基于Agent的智能人機接口技術

4.2 人機接口Agent 的工作方式

人機接口Agent 強調Agent 的自主性和學習性,它可作為人的助手, 通過與用戶協作替用戶傳達決策任務。在決策過程中, Agent 可采用以下幾種學習方式來適應問題的變化: 通過發現和模擬用戶學習知識、通過獲得用戶的正向和負向反饋學習知識、通過用戶的指導獲得知識、通過與其它Agent 通訊獲得知識。人機接口Agent 的工作模式如圖3 所示。

通過人機接口Agent 可實現人機智能結合, 通過多Agent 系統的集成, 可提高人—機系統的綜合智能水平, 可以為人和機器的雙向通信提供友好交互、自然對話的條件, 構成人機協調系統。例如, 可以理解用戶發出的命令、并替用戶執行諸如數據庫搜索或替用戶記錄和處理信息等。

在本系統中, 界面Agent 一方面要通過系統提供信息, 提出任務要求; 另一方面系統也要通過界面向用戶提供解答和各種輔助決策信息, 或者向用戶索取為完成任務需要的補充信息, 不同的界面Agent 對應處理不同的用戶要求和不同的任務。

本系統的Agent 的工作流程如下:

(1) 根據用戶的登錄情況為新用戶建立初步用戶模型或為舊用戶查詢得到其用戶模型。

(2)根據用戶模型, 確定人機接口Agent 的工作方式。

(3)用戶按人機接口Agent 提供的輸入方式錄入信息, 包括數據信息或一些定性信息。

(4)根據系統模型, 觸發適當的功能Agent , 由它們相互協作完成相應的決策功能。

(5)接受其它Agent 傳送來的處理結果, 按確定的輸出方式輸出結果。

用戶模型采用紀錄形式表達, 存儲于范例庫中,其中的字段代表用戶的特征, 形式為: 用戶模型{用戶類型, 對系統熟悉程度, 知識背景, 決策背景, 決策風格}, 系統提取這些主要是因為它們與用戶所偏好的界面形式有密切關系。界面Agent 中的學習主要用于用戶模型的調整、修正、知識庫的完善等。

5 結束語

本文的創新點是: 利用基于Agent 的人機接口技術, 改進傳統方式的許多不足, 提高系統的適應性和靈敏性。下一步的研究工作將對此模型作進一步的細化, 并改進該模型在自主學習和主動性等方面的不足。