычислений и баз данных (суперкомпьютеры НР CONVEX SPP16000/SPP2000, Parsytec CC/16, SUN, OCTAN). Поддержка концепции открытых систем делает возможным подключение к данной системе пользователей различных платформ. Пользовательские ПЭВМ должны быть оборудованы программно-техническими средствами удаленного доступа через сеть Интернет.Литература 1. Gavrilova T., Voinov A., Danilchenko I., Udaltsov S., Sankina T. Problems of Multi-Agent Systems Design for Distance Learning / North-West Polytechnical University, 1997. – pp. 22-40.(in Russian).2. Gavrilova T., Chernigovskaya T., Voinov A., Udaltsov S. Intelligent development tool for adaptive courseware on WWW. / Proc of the Fourth International Conference on Computer Aided Learning and Instruction in Science and Engineering CALISCE'98. Goteborg, Sweden, 1998. – pp. 464-467. (in English).3. Gavrilova T., Voinov A. Work in Progress: Visual Specification of Knowledge Bases Task and Methods in Aplied Artificial Intelligence // in Lecture Notes in Artificial Intelligence v.1416 eds. A. P. del Pobil, J. Mira, M. Ali. Springer, 1998. – pp.717-726.(in English).