Revista de ingeniería informática y tecnología de la información

Una base para el aprendizaje adaptativo sobre la marcha basado en agentes de las TTP

Margery J. Doyle

En este artículo, informamos sobre los métodos y los marcos flexibles empleados para desarrollar, integrar y probar tácticas, técnicas y procedimientos basados ​​en agentes adaptativos (AB-TTPs), en un entorno de investigación de entrenamiento complejo. Se utilizó un entorno de modelado y simulación (M&S) desarrollado para el Laboratorio de investigación de la Fuerza Aérea 711th/HPW como base para el Not-So-Grand-Challenge (NSGC); el caso de uso tal como se aplicó. Para ello, capitalizamos las propiedades de los sistemas y situaciones adaptativos complejos, lo que permitió el modelado basado en el contexto y, en última instancia, la capacidad de un agente para evaluar, probar y aprender nuevas tácticas de forma independiente. Estas capacidades se lograron mediante el uso por parte del agente y el sistema de la modularización, la descomposición y/o el uso de las capacidades combinatorias del/los agente/s, el sistema y/o las propiedades funcionales de la situación; es decir, las posibilidades. El desarrollo y uso de una arquitectura de abstracción del entorno (EA) de conocimiento a modelo (k2Mod) le dio a los agentes la capacidad de adquirir conciencia de la situación, reconocer cambios en su entorno y reaccionar y responder de manera apropiada. De hecho, la inteligencia adaptativa del agente (IA), es decir, los modelos utilizados, incluso pudieron predecir con precisión su propio desempeño y ajustar sus propios parámetros. Este método también facilita la velocidad con la que se pueden desarrollar y actualizar nuevas definiciones de agente, parámetros de situación, inteligencia del agente y ABTTP mediante el "aprendizaje de IA sobre la marcha"; juego de palabras intencionado. Además, la formalización de un protocolo de este tipo ofrece a la comunidad de M&S un proceso que promueve la portabilidad, la usabilidad, la reutilización y la componibilidad para el desarrollo rápido de modelos basados ​​en agentes y la investigación basada en inteligencia del agente en entornos complejos.