කාරක භාවිත ආකෘතිකරණ Agent Based Modeling (ABM)
කාරක භාවිත ආකෘතිකරණ
Agent Based Modeling (ABM)
පරිගණක විද්යාවේ ප්රවර්ධනයත් සමග කෘත්රිම බුද්ධිය (Artificial Intelligence-AI) සහ රොබෝ (Robot) තාක්ෂණය මිනිසුන් ගේ අවශ්යතා ඉටු කරමින් ඔවුනට වඩාත් සමීප වෙයි. මේ තාක්ෂණයන්හි වර්තමාන හා අනාගත ප්රගමනයට හේතු වන නවතම ප්රවණතාවක් වන කාරක භාවිත ආකෘතිකරණය පිළිබඳ දළ හඳුන්වාදීමක් සිදු කිරීමට මේ ලිපියෙන් උත්සාහ දැරෙයි.
ගුවන්යානා තුළ ක්රියාකාරී ස්වයංක්රීය පාලක පද්ධති කාලයක් තිස්සේ පවතින AI පද්ධතියකට උදාහරණ වෙයි. මීට අමතරව රියදුරන් නොමැති ව මාර්ගයේ සුරක්ෂිතව ගමන් කළ හැකි මගී වාහන දැනට අප රටේ ද දක්නට ලැබේ. (එහෙත් රියදුරකු නොමැති ව මාර්ගයේ ගමන් කිරීමට දැනට නීතිමය ප්රතිපාදන නොමැත). දැනට පර්යේෂණ තත්ත්වයේ පවතින ඇමෙරිකා එක්සන් ජනපදයේ DARPA ආයතනය විසින් නිපදවනු ලැබ ඇති Alpha Dog නම් රෝබෝවට සුනඛයකු මෙන් ඉතා වේගයෙන් කඳු හෙල් ඔස්සේ දිව යා හැකි ය.
මේවා සියල්ලට ම හේතු පාදක වී ඇත්තේ එම පද්ධති වල ඇති විශාල ගණනක් වූ සංවේදක (sensor) මගින් ලබාගන්නා දත්ත AI ඇල්ගොරිදම මගින් බුද්ධිමය තීරණ ගැනීමෙන් අනතුරුව ඊට අදාළ උපාංග (relays) ක්රියාත්මක කරවීමෙනි. එවැනි විශාල සංවේදක ප්රමාණයක් ඇති විට දී තනි AI පද්ධතියක් නිමවීම ඉතා සංකීර්ණ වේ.
කාරකයක් (Agent) යනු කුමක් ද?
කාරකයක් යනු තව කෙනකු වෙනුවෙන් පෙනී සිටින දෙයකි. ABM තුළ දී මෙය තවෙකකු වෙනුවෙන් පෙනී සිටින ඉතා කුඩා ස්වයං පාලක මෘදුකාංගයකි. මේ කාරකයට ක්රියාත්මක වීමට අවශ්ය වන්නේ ඉතා අඩු පරිගණක සම්පත් ප්රමාණයකි. (Memory, Processing Power). කාරකයට ක්R)7³Bu6;56#3538m%යාත්මක වීමට අවශ්ය සරල නියම කීපයක් එහි තුළ පවතී. මේ නියමයන් තුළ තමන් ගේ වටිනාකම දැක්වෙන ශ්රිතයක් ද (Utility Funtion) පවතී. ඉහත කී නියමන්ට අනුරූපව යමින් තමන් ගේ වටිනාකම වැඩි කරගන්නා කුඩා මෘදුකාංග කාරක ලෙස හැඳින්විය හැකි ය. ඉහත කී නියම ලියා ඇති මතකය කාරකයේ ස්îතික මතකයයි (Static Memory). මීට අමතරව, සමහර කාරකයන් තුළ ගතික මතකයක් ද (Dynamic Memory) පවතී. මේ මතකය තුළ තම අත්දැකීම් ගබඩා කර තබාගැනීමෙන් තම කාර්යය වඩාත් කාර්යක්ෂම සහ තර්කානුකූලව කිරීමට කාරකයකට හැකි ය. ඉතා දියුණු ABM පද්ධති තුළ මේ පාලක නියම ගතික මතකය තුළත්, එම නියම වෙනස් කිරීමට අදාළ නියම ස්aථිතික මතක තුළත් ගබඩා කිරීමත්a දැකගත හැකි ය. මේ කාරක පද්ධති අනුවර්ති හැසිරීම් (Adaptive behaviors) දැක්වීමට සමත් වෙයි.
කාරකයක් ප්රධාන හැසිරීම් රටා දෙකක් පෙන්වයි. පළමුවැන්න වන්නේ ප්රතික්රියාකාරී (Reactive) හැසිරීමයි. එනම් තම සංවේදක මගින් ලබාගන්නා උතතේජනයකට අනුරූපව ප්රතික්රියා දැක්වීමයි. දෙවැනි හැසිරීම් රටාව වන්නේ තමන් ගේ පරිසරය වෙනස් කිරීමට උත්තේජනයකින් තොර ව ක්රියා කිරීමයි. මෙය Proactive behavior නම් වේ. තමා තුළ පවතින නියම මත ක්රියා කරමින් වටිනාකම උපරිමකරණය කිරීමට තැත් කරන කාරකයක් ආත්මාර්ථසාධක කාරකයක් ලෙස හැදින්වේ (Selfish Agent). මක්නිසා ද යත් මේ කාරකයක කාරක පද්ධතියේ මුළු වටිනාකම ඉහළ නැංවීමට දායකත්වය ලැබෙන්නේ, එසේ විට ඉහත කාරකයේ ද පෞද්ගලික වටිනාකම ඉහළ යන්නේ නම් පමණක් බැවිනි. මෙවන් කාරකයන් විශාල ගණනක් යොදාගනිමින් නිපදවන ආකෘති (ABM) සත්ය ලෝකය ආකෘතිකරණයට සහ ගැටලුවලට විසඳුම් සෙවීමට ඉතා කාර්යක්ෂම අයුරින් යොදාගත හැකි ය.
බහු කාරක ආකෘතියක ව්යුහය ද සාකච්ඡා කළ යුතු ඉතා වැදගත් කරුණක් වේ. මක් නිසා ද යත් මේ පද්ධති තුළ කාරකයන් තමන්ට අදාළ පරිසරයක (Neighborhood) හැසිරෙන්නා සේ ආකෘතිකරණය කරන බැවිනි. එනම් බහුකාරක නො වන ආකෘතියක එම පද්ධතියට අදාළ පරිසරයක් ගැන හැදෑරෙන්නේ නැත. කාරකයක වටපිටාව හෙවත් පරිසරය ඒ ඒ ආකෘතියට ආවේනික ලෙස නිර්මාණය කළ හැකි ය. යම් කාරකයකට තමා ගේ ගනුදෙනු තමන් ආශ්රිතව වෙසෙන කාරකයන් කිහිප දෙනකු සමග පමණක් පවත්වාගත හැකි ය. තවත් කාරකයකට පද්ධතියට සවි කර ඇති සංවේදක මගින් තම ක්රියාකාරීත්වයට අදාළ දත්ත සපයාගත හැකි ය. තවත් අවස්ථාවක දී කාරකයකට තම පරිසරයේ තත්ත්වය (State) මත පදනම් ව තමන් ගේ කටයුතු කරගෙන යා හැකි ය. කෙසේ වෙතත් මේ කාරකයන් සැම අවස්ථාවක ම කාරක සමාජ ජාලයක (Agent Social Network) හැසිරෙන්නා සේ ආකෘතිකරණය කරනු ලැබේ.
මේ නිර්මාණවල දී සලකන ප්රධානතම කරුණක් වන්නේ කාරකයක් කුමක් සමග සන්නිවේදනය කරනු ඇත් ද යන්නයි. මෙසේ ඇති වූ පද්ධතියක කාරකයට දැනගැනීමට ලැබෙන්නේ තමා අවට දත්තයන් පමණි. (Local Information). සාර්වත්ර දත්ත (Global Information) දක්නට නො ලැබේ. තව ද කාරක පද්ධති තුළ පවතින විමධ්යගත ස්වභාවය සියල්ල දන්නා පාලක කාරකයක් නොමැති වීම ද හේතුවෙන් තමා අත ඇති දත්තයන් ගෙන් පමණක් තීරණ ගෙන කටයුතු කිරීමට කාරකයකට සිදු වේ.
බහු කාරක පද්ධති තුළ පවතින කාරකයන් සැම අතින් ම සර්වසම වීමට අවශ්ය නො වේ. මේවා තමන්ට ආවේනික කර්තව්යයන්a කිරීමට ද ඉඩ ඇත. මේ පද්ධතිවල ඇති තවත් වැදගත් ලක්ෂණයක් වන්නේ පද්ධතිය තුළ ජීවත් වන කාරකයන් හට අනෙක් කාරකයන් වෙත කළ හැකි බලපෑමයි. මේ බලපෑම මගින් මුළු පද්ධතියේ ව්යුහයට ඉතා විශාල බලපෑමක් කාලයත් සමග සිදු වේ. තවත් සමහර අවස්ථාවල මේ ගනුදෙනු සිදු කරන අසල්වාසී කාරකයන් කාලයත් සමග වෙනස් විය හැකි ය. කාරකයක් නිමාණය කිරීම පහසු වුව ද කාරක පද්ධතියක ව්යුහය සරල නො වන බව මින් පැහැදිලි වේ.
කාරක පද්ධතියක පවතිනණී මතු වන බුද්ධිය ((Emergent Intelligence)
ස්වභාවධර්මය සමහර තීරණ ගැනීමේ දී මේ ක්රමය අනුගමනය කර ඇතැයි යන්න විද්යාඥයන් ගේ මතයයි. එනම් ඉතා සුළු හැකියාවන් ප්රමාණයක් ඇති කොටස් ඉතා විශාල ප්රමාණයක අහඹු ක්රියාදාමයක් මගින් ඉතා බුද්ධිමත් යයි සිතිය හැකි සාමූහික හැසිරිමක් පෙන්වීමයි. මේ සාමූහික හැසිරීම එම ඒකකයන් තුළ ඇති ස්වයං සංවිධනාත්මක හැකියාවේත්a අන්තර් සන්නිවේදනයේත් ප්රතිඵල ලෙස දැක්විය හැකි ය. මෙවන් පද්ධතියකට අගනා උදාහරණයක් ලෙස කුහුඹු ගණාවාස (Ant Colony) දැක්විය හැකි ය. මෙහි තනි කුහුඹුවකු කාරකයක් ලෙස හැඳින්විය හැකි ය. කාරකය හෙවත් කුහුඹුවා පද්ධතියේ සුබසිද්ධිය උදෙසා කටයුතු කරන අතර ම තමන් ගේ සුබසිද්ධිය උදෙසා ද කටයුතු කරයි. ශක්තියෙන් හා බුද්ධියෙන් ඉතා දුබල කුහුඹුවන්a සංවිධානාත්මක ක්රියාදාමයන්aහි යෙදීමෙන් නූතන ඉංර්නේරු තාක්ෂණයට ඉතා කිට්ටු සම්බන්ධතා ඇති නිර්මාණ බිහි කිêම දක්නට හැකි ය. මෙය Eපැරටැබඑ ෂබඑeකකසටැබජැ ලෙස හැÔදින්වේ.
බහු කාරක පද්ධතියක ඇති තවත් බුද්ධිමය ලක්ෂණ පෙන්වන්නා වූ ගුණයක් මිනිස් මොළයේ හා සිතිවිලි උපයෝගී කරගනිමින් විස්තර කළ හැකි ය. එනම්ණී මිනිස් මොළයණී ගැටලූවක් මතු වූ විටණී පිළිතුරු විය හැකි විසඳුම් කීපයක් සසඳා අවසානයේ වඩාත් උචිත හෝ වඩාත් උචිත යයි සිතිය හැකි විසඳුම තෝරාගැනීමයි. මේ ලක්ෂණය බහු කාරක පද්ධති තුළ ද දැකිය හැකි ය. එනම් ගැටලුවකට මුහුණ දීමට සුදුසු කාරකයන් නැගී ඒමත් සමග වඩාත් සුදුසු කාරකයන්හි සංකලනය බලපැවැත්වීමෙන් වඩාත් සුදුසු තීරණ ගැනීමට හැකි වීමයි. තවදුරටත් අතිශය සංකීර්ණ වූත්, සාර්ථක වූත්a බහුකාරක පද්ධතියක් ලෙස මිනිස් සමාජය සැලකිය හැකි ය. පෞද්ගලික සහ සාමූහික ක්රියාකාරකම් මගින් මතු වන නිර්මාණ ඉතා විස්මයජනක බව කවුරුත් පිළිගත් සත්යයක් වන්නේ ය.
බහුකාරක පද්ධතියක ඇති වාසි
ලොව දැනට නොයෙක් වර්ගයේ කෘත්රීම බුද්ධීන් ගැන පර්යේෂණ පැවැත්වේ. ඒවායින් සමහරක් දැනට ප්රයෝජනයට ද ගැනේ. ඒවා අතරින් Expert systems,Artificial Neural Networks, Genetic Algoritrons, Fuzzy Logic, Machine Learning ඉතා සාර්ථක ප්රයත්න ලෙස දැක්විය හැකි ය. බහුකාරක පද්ධතියක ඇති ප්රධාන ම වාසිය නම් ඉහත දැක්වූ ඕනෑ ම ක්රම එකකින් හෝ වැඩි ගණනකින් කාරකයන් නිර්මාණය කළ හැකි වීමයි. එවිට ඒ ඕනෑ ම ක්රමයක පරිගණන මගින් ලැබෙන ප්රතිඵලවලින් වඩාත් ගැලපෙන ප්රතිඵලය කාරක පද්ධතිය මගින් තෝරාගනු ඇත. මෙවන් පද්ධතියක ඇති තවත් වාසියක් නම් මේ කාරකයන්ට ඉතා විශාල පරිසරයක් පුරා පැවතීමට හැකි වීමයි. (Dසිඑරසඉමඑed). මේවායේ එන කාරකයන්ට එකිනෙකට සම්බන්ධ පරිගණක, ජාලයක පැතිර සිටිය හැකි ය. එම නිසා ඒ ඒ කොටස්වලින් ගන්නා දත්ත මගින් මුළු පද්ධතියට ද ඒ ඒ කොටස්වලට ද වඩාත් වාසිදායක වන විසඳුම් ලබා දිය හැකි ය. තනි කාරකයන්a තුළ පවතින සරල නියමයන් සහ ඒවා නිර්මාණය කිරීමට අවශ්ය අවම ඇල්ගොරිදම හේතුවෙන් මේ මුළු පද්ධති නිර්මාණය කිරීම වඩාත් පහසු වේ.
ඒ කෙසේ වෙතත් මේ පද්ධති තුළ සුළු අඩුපාඩුකම් ද පවතී. මේ පද්ධතියකින් ගැටලුවකට දෙන විසඳුම් භාවිකතනය කළ නොහැකි ය. (Unpredictable). එය කාරකයන් තුළ පවතින සන්නිවේදනය තුළින් මතු ව ආ එකක් වීම ඊට හේතුවයි. තව ද ගැටලුවකට විසඳුම් සෙවීමේ දී සියලු ම කාරකයන් ක්රියාත්මක වුවත් අවසන් විසඳුමට ඉහත සියලු ක්රියාකාරකම් උපයෝගී නො විය හැකි ය. එම නිසා භාවිත කළ පරිගණක සම්පත්වල සුළු අපතේ යැමක් දැකිය හැකි ය. (Waste of Computing Resources).
ABM භාවිතා වන අවස්ථා
ABM යම් පද්ධතියක යොදා ගැනෙනුයේ ඒවාට තීරණ ගැනීමේ හැකියාවක් දීමට අවශ්ය වූ විට දී ය. එම පද්ධතියට පිළිතුරු සෙවීමට අවශ්ය ගැටලු එය නිර්මාණය කරන අවස්ථාවේ ආකෘතිකරණය කළ නොහැකි අවස්ථාවල දී ABM මෘදුකාංග නිර්මාණයට යොදාගත හැකි ය. මෘදුකාංගය පරිගණක ජාලයක් පුරා පවතින විට " ද මෙවැනි පද්ධතියක් නිර්මාණය කිêමේ වාසි ඇත.
ABM යොදාගනමින් දැනට විශාල පරාසයක පවතින මෘදුකාංග නිර්මාණය කර ඇත. විද්යාවේ ආකෘති නිර්මාණයට, කළමනාකරණ ආකෘති නිර්මාණයට මෙන්ම මුළු සමාජ පද්ධතියක ආකෘතිකරණයට මෙය යොදාගත් අවස්ථා ඇත. ජීව විද්යාවේ සෛල අතර අන්තර් ක්රියා, Nano තාක්ෂණයේ nano materials තුළ pattern formation in self assembly ශරීරය තුළ පවතින ප්ර්රතිදේහවල ක්රියාකාරිත්වයෙන් ශරීරයේ ඇති වන ප්රතිශක්තිය ද ABM විද්යාවේ ආකෘතිකරණයට කදිම නිදසුන් වේ. ABM මගින් සමාජයක පවතින සහයෝගීතාව මෙන්ම සමාජය තුළින් නැගී එන අසන්තුලිතභාවයන් ද ආකෘතිකරණයට භාජන කර ඇත. ABM යොදාගනිමින් ව්යපාරික මෘදුකාංග අති විශාල ගණනක් නිර්මාණය කර ඇත. Utility Distribution Planning මෘදුකාංග ඒ අතරින් මූලිකත්වය ගනී. කාරක තාක්ෂණය යොදාගනිමින් කෘත්රිම වශයෙන් සිතේ භාවයන් මතු වීම පෙන්වන ආකෘතියක් මෙරට දී ම නිපදවා ඇත (An Emergent Model of Emotions). AI මෘදුකාංග නිර්මාණයේ නව නැම්මක් ඇති කිරීමට Agent තාක්ෂණය සමත් වී ඇත. දැනට ප්රධාන වශයෙන් ඇමෙරිකා එක්සත් ජනපදයේ MIT, Carnagie Mellon සහ එක්සත් රාජධානියේ University of London යන විශ්වවිද්යාලවල කාරක තාක්ෂණය පිළිබඳ හැදෑරීම් සිදු කෙරෙයි. පර්යේෂණ මගින් Agent තාක්ෂණයේ නව මංපෙත් සොයා යැම මොරටුව විශ්වවිද්යාලයයේ දී ද, ජනරාල් ශ්රීමත් ජෝන් කොතලාවල රාජ්ය ආරක්ෂක විශ්වවිද්යාලයයේ දී ද සිදු කෙරෙයි.
නෙරංජක ජයරත්න
කාරක භාවිත ආකෘතිකරණ
Agent Based Modeling (ABM)
ගුවන්යානා තුළ ක්රියාකාරී ස්වයංක්රීය පාලක පද්ධති කාලයක් තිස්සේ පවතින AI පද්ධතියකට උදාහරණ වෙයි. මීට අමතරව රියදුරන් නොමැති ව මාර්ගයේ සුරක්ෂිතව ගමන් කළ හැකි මගී වාහන දැනට අප රටේ ද දක්නට ලැබේ. (එහෙත් රියදුරකු නොමැති ව මාර්ගයේ ගමන් කිරීමට දැනට නීතිමය ප්රතිපාදන නොමැත). දැනට පර්යේෂණ තත්ත්වයේ පවතින ඇමෙරිකා එක්සන් ජනපදයේ DARPA ආයතනය විසින් නිපදවනු ලැබ ඇති Alpha Dog නම් රෝබෝවට සුනඛයකු මෙන් ඉතා වේගයෙන් කඳු හෙල් ඔස්සේ දිව යා හැකි ය.
මේවා සියල්ලට ම හේතු පාදක වී ඇත්තේ එම පද්ධති වල ඇති විශාල ගණනක් වූ සංවේදක (sensor) මගින් ලබාගන්නා දත්ත AI ඇල්ගොරිදම මගින් බුද්ධිමය තීරණ ගැනීමෙන් අනතුරුව ඊට අදාළ උපාංග (relays) ක්රියාත්මක කරවීමෙනි. එවැනි විශාල සංවේදක ප්රමාණයක් ඇති විට දී තනි AI පද්ධතියක් නිමවීම ඉතා සංකීර්ණ වේ.
කාරකයක් (Agent) යනු කුමක් ද?
කාරකයක් යනු තව කෙනකු වෙනුවෙන් පෙනී සිටින දෙයකි. ABM තුළ දී මෙය තවෙකකු වෙනුවෙන් පෙනී සිටින ඉතා කුඩා ස්වයං පාලක මෘදුකාංගයකි. මේ කාරකයට ක්රියාත්මක වීමට අවශ්ය වන්නේ ඉතා අඩු පරිගණක සම්පත් ප්රමාණයකි. (Memory, Processing Power). කාරකයට ක්R)7³Bu6;56#3538m%යාත්මක වීමට අවශ්ය සරල නියම කීපයක් එහි තුළ පවතී. මේ නියමයන් තුළ තමන් ගේ වටිනාකම දැක්වෙන ශ්රිතයක් ද (Utility Funtion) පවතී. ඉහත කී නියමන්ට අනුරූපව යමින් තමන් ගේ වටිනාකම වැඩි කරගන්නා කුඩා මෘදුකාංග කාරක ලෙස හැඳින්විය හැකි ය. ඉහත කී නියම ලියා ඇති මතකය කාරකයේ ස්îතික මතකයයි (Static Memory). මීට අමතරව, සමහර කාරකයන් තුළ ගතික මතකයක් ද (Dynamic Memory) පවතී. මේ මතකය තුළ තම අත්දැකීම් ගබඩා කර තබාගැනීමෙන් තම කාර්යය වඩාත් කාර්යක්ෂම සහ තර්කානුකූලව කිරීමට කාරකයකට හැකි ය. ඉතා දියුණු ABM පද්ධති තුළ මේ පාලක නියම ගතික මතකය තුළත්, එම නියම වෙනස් කිරීමට අදාළ නියම ස්aථිතික මතක තුළත් ගබඩා කිරීමත්a දැකගත හැකි ය. මේ කාරක පද්ධති අනුවර්ති හැසිරීම් (Adaptive behaviors) දැක්වීමට සමත් වෙයි.
කාරකයක් ප්රධාන හැසිරීම් රටා දෙකක් පෙන්වයි. පළමුවැන්න වන්නේ ප්රතික්රියාකාරී (Reactive) හැසිරීමයි. එනම් තම සංවේදක මගින් ලබාගන්නා උතතේජනයකට අනුරූපව ප්රතික්රියා දැක්වීමයි. දෙවැනි හැසිරීම් රටාව වන්නේ තමන් ගේ පරිසරය වෙනස් කිරීමට උත්තේජනයකින් තොර ව ක්රියා කිරීමයි. මෙය Proactive behavior නම් වේ. තමා තුළ පවතින නියම මත ක්රියා කරමින් වටිනාකම උපරිමකරණය කිරීමට තැත් කරන කාරකයක් ආත්මාර්ථසාධක කාරකයක් ලෙස හැදින්වේ (Selfish Agent). මක්නිසා ද යත් මේ කාරකයක කාරක පද්ධතියේ මුළු වටිනාකම ඉහළ නැංවීමට දායකත්වය ලැබෙන්නේ, එසේ විට ඉහත කාරකයේ ද පෞද්ගලික වටිනාකම ඉහළ යන්නේ නම් පමණක් බැවිනි. මෙවන් කාරකයන් විශාල ගණනක් යොදාගනිමින් නිපදවන ආකෘති (ABM) සත්ය ලෝකය ආකෘතිකරණයට සහ ගැටලුවලට විසඳුම් සෙවීමට ඉතා කාර්යක්ෂම අයුරින් යොදාගත හැකි ය.
බහු කාරක ආකෘතියක ව්යුහය ද සාකච්ඡා කළ යුතු ඉතා වැදගත් කරුණක් වේ. මක් නිසා ද යත් මේ පද්ධති තුළ කාරකයන් තමන්ට අදාළ පරිසරයක (Neighborhood) හැසිරෙන්නා සේ ආකෘතිකරණය කරන බැවිනි. එනම් බහුකාරක නො වන ආකෘතියක එම පද්ධතියට අදාළ පරිසරයක් ගැන හැදෑරෙන්නේ නැත. කාරකයක වටපිටාව හෙවත් පරිසරය ඒ ඒ ආකෘතියට ආවේනික ලෙස නිර්මාණය කළ හැකි ය. යම් කාරකයකට තමා ගේ ගනුදෙනු තමන් ආශ්රිතව වෙසෙන කාරකයන් කිහිප දෙනකු සමග පමණක් පවත්වාගත හැකි ය. තවත් කාරකයකට පද්ධතියට සවි කර ඇති සංවේදක මගින් තම ක්රියාකාරීත්වයට අදාළ දත්ත සපයාගත හැකි ය. තවත් අවස්ථාවක දී කාරකයකට තම පරිසරයේ තත්ත්වය (State) මත පදනම් ව තමන් ගේ කටයුතු කරගෙන යා හැකි ය. කෙසේ වෙතත් මේ කාරකයන් සැම අවස්ථාවක ම කාරක සමාජ ජාලයක (Agent Social Network) හැසිරෙන්නා සේ ආකෘතිකරණය කරනු ලැබේ.
මේ නිර්මාණවල දී සලකන ප්රධානතම කරුණක් වන්නේ කාරකයක් කුමක් සමග සන්නිවේදනය කරනු ඇත් ද යන්නයි. මෙසේ ඇති වූ පද්ධතියක කාරකයට දැනගැනීමට ලැබෙන්නේ තමා අවට දත්තයන් පමණි. (Local Information). සාර්වත්ර දත්ත (Global Information) දක්නට නො ලැබේ. තව ද කාරක පද්ධති තුළ පවතින විමධ්යගත ස්වභාවය සියල්ල දන්නා පාලක කාරකයක් නොමැති වීම ද හේතුවෙන් තමා අත ඇති දත්තයන් ගෙන් පමණක් තීරණ ගෙන කටයුතු කිරීමට කාරකයකට සිදු වේ.
බහු කාරක පද්ධති තුළ පවතින කාරකයන් සැම අතින් ම සර්වසම වීමට අවශ්ය නො වේ. මේවා තමන්ට ආවේනික කර්තව්යයන්a කිරීමට ද ඉඩ ඇත. මේ පද්ධතිවල ඇති තවත් වැදගත් ලක්ෂණයක් වන්නේ පද්ධතිය තුළ ජීවත් වන කාරකයන් හට අනෙක් කාරකයන් වෙත කළ හැකි බලපෑමයි. මේ බලපෑම මගින් මුළු පද්ධතියේ ව්යුහයට ඉතා විශාල බලපෑමක් කාලයත් සමග සිදු වේ. තවත් සමහර අවස්ථාවල මේ ගනුදෙනු සිදු කරන අසල්වාසී කාරකයන් කාලයත් සමග වෙනස් විය හැකි ය. කාරකයක් නිමාණය කිරීම පහසු වුව ද කාරක පද්ධතියක ව්යුහය සරල නො වන බව මින් පැහැදිලි වේ.
කාරක පද්ධතියක පවතිනණී මතු වන බුද්ධිය ((Emergent Intelligence)
ස්වභාවධර්මය සමහර තීරණ ගැනීමේ දී මේ ක්රමය අනුගමනය කර ඇතැයි යන්න විද්යාඥයන් ගේ මතයයි. එනම් ඉතා සුළු හැකියාවන් ප්රමාණයක් ඇති කොටස් ඉතා විශාල ප්රමාණයක අහඹු ක්රියාදාමයක් මගින් ඉතා බුද්ධිමත් යයි සිතිය හැකි සාමූහික හැසිරිමක් පෙන්වීමයි. මේ සාමූහික හැසිරීම එම ඒකකයන් තුළ ඇති ස්වයං සංවිධනාත්මක හැකියාවේත්a අන්තර් සන්නිවේදනයේත් ප්රතිඵල ලෙස දැක්විය හැකි ය. මෙවන් පද්ධතියකට අගනා උදාහරණයක් ලෙස කුහුඹු ගණාවාස (Ant Colony) දැක්විය හැකි ය. මෙහි තනි කුහුඹුවකු කාරකයක් ලෙස හැඳින්විය හැකි ය. කාරකය හෙවත් කුහුඹුවා පද්ධතියේ සුබසිද්ධිය උදෙසා කටයුතු කරන අතර ම තමන් ගේ සුබසිද්ධිය උදෙසා ද කටයුතු කරයි. ශක්තියෙන් හා බුද්ධියෙන් ඉතා දුබල කුහුඹුවන්a සංවිධානාත්මක ක්රියාදාමයන්aහි යෙදීමෙන් නූතන ඉංර්නේරු තාක්ෂණයට ඉතා කිට්ටු සම්බන්ධතා ඇති නිර්මාණ බිහි කිêම දක්නට හැකි ය. මෙය Eපැරටැබඑ ෂබඑeකකසටැබජැ ලෙස හැÔදින්වේ.
බහු කාරක පද්ධතියක ඇති තවත් බුද්ධිමය ලක්ෂණ පෙන්වන්නා වූ ගුණයක් මිනිස් මොළයේ හා සිතිවිලි උපයෝගී කරගනිමින් විස්තර කළ හැකි ය. එනම්ණී මිනිස් මොළයණී ගැටලූවක් මතු වූ විටණී පිළිතුරු විය හැකි විසඳුම් කීපයක් සසඳා අවසානයේ වඩාත් උචිත හෝ වඩාත් උචිත යයි සිතිය හැකි විසඳුම තෝරාගැනීමයි. මේ ලක්ෂණය බහු කාරක පද්ධති තුළ ද දැකිය හැකි ය. එනම් ගැටලුවකට මුහුණ දීමට සුදුසු කාරකයන් නැගී ඒමත් සමග වඩාත් සුදුසු කාරකයන්හි සංකලනය බලපැවැත්වීමෙන් වඩාත් සුදුසු තීරණ ගැනීමට හැකි වීමයි. තවදුරටත් අතිශය සංකීර්ණ වූත්, සාර්ථක වූත්a බහුකාරක පද්ධතියක් ලෙස මිනිස් සමාජය සැලකිය හැකි ය. පෞද්ගලික සහ සාමූහික ක්රියාකාරකම් මගින් මතු වන නිර්මාණ ඉතා විස්මයජනක බව කවුරුත් පිළිගත් සත්යයක් වන්නේ ය.
බහුකාරක පද්ධතියක ඇති වාසි
ලොව දැනට නොයෙක් වර්ගයේ කෘත්රීම බුද්ධීන් ගැන පර්යේෂණ පැවැත්වේ. ඒවායින් සමහරක් දැනට ප්රයෝජනයට ද ගැනේ. ඒවා අතරින් Expert systems,Artificial Neural Networks, Genetic Algoritrons, Fuzzy Logic, Machine Learning ඉතා සාර්ථක ප්රයත්න ලෙස දැක්විය හැකි ය. බහුකාරක පද්ධතියක ඇති ප්රධාන ම වාසිය නම් ඉහත දැක්වූ ඕනෑ ම ක්රම එකකින් හෝ වැඩි ගණනකින් කාරකයන් නිර්මාණය කළ හැකි වීමයි. එවිට ඒ ඕනෑ ම ක්රමයක පරිගණන මගින් ලැබෙන ප්රතිඵලවලින් වඩාත් ගැලපෙන ප්රතිඵලය කාරක පද්ධතිය මගින් තෝරාගනු ඇත. මෙවන් පද්ධතියක ඇති තවත් වාසියක් නම් මේ කාරකයන්ට ඉතා විශාල පරිසරයක් පුරා පැවතීමට හැකි වීමයි. (Dසිඑරසඉමඑed). මේවායේ එන කාරකයන්ට එකිනෙකට සම්බන්ධ පරිගණක, ජාලයක පැතිර සිටිය හැකි ය. එම නිසා ඒ ඒ කොටස්වලින් ගන්නා දත්ත මගින් මුළු පද්ධතියට ද ඒ ඒ කොටස්වලට ද වඩාත් වාසිදායක වන විසඳුම් ලබා දිය හැකි ය. තනි කාරකයන්a තුළ පවතින සරල නියමයන් සහ ඒවා නිර්මාණය කිරීමට අවශ්ය අවම ඇල්ගොරිදම හේතුවෙන් මේ මුළු පද්ධති නිර්මාණය කිරීම වඩාත් පහසු වේ.
ඒ කෙසේ වෙතත් මේ පද්ධති තුළ සුළු අඩුපාඩුකම් ද පවතී. මේ පද්ධතියකින් ගැටලුවකට දෙන විසඳුම් භාවිකතනය කළ නොහැකි ය. (Unpredictable). එය කාරකයන් තුළ පවතින සන්නිවේදනය තුළින් මතු ව ආ එකක් වීම ඊට හේතුවයි. තව ද ගැටලුවකට විසඳුම් සෙවීමේ දී සියලු ම කාරකයන් ක්රියාත්මක වුවත් අවසන් විසඳුමට ඉහත සියලු ක්රියාකාරකම් උපයෝගී නො විය හැකි ය. එම නිසා භාවිත කළ පරිගණක සම්පත්වල සුළු අපතේ යැමක් දැකිය හැකි ය. (Waste of Computing Resources).
ABM භාවිතා වන අවස්ථා
ABM යම් පද්ධතියක යොදා ගැනෙනුයේ ඒවාට තීරණ ගැනීමේ හැකියාවක් දීමට අවශ්ය වූ විට දී ය. එම පද්ධතියට පිළිතුරු සෙවීමට අවශ්ය ගැටලු එය නිර්මාණය කරන අවස්ථාවේ ආකෘතිකරණය කළ නොහැකි අවස්ථාවල දී ABM මෘදුකාංග නිර්මාණයට යොදාගත හැකි ය. මෘදුකාංගය පරිගණක ජාලයක් පුරා පවතින විට " ද මෙවැනි පද්ධතියක් නිර්මාණය කිêමේ වාසි ඇත.
ABM යොදාගනමින් දැනට විශාල පරාසයක පවතින මෘදුකාංග නිර්මාණය කර ඇත. විද්යාවේ ආකෘති නිර්මාණයට, කළමනාකරණ ආකෘති නිර්මාණයට මෙන්ම මුළු සමාජ පද්ධතියක ආකෘතිකරණයට මෙය යොදාගත් අවස්ථා ඇත. ජීව විද්යාවේ සෛල අතර අන්තර් ක්රියා, Nano තාක්ෂණයේ nano materials තුළ pattern formation in self assembly ශරීරය තුළ පවතින ප්ර්රතිදේහවල ක්රියාකාරිත්වයෙන් ශරීරයේ ඇති වන ප්රතිශක්තිය ද ABM විද්යාවේ ආකෘතිකරණයට කදිම නිදසුන් වේ. ABM මගින් සමාජයක පවතින සහයෝගීතාව මෙන්ම සමාජය තුළින් නැගී එන අසන්තුලිතභාවයන් ද ආකෘතිකරණයට භාජන කර ඇත. ABM යොදාගනිමින් ව්යපාරික මෘදුකාංග අති විශාල ගණනක් නිර්මාණය කර ඇත. Utility Distribution Planning මෘදුකාංග ඒ අතරින් මූලිකත්වය ගනී. කාරක තාක්ෂණය යොදාගනිමින් කෘත්රිම වශයෙන් සිතේ භාවයන් මතු වීම පෙන්වන ආකෘතියක් මෙරට දී ම නිපදවා ඇත (An Emergent Model of Emotions). AI මෘදුකාංග නිර්මාණයේ නව නැම්මක් ඇති කිරීමට Agent තාක්ෂණය සමත් වී ඇත. දැනට ප්රධාන වශයෙන් ඇමෙරිකා එක්සත් ජනපදයේ MIT, Carnagie Mellon සහ එක්සත් රාජධානියේ University of London යන විශ්වවිද්යාලවල කාරක තාක්ෂණය පිළිබඳ හැදෑරීම් සිදු කෙරෙයි. පර්යේෂණ මගින් Agent තාක්ෂණයේ නව මංපෙත් සොයා යැම මොරටුව විශ්වවිද්යාලයයේ දී ද, ජනරාල් ශ්රීමත් ජෝන් කොතලාවල රාජ්ය ආරක්ෂක විශ්වවිද්යාලයයේ දී ද සිදු කෙරෙයි.
නෙරංජක ජයරත්න
