[wiki翻译]分布式人工智能
分布式人工智能（DAI）也被叫做去中心化人工智能，他是人工智能研究领域的一个子领域，致力于开发分布式解决方案。
DAI与多智能体系统（Multi-agentsytem）领域域切相关，并且是多智能体系统的前身。
请注意，多智能体系统（Multi-Agentsystem）的概念在后面会多次出现。
文章目录1定义2设计目标3发展历史4例子5方法6应用7工具8AgentsandMulti-agentsystems9Softwareagents10挑战11另请参阅12参考文献13阅读更多写在最后1定义分布式人工智能（DAI）是一种用来解决复杂的学习，计划和决策问题的方法。
由于它是高度并行的，因此它能够进行大规模的计算并且充分利用分布式的计算资源。这种特性能够让它处理那些含有非常大的数据集的问题。
DAI系统由分散的自主学习处理节点（agents）组成，通常规模非常庞大。DAI节点可以独立运行，也可以通过节点之间的异步通信方式进行集成。
凭借其规模，DAI系统既坚固又有弹性，并能根据需要进行松散耦合。
此外，由于重新部署的规模和难度，DAI会在构建时就会被设计成能够适应问题定义变化，底层数据集的变化的系统。
DAI系统（是去中心化的）不需要将所有相关数据集中在一个单一的位置，而中心化的人工智能系统的节点之间往往或紧密或耦合的处于物理上相近的位置。因此，DAI系统常常会用来处理超大数据集的子样本或超大数据集的hash映像。
此外，源数据集可能在DAI系统执行过程中发生更改或更新。
2设计目标分布式人工智能系统的设计目标是解决人工智能的推理、规划、学习和感知等问题，特别是在需要大量数据的情况下，通过将问题分发给自主处理节点(agents)。
要实现这一目标，DAI需要:
能够对那些不可靠甚至失效的资源进行鲁棒且具有弹性的计算能够协调节点之间的行动和沟通是一个大数据集和在线机器学习的一部分目前DAI研究的主流问题包括以下几类：
并行计算类问题：其主要讨论的是传统人工智能概念在分布式背景下的改变和应用，以此可以来应用多处理机系统和计算机集群来加速计算。
分布式问题的解决（DPS）：将每一个agent作为一个能够独立解决DPS问题的个体。详情见下文。
基于多智能体系统的仿真（MABS）：它是DAI的一个分支。它为那些需要同时在宏观和微观层面上分析现象的模拟奠定了基础。比如说许多社会模拟场景就需要涉及到MABS。
3发展历史1975年，分布式人工智能作为人工智能的一个子领域出现，主要研究的是agent之间的交互作用。
在当时，分布式人工智能系统被认为是一组被称为agent的智能实体，它们通过合作、共存或竞争进行交互。
后来DAI被分为多智能体系统和分布式问题求解两个部分。
在多智能体系统中，主要关注的是agent之间，如何去协调它们之间的信息交互和控制下一步的行为。
而分布式问题解决，主要关注的是问题的分解和解决方案的综合。
4例子多智能体系统和分布式问题求解是DAI的两种主要方法。有许多应用程序和工具。
5方法目前存在两种类型的DAI：
在多智能体系统（Multi-agentsystem）中，agent协调它们的知识和活动，并对协调过程进行推理。agent是物理的或虚拟的实体，可以行动，感知它的环境和其他agent通信。agent是自主的，具有实现目标的技能。agent通过其行为改变其环境的状态。在这之中，有许多不同的协调技术。在分布式问题解决（DPS）中，所有的工作被分配给各个节点，信息同时也在各个节点之间共享。在这之中，最被关注的是如何进行任务的分配，以及如何将信息与解决步骤准确而巧妙的安排起来。6应用当前的分布式人工智能在许多的领域都有着应用：
电子商务，例如在交易策略系统中，DAI系统可以从非常大的金融数据样本的子样本中来学习金融交易规则网络通信，例如在电信方面，DAI系统可以控制WLAN网络中的资源调度路径规划，例如用来设计运输网络中的车流模型任务调度，例如流水作业调度，其中资源管理器需要保证局部之间的能够优化和配合，同时还要保证局部与全局之间的一致性。通过多智能体系统（Multi-Agentsystems）来开展人工生命、模拟生命的研究电力系统，如用于变压器状态监测的多代理系统(COMMAS)，IntelliTEAMII自动恢复系统7工具ECStar一个基于规则的分布式学习系统
8AgentsandMulti-agentsystems引申阅读：Multi-agent_system§Applications
agent的概念：它可以被认为是具有标准边界和为解决问题而设计的接口的不同实体。
Multi-Agentsystem的概念：MAS（多智能体系统）被定义为一个松散耦合的智能体网络，他们像社会一样作为一个单一的实体来解决单个智能体无法解决的问题。
9SoftwareagentsDPS和MABS中使用的关键概念是称为Softagents的抽象。一个agent通常是一个物理或虚拟上的自主实体，它能够自主的了解自己所处的环境并采取行动。一个agent通常能够与同一个系统中的其他agent进行通信，来完成一个单个实体无法独立完成的目标。这种通信新系统采用agent之间专用的通讯语言。
介绍一个对agent进行有效分类的方法：
映射型agent：这种agent不过是一个单纯的接收输入，处理输入，产生输出的自动机解释型agent：与映射型不同，解释型agent往往能够更加其环境而产出一个内部的观点（internalview），并且能够按照预先设定好的计划行事。混合型agent：它是前两种的混合体。它可以在特定的时候遵循自己的计划，但有时也会不经过深思熟虑直接对外部事件作出反应。被公认的agent架构：
ASMO（分布式模块的出现）BDI（包含意图模块，是一种描述计划如何制定的通用架构）InterRAP（三层架构，有反应层、商议层、社交层）PECS：(物理、情感、认知、社会)描述了这四个部分如何影响行动者的行为Soar(一种基于规则的方法)10挑战分布式AI面临的挑战是:
如何进行代理之间的通信和交互，使用哪种通信语言或协议。
如何确保agent之间的一致性。
如何通过公式、描述、分解和分配在“intelligentagents组”中的综合结果。
11另请参阅CollectiveintelligenceFederatedlearningSimulatedrealitySwarmIntelligence12参考文献Demazeau,Yves,andJ-P.Müller,eds.DecentralizedAi.Vol.2.Elsevier,1990.^Catterson,VictoriaM.;Davidson,EuanM.;McArthur,StephenD.J.(2012-03-01).“Practicalapplicationsofmulti-agentsystemsinelectricpowersystems”(PDF).EuropeanTransactionsonElectricalPower.22(2):235–252.doi:10.1002/etep.619.ISSN1546-3109.A.BondandL.Gasser.ReadingsinDistributedArtificialIntelligence.MorganKaufmann,SanMateo,CA,1988.BrahimChaib-Draa,BernardMoulin,RenéMandiau,andPMillot.Trendsindistributedartificialintelligence.ArtificialIntelligenceReview,6(1):35-66,1992.
NickRJennings.Coordinationtechniquesfordistributedartificialintelligence.Foundationsofdistributedartificialintelligence,pages187-210,1996.
DamienTrentesaux,PhilippePesin,andChristianTahon.Distributedartificialintelligenceforfmsscheduling,controlanddesignsupport.JournalofIntelligentManufacturing,11(6):573-589,2000.
Catterson,V.M.,Davidson,E.M.,&McArthur,S.D.J.Practicalapplicationsofmulti-agentsystemsinelectricpowersystems.EuropeanTransactionsonElectricalPower,22(2),235–252.201213阅读更多Hewitt,Carl;andJeffInman(November/December1991).“DAIBetwixtandBetween:From‘IntelligentAgents’toOpenSystemsScience”IEEETransactionsonSystems,Man,andCybernetics.Volume:21Issue:6,pps.1409–1419.ISSN0018-9472Shoham,Yoav;Leyton-Brown,Kevin(2009).MultiagentSystems:Algorithmic,Game-Theoretic,andLogicalFoundations.NewYork:CambridgeUniversityPress.ISBN978-0-521-89943-7.Sun,Ron,(2005).CognitionandMulti-AgentInteraction.NewYork:CambridgeUniversityPress.ISBN978-0-521-83964-8Vlassis,Nikos(2007).AConciseIntroductiontoMultiagentSystemsandDistributedArtificialIntelligence.SanRafael,CA:Morgan&ClaypoolPublishers.ISBN978-1-59829-526-9.Grace,David;Zhang,Honggang(August2012).CognitiveCommunications:DistributedArtificialIntelligence(DAI),RegulatoryPolicyandEconomics,Implementation.JohnWiley&SonsPress.ISBN978-1-119-95150-6写在最后2019年6月15日确定自己研究生方向为分布式人工智能方向
发现关于分布智能或distributedai关键词的中文资料太少
萌生翻译wiki词条，翻译国外一些文章的想法。
2020.6.19初尝翻译文献，整个过程是非常痛苦的。
结合各大翻译软件，小初高语文知识想要用中文说的通俗易懂，然而该方面专业知识不足是硬伤，无法做到像中文一样流利的输出。
在后续的时间，会继续深入学习，并不断提高自己的翻译能力和对该领域的认知。
包括这篇文章，我也会不断去修改，优化，Ipromise。
非常期待您的建议和指导。
2020.6.21在写完分布式优化算法的背景，应用场景，研究动态这篇博客后，对这篇翻译重新做了一些修改。
尤其是前五个小节修改的尽量通俗且易懂。我是不是应该把一些（url）添加上去？
人工智能 (AI)的优点和缺点
当我们听到人工智能(AI)时，我们脑海中闪过机器人和机器的图像。我们都曾在终结者系列中将阿诺德施瓦辛格视为未来的人形生物。看过那些时髦的变形金刚系列，所有那些让机器人像真人一样做事的电影，所有这些都让我们对它怎么可能感到敬畏，但让我告诉你，它们是动画电影。然而，世界上存在着能够完成人类任务的机器人。由于人工智能的进步，所有这些都是可能的。让我们在帖子中进一步了解人工智能的优缺点。
人工智能是与人类和其他动物拥有的自然智能相比，由机器展示的智能。当机器模仿人类与其他人类思维行为(例如学习和解决问题)相关联的认知功能时，就会使用“人工智能”一词。人工智能的概念是计算机模仿人类应该做的人类行为。人工智能的范围从语音识别和翻译成不同的语言，有时甚至是决策。总的来说，任何涉及程序执行通常涉及使用人类智能的事情的东西都是人工智能。
人工智能的水平在人工智能的范围内，人工智能有不同的分类。
强对弱强大的智能是指真正看起来像模仿人类的工作，它甚至有助于理解人类的思维方式ｖｓｄｉＦＦｅＲ。弱智能只是旨在建立一个行为像人类但不旨在像人类一样思考的系统。
狭义与一般有某种智能旨在解决某些特定任务，称为狭义智能。还有一个目标是一般推理或一般任务，称为一般智能。
如果你是看着那些介绍天网和终结者、变形金刚等科幻电影的科幻机器人电影长大的，那么肯定至少曾经想过这个世界会不会被机器人摧毁的那一天。让我们讨论一下人工智能的一些优点和缺点。
人工智能的优点平凡的任务：当谈到一遍又一遍地做同样的事情时，人类在更少的此类会议之后会感到无聊。但另一方面，机器不会感到无聊ｖｓＤＩｆＦＥｒ。人工智能有助于改进自动化过程，从而提高资源的生产力，并将重复、无聊的任务从人类肩上卸下。更快的行动和决策：当涉及到很少或很多因素的决策时，我们的思维会变得越来越慢，而机器以相同的速度工作并考虑所有因素。机器在做出决策时花费的时间要少得多，并且在需要更快决策的情况下很有用。避免错误：犯错是对人而言，但同样不适用于机器。机器执行重复性任务，因为它们被提供了操作机器所需的电力。机器学习：机器学习是人工智能的最大优势。人工智能可以轻松浏览数PB的数据，这对人类来说实在是太多了。通过重复性任务学习并为进一步的进步做好准备。通过人工神经网络，机器模拟人脑的结构和功能。冒险而不是人类：智能机器通常用于人类参与不安全的情况。有各种各样的研究工作和其他类似的任务，只是不能涉及人类。就像发现宇宙中未知的地方一样，火星探索就是一个完美的例子。其他需要精确到非人类水平的医疗诊断，智能机器可以帮助减少错误并改善时间。人工智能的缺点权力分配：人工智能带来了从人类操作员手中夺走控制权的威胁。截至2017年7月，Facebook关闭了其AI程序，因为它们开始使用自己的语言进行交谈。机器开始开发自己的语言。这可能是我们一直在想象的cyborg攻击的开始。失业：人工智能的实施可能会取代许多低技能工作，这是一个严重的威胁。一些依赖人类的简单任务很容易被智能机器取代。经常发生这样的事件，当采用新技术取代他们的位置时，大量的人失去了工作。缺乏判断力：机器可以轻松地完成它们被编程去做的重复性任务，但是当它们做出没有被编程去做的决定时，它们就失败了。除非他们有适当的环境来做决定，否则他们不能自己做决定。高成本：人工智能研究的成本非常昂贵，并且需要大量时间来进行较小的进步。要使AI被称为训练有素或机器学习发生，数据集需要很大才能使这些机器学习有效。人类的能力可能会减弱：由于我们现在大部分工作都依赖机器，我们的生活变得更加轻松。由于这种轻松，我们留下了宝贵的小技能，这些技能可以变得更大。我们只是忽略了技术和技能的根源，而选择了机器提供的输出。这些会降低我们发挥全部潜力的能力。错误和坏人的手：机器每天都在变得智能。他们每天都在成长和学习。如果该特定机器落入坏人之手，只需意识到结果。本来可以走向发展的世界，很容易走向毁灭。这些都是人工智能的优点和缺点。人工智能仍处于发展过程中，电影为我们提供了更多思考机器接管世界的维度。这可能很遥远，但有些事情是绝对真实的，并且肯定会发生并且已经发生。2017年1月，日本FukokoMutualLifeInsurance的员工(准确地说是34名员工)被解雇，原因是该保险公司安装了一个新的人工智能系统，该系统可以读取医疗证明、收集住院和手术数据以及每年节省1.4亿日元的工资成本。一方面，这对公司来说是利润，而另一方面，34名员工失去了工作。但是，机器人攻击可能会发生也可能不会发生，但低技能人员的工作处于危险之中，而他们的位置正在被机器取代。因此，虽然人工智能是人类的福祉，但它绝对可能是人类的诅咒。
人工智能(AI)有什么好处？人工智能(AI)的局限性人工智能(AI)的优点和缺点人工智能(AI)的好处和坏处人工智能(AI)的利与弊人工智能(AI)的优缺点人工智能(AI)怎么样？人工智能(AI)的优势人工智能(AI)的长处欢迎任何形式的转载，但请务必注明出处，尊重他人劳动成果。转载请注明：文章转载自有区别网[http://www.vsdiffer.com]本文标题：人工智能(AI)的优点和缺点本文链接：https://www.vsdiffer.com/proscons/pros-and-cons-of-artificial-intelligence.html免责声明：以上内容仅是站长个人看法、理解、学习笔记、总结和研究收藏。不保证其正确性，因使用而带来的风险与本站无关！如本网站内容冒犯了您的权益，请联系站长，邮箱：，我们核实并会尽快处理。相关主题Airbnb的优点和缺点Gmail的优点和缺点Lucidair电动轿车的优点Straighttalk的优点和缺点人工心脏的优点和缺点人工耳蜗的优点和缺点人工降雨的优点和缺点商业智能的优点和缺点智能家居的优点和缺点智能汽车的优点和缺点智能衣服的优点和缺点机器人的优点和缺点随机碱性水的优点和缺点加拿大留学的优点和缺点钩织的优点和缺点农药的优点和缺点选美的优点和缺点生狗粮的优点和缺点新生儿维生素K的优点和缺点AppleWatch的优点和缺点基因治疗的优点和缺点惠普/HP电脑的优点和缺点参军的优点和缺点摄影师的优点和缺点