Децентрализованная система в теории систем — это система, в которой компоненты более низкого уровня работают с локальной информацией для достижения глобальных целей. Глобальная модель поведения — это возникающее свойство динамических механизмов, которые действуют на локальные компоненты, такие как косвенная коммуникация, а не результат центрального упорядочивающего влияния централизованной системы .
Централизованная система — это система, в которой центральный контроллер осуществляет контроль над компонентами нижнего уровня системы напрямую или посредством использования иерархии власти (например, отдавая распоряжение компоненту среднего уровня отдавать распоряжение компоненту нижнего уровня). [1] Таким образом, сложное поведение, демонстрируемое этой системой, является результатом «контроля» центрального контроллера над компонентами нижнего уровня в системе, включая активное наблюдение за компонентами нижнего уровня.
С другой стороны, децентрализованная система — это система, в которой сложное поведение возникает в результате работы компонентов более низкого уровня, работающих на локальной информации, а не по инструкциям какого-либо командного влияния. Эта форма управления известна как распределенное управление , или управление, в котором каждый компонент системы в равной степени отвечает за вклад в глобальное сложное поведение, действуя на локальную информацию соответствующим образом. Компоненты более низкого уровня неявно осознают эти соответствующие реакции посредством механизмов, которые основаны на взаимодействии компонента с окружающей средой, включая другие компоненты в этой среде.
Децентрализованные системы неразрывно связаны с идеей самоорганизации — феноменом, в котором локальные взаимодействия между компонентами системы устанавливают порядок и координацию для достижения глобальных целей без центрального командного влияния. Правила, определяющие эти взаимодействия, возникают из локальной информации и, в случае биологических (или биологически вдохновленных) агентов, из тесно связанной системы восприятия и действия агентов. [2] Эти взаимодействия непрерывно формируются и зависят от пространственно-временных шаблонов , которые создаются посредством положительной и отрицательной обратной связи , которую обеспечивают взаимодействия. Например, набор в поведении муравьев к добыче пищи зависит от положительной обратной связи от того, что муравей находит пищу в конце феромонного следа , в то время как поведение муравьев к переключению задач зависит от отрицательной обратной связи от установления контакта антенн с определенным количеством муравьев (например, достаточно низкая частота встреч с успешными фуражирами может заставить рабочего кучи переключиться на добычу пищи, хотя другие факторы, такие как доступность пищи, могут влиять на порог переключения).
Хотя децентрализованные системы легко обнаружить в природе, они также очевидны в таких аспектах человеческого общества, как правительственные и экономические системы.
Одним из наиболее известных примеров «естественной» децентрализованной системы является система, используемая некоторыми колониями насекомых . В этих колониях насекомых контроль распределен между однородными биологическими агентами, которые действуют на основе локальной информации и локальных взаимодействий, чтобы совместно создавать сложное глобальное поведение. Демонстрируя по отдельности простое поведение, эти агенты достигают глобальных целей, таких как кормление колонии или выращивание выводка , используя динамические механизмы, такие как неявная коммуникация и эксплуатируя свои тесно связанные системы действий и восприятия. Без какой-либо формы центрального управления эти колонии насекомых достигают глобальных целей, выполняя требуемые задачи, реагируя на изменяющиеся условия в среде колонии с точки зрения задачной деятельности и впоследствии регулируя количество рабочих, выполняющих каждую задачу, чтобы гарантировать, что все задачи выполнены. [3] Например, колонии муравьев направляют свое глобальное поведение (с точки зрения добычи пищи, патрулирования, ухода за выводком и обслуживания гнезда), используя пульсирующую, меняющуюся сеть пространственно-временных структурированных взаимодействий, которые полагаются на скорость контакта антенн и обонятельное восприятие. Хотя эти взаимодействия включают как взаимодействие с окружающей средой, так и друг с другом, муравьи не направляют поведение других муравьев и, таким образом, никогда не имеют «центрального контроллера», диктующего, что нужно делать для достижения глобальных целей.
Вместо этого муравьи используют гибкую систему распределения задач , которая позволяет колонии быстро реагировать на меняющиеся потребности для достижения этих целей. Эта система распределения задач, похожая на разделение труда, гибка в том, что все задачи зависят либо от количества встреч муравьев (которые принимают форму контакта антенн), либо от восприятия химических градиентов (используя обонятельное восприятие для феромонных следов) и, таким образом, может быть применена ко всей популяции муравьев. Хотя недавние исследования показали, что некоторые задачи могут иметь физиологические и возрастные пороги реагирования, [4] все задачи может выполнить «любой» муравей в колонии.
Например, в поведении добычи пищи красные муравьи-жнецы ( Pogonomyrmex barbatus ) сообщают другим муравьям, где находится еда , сколько ее, и следует ли им переключаться на поиски пищи, на основе запахов кутикулярных углеводородов и скорости взаимодействия муравьев с муравьями. Используя комбинированные запахи кутикулярных углеводородов фуражиров и семян [5] и скорость взаимодействия с помощью кратковременного контакта антенн, колония получает точную информацию о текущей доступности пищи и, таким образом, следует ли им переключаться на поиски пищи «без указания центрального контроллера или даже другого муравья». Скорость, с которой фуражиров возвращаются с семенами, определяет скорость, с которой отправляющиеся фуражиров покидают гнездо в походы за пищей; более высокие скорости возвращения указывают на большую доступность пищи, а меньшее количество взаимодействий указывает на большую потребность в фуражиров. Сочетание этих двух факторов, которые основаны исключительно на локальной информации из окружающей среды, приводит к решениям о переключении на задачу добычи пищи и, в конечном итоге, к достижению глобальной цели — прокормить колонию.
Короче говоря, использование комбинации простых сигналов позволяет колониям красных муравьев-жнецов точно и быстро корректировать активность добычи, которая соответствует текущей доступности пищи [6] , используя при этом положительную обратную связь для регулирования процесса: чем быстрее отправляющиеся муравьи-сборщики встречают муравьев, возвращающихся с семенами, тем больше муравьев отправляется на поиски пищи. [7] Затем муравьи продолжают использовать эти локальные сигналы для поиска пищи, поскольку они используют свои обонятельные чувства, чтобы улавливать феромонные следы, проложенные другими муравьями, и следовать по следу по нисходящему градиенту к источнику пищи. Вместо того, чтобы получать указания от других муравьев или указания о том, где находится еда, муравьи полагаются на свои тесно связанные системы действий и восприятия, чтобы совместно выполнить глобальную задачу. [3]
В то время как колонии красных муравьев-жнецов достигают своих глобальных целей, используя децентрализованную систему, не все колонии насекомых функционируют таким образом. Например, поведение ос в поисках пищи находится под постоянным регулированием и контролем королевы. [8]
Муравьиная мельница — пример того, как биологическая децентрализованная система дает сбой, когда правила, управляющие отдельными агентами, недостаточны для обработки определенных сценариев.
Рыночная экономика — это экономика, в которой решения об инвестициях и распределении средств производства принимаются в основном через рынки, а не по плану производства (см. плановая экономика ). Рыночная экономика — это децентрализованная экономическая система, поскольку она не функционирует через центральный экономический план (который обычно возглавляется государственным органом), а вместо этого действует через распределенные локальные взаимодействия на рынке (например, индивидуальные инвестиции ). Хотя «рыночная экономика» — это широкий термин и может значительно различаться с точки зрения государственного или правительственного контроля (и, следовательно, центрального контроля), окончательное «поведение» любой рыночной экономики возникает из этих локальных взаимодействий и не является прямым результатом набора инструкций или регулирования центрального органа.
В то время как классический искусственный интеллект (ИИ) в 1970-х годах был сосредоточен на системах, основанных на знаниях , или планирующих роботах, поведенческие роботы Родни Брукса и их успех в действиях в реальном, непредсказуемо меняющемся мире побудили многих исследователей ИИ перейти от плановой, централизованной символической архитектуры к изучению интеллекта как возникающего продукта простых взаимодействий. [9] Таким образом, это отражает общий сдвиг от применения централизованной системы в робототехнике к применению более децентрализованной системы, основанной на локальных взаимодействиях на различных уровнях абстракции.
Например, в значительной степени исходя из теории физических символов Ньюэлла и Саймона , исследователи в 1970-х годах проектировали роботов с курсом действий, который при выполнении приводил к достижению некоторой желаемой цели; таким образом, роботы рассматривались как «интеллектуальные», если они могли следовать указаниям своего центрального контроллера (программы или программиста) (например, см. STRIPS ). Однако после введения Родни Бруксом архитектуры подчинения , которая позволила роботам выполнять «интеллектуальное» поведение без использования символических знаний или явных рассуждений, все больше исследователей рассматривали интеллектуальное поведение как эмерджентное свойство, которое возникает из взаимодействия агента с окружающей средой, включая других агентов в этой среде.
В то время как некоторые исследователи начали проектировать своих роботов с тесно связанными системами восприятия и действия и пытались воплотить и разместить своих агентов в стиле Брукса, другие исследователи пытались имитировать многоагентное поведение и, таким образом, дополнительно анализировать явления децентрализованных систем в достижении глобальных целей. Например, в 1996 году Минар, Буркхард, Лэнгтон и Аскенази создали многоагентную программную платформу для стимуляции взаимодействующих агентов и их возникающего коллективного поведения под названием « Swarm ». В то время как базовой единицей в Swarm является «рой», совокупность агентов, выполняющих график действий, агенты могут состоять из роев других агентов во вложенных структурах. Поскольку программное обеспечение также предоставляет объектно-ориентированные библиотеки повторно используемых компонентов для построения моделей и анализа, отображения и управления экспериментами на этих моделях, оно в конечном итоге пытается не только имитировать многоагентное поведение, но и служить основой для дальнейшего изучения того, как коллективные группы агентов могут достигать глобальных целей посредством тщательной, но неявной координации. [10]
Примеры децентрализованных систем: