电子产品世界

4.2 人机接口Agent 的工作方式

人机接口Agent 强调Agent 的自主性和学习性,它可作为人的助手, 通过与用户协作替用户传达决策任务。在决策过程中, Agent 可采用以下几种学习方式来适应问题的变化: 通过发现和模拟用户学习知识、通过获得用户的正向和负向反馈学习知识、通过用户的指导获得知识、通过与其它Agent 通讯获得知识。人机接口Agent 的工作模式如图3 所示。

通过人机接口Agent 可实现人机智能结合, 通过多Agent 系统的集成, 可提高人—机系统的综合智能水平, 可以为人和机器的双向通信提供友好交互、自然对话的条件, 构成人机协调系统。例如, 可以理解用户发出的命令、并替用户执行诸如数据库搜索或替用户记录和处理信息等。

在本系统中, 界面Agent 一方面要通过系统提供信息, 提出任务要求; 另一方面系统也要通过界面向用户提供解答和各种辅助决策信息, 或者向用户索取为完成任务需要的补充信息, 不同的界面Agent 对应处理不同的用户要求和不同的任务。

本系统的Agent 的工作流程如下:

(1) 根据用户的登录情况为新用户建立初步用户模型或为旧用户查询得到其用户模型。

(2)根据用户模型, 确定人机接口Agent 的工作方式。

(3)用户按人机接口Agent 提供的输入方式录入信息, 包括数据信息或一些定性信息。

(4)根据系统模型, 触发适当的功能Agent , 由它们相互协作完成相应的决策功能。

(5)接受其它Agent 传送来的处理结果, 按确定的输出方式输出结果。

用户模型采用纪录形式表达, 存储于范例库中,其中的字段代表用户的特征, 形式为: 用户模型{用户类型, 对系统熟悉程度, 知识背景, 决策背景, 决策风格}, 系统提取这些主要是因为它们与用户所偏好的界面形式有密切关系。界面Agent 中的学习主要用于用户模型的调整、修正、知识库的完善等。

5 结束语

本文的创新点是: 利用基于Agent 的人机接口技术, 改进传统方式的许多不足, 提高系统的适应性和灵敏性。下一步的研究工作将对此模型作进一步的细化, 并改进该模型在自主学习和主动性等方面的不足。

关键词： Agent 人机协调 人机接口