Adaptacyjne systemy agentowe we wspÛÔczesnym Ărodowisku e
Transkrypt
Adaptacyjne systemy agentowe we wspÛÔczesnym Ărodowisku e
Problemy ZarzÈdzania, vol. 13, nr 2 (52), t. 1: 88 – 100 ISSN 1644-9584, © Wydziaï ZarzÈdzania UW DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce Nadesïany 30.09.14 | Zaakceptowany do druku 01.12.14 Mieczysïaw Lech Owoc*, ukasz Piasny** Ewolucja priorytetów konsumenckich, ukierunkowana na oszczÚdnoĂÊ czasu transakcji, spersonalizowane podejĂcie i ogólne odejĂcie od ceny jako jedynego i najwaĝniejszego wyznacznika jakoĂci produktów ibusïug spowodowaïy nasilenie dynamiki zmian zachodzÈcych w handlu elektronicznym. Zdeterminowaïo to koniecznoĂÊ zastosowania technologii, która w sposób efektywny sprostaïaby wymogom stawianym przez analizowany rynek. TechnologiÈ takÈ sÈ inteligentni agenci programowi. Autorzy, poprzez wyróĝnienie wybranych zastosowañ systemów tej klasy w obszarze analizowanego rynku, wskazujÈ na cechÚ adaptacyjnoĂci jako kluczowÈ dla sprawnego i efektywnego funkcjonowania tych systemów. Niniejszy artykuï prezentuje róĝne podejĂcia do kwestii adaptacyjnoĂci, która jest odpowiedziÈ na koniecznoĂÊ dostosowania siÚ agentów do dynamiki zmian zachodzÈcych w Ărodowisku e-commerce. Wymóg taki wynika zarówno z potrzeby modyfikowania swojego zachowania w reakcji na boděce pïynÈce z otoczenia, jak i z interakcji z innymi agentami w systemach wieloagentowych. Sïowa kluczowe: systemy agentowe, adaptacyjnoĂÊ, e-commerce. Adaptive Agent Systems in Contemporary e-Commerce Environment Submited 30.09.14 | Accepted 01.12.14 The evolution of consumer priorities focused on time-saving transactions, a personalized approach and the general move away from price as the sole and most important determinant of the quality of products and services have resulted in intensification of dynamic changes in e-commerce. This determined the need for technology which would effectively meet the requirements set by the market. Such a technology are intelligent program agents. The authors, through the award of selected applications of this class of systems in the analyzed market, indicate adaptability as a key for their efficient and effective functioning. This article presents different approaches to the issue of adaptability, which is a response to the need for agents to adapt to dynamic changes in the environment of e-commerce. Such a requirement is clear both from the need to modify their behavior in response to stimuli from the environment in which they operate and from the interaction with other agents in multi-agent systems. Keywords: agent systems, adaptability, e-commerce. JEL: O32, L81 * ** Mieczysïaw Lech Owoc – dr hab. inĝ., prof. UE, Uniwersytet Ekonomiczny we Wrocïawiu, Katedra Systemów Inteligencji Biznesowej. ukasz Piasny – mgr, Uniwersytet Ekonomiczny we Wrocïawiu, doktorant w Katedrze Systemów Inteligencji Biznesowej. Adres do korespondencji: Uniwersytet Ekonomiczny we Wrocïawiu, ul. Komandorska 118/120, 53-345 Wrocïaw; e-mail: [email protected]; [email protected]. Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce 1. Wprowadzenie Ostatnia dekada przyniosïa znacznÈ intensyfikacjÚ zjawiska wirtualizacji przedsiÚbiorstw1, które poszukiwaïy dodatkowych moĝliwoĂci rozwoju ibdotarcia do szerszego grona potencjalnych konsumentów. Dziaïania takie otworzyïy nowe moĝliwoĂci nie tylko w zakresie zdobywania kolejnych rynków, ale daïy równieĝ niespotykanÈ dotÈd alternatywÚ dla tradycyjnego modelu promocji, a takĝe sprzedaĝy i dystrybucji oferowanych towarów oraz usïug. Komercjalizacja wykorzystania nowoczesnych mediów, a zwïaszcza Internetu, zapewniïa wymierne korzyĂci zarówno podmiotom gospodarczym, jak teĝ pojedynczym osobom, uïatwiajÈc im pozyskiwanie informacji i wiedzy. Z jednej strony doprowadziïo to do oszczÚdnoĂci czasu oraz zasobów materialnych, z drugiej natomiast postawiïo nowe wyzwania przed e-przedsiÚbiorcami dziaïajÈcymi w tak uksztaïtowanym Ărodowisku. Wspóïczesne podejĂcie do prowadzenia biznesu, zwïaszcza na pïaszczyěnie wirtualnej, zdeterminowaïo wiÚc powstanie nowej formy konkurencyjnoĂci, która powinna charakteryzowaÊ siÚ takimi cechami, jak (Gemius, 2014): szybkoĂÊ dziaïania, peïna dostÚpnoĂÊ czasowa i przestrzenna towarów i usïug (uwzglÚdniajÈc moĝliwoĂci m-commerce), niezawodnoĂÊ dziaïania, elastycznoĂÊ w stosunku do klienta itp. Wymagania, jakie wynikajÈ z takiego podejĂcia do modelu biznesowego, stanowiÈ obecnie istotnÈ kwestiÚ nie tylko dla kadry zarzÈdczej zajmujÈcej siÚ e-biznesem, a zwïaszcza handlem elektronicznym, ale przede wszystkim dla twórców systemów informatycznych, które to stanowiÈ platformÚ programowÈ, na której e-handel siÚ opiera. MajÈc wobec tego na uwadze wymogi konkurencyjnoĂci, którym muszÈ sprostaÊ tego typu systemy, powinny one juĝ nie tylko ograniczaÊ siÚ do gromadzenia, przetwarzania i dystrybuowania danych, ale równieĝ byÊ zdolnymi do ich analizy, wyciÈgania wïaĂciwych wniosków, a w konsekwencji równieĝ „rozumowania”. W celu podoïania tak postawionym postulatom dobrym rozwiÈzaniem wydaje siÚ stosowanie inteligentnych agentów programowych. Ze wzglÚdu na szerokie moĝliwoĂci zastosowania systemów tej klasy, ab takĝe w odpowiedzi na oczekiwania ich uĝytkowników jednym z podstawowych wymagañ, jakim muszÈ sprostaÊ agenci, jest potrzeba adaptowania siÚ do wciÈĝ zmieniajÈcego siÚ dynamicznego Ărodowiska, w którym funkcjonujÈ. CiÈgïe modyfikacje, jakim podlega handel elektroniczny, zmiana struktury oraz wartoĂci danych pochodzÈcych z róĝnych heterogenicznych ěródeï systemów rozproszonych, a takĝe przeksztaïcenia preferencji samych konsumentów powodujÈ koniecznoĂÊ samodoskonalenia i adaptacji tych systemów jako jednÈ z podstawowych cech, jakimi powinien charakteryzowaÊ siÚ agent we wspóïczesnym Ărodowisku e-commerce. WïaĂciwoĂÊ taka wydaje siÚ inherentnym warunkiem, który musi byÊ speïniony w celu prawidïowej realizacji stawianych przed agentami zadañ. Celem artykuïu jest wiÚc ukazanie istoty adaptacyjnoĂci jako jednej z niezbÚdnych cech, którÈ musi posiadaÊ inteligentny agent wspierajÈcy wspóïczesny handel elektroniczny. Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 89 Mieczysïaw Lech Owoc, ukasz Piasny NawiÈzujÈc do celu artykuïu, w jego poczÈtkowej czÚĂci analizie zostanÈ poddane aktualne trendy w handlu elektronicznym, do których muszÈ dostosowaÊ swoje dziaïania inteligentni agenci. Gwoli zrozumienia sposobów ich funkcjonowania nastÚpnie bÚdÈ przybliĝone najistotniejsze wïaĂciwoĂci ibcechy zapewniajÈce prawidïowÈ realizacjÚ powierzonych im zadañ. W dalszej czÚĂci zaprezentowane bÚdÈ najczÚstsze zastosowania oraz role, jakie odgrywajÈ agenci w e-handlu. Ostatnia sekcja stanowi kwintesencjÚ artykuïu, w którym poruszona bÚdzie kwestia potrzeby adaptacyjnoĂci. Zostanie ona dodatkowo zilustrowana przykïadem interakcji pomiÚdzy agentami z zaznaczeniem sytuacji, w których cecha ta odgrywa szczególnÈ rolÚ. 2. Charakterystyka i wyzwania e-commerce Pomimo ĝe ogólna definicja e-commerce, którego korzeni naleĝy upatrywaÊ juĝ w 1991 roku, niewiele siÚ zmieniïa, to jednak na przestrzeni lat sposoby funkcjonowania i ekonomika handlu elektronicznego ewoluowaïy do postaci znanej obecnie (Mohapatra, 2013). E-commerce, bÚdÈce czÚĂciÈ szerszego zagadnienia, jakim jest e-business, moĝna scharakteryzowaÊ jako wykorzystanie technologii teleinformatycznych w celu przeprowadzania róĝnorodnych transakcji sprzedaĝy, kupna, a takĝe dystrybucji i wymiany towarów oraz usïug (Manzor, 2010). Podstawowa klasyfikacja relacji, w których funkcjonuje handel elektroniczny, sprowadza siÚ do czterech form: B2C (ang. business-to-consumer) lub C2B (ang. consumer-to-business), gdzie wystÚpuje obrót towarów i usïug pomiÚdzy przedsiÚbiorstwami, a klientami detalicznymi (np. sklepy internetowe), B2B (ang. business-to-business), w których kontrahentami sÈ przedsiÚbiorstwa, oraz C2C (ang. consumer-to-consumer), gdzie stronami transakcji sÈ klienci detaliczni (np. aukcje internetowe). Bez wzglÚdu jednak na rodzaj relacji i formÚ, w jakiej dokonywane sÈ transakcje elektroniczne, wspóïczesne prawa rzÈdzÈce e-commerce narzucajÈ specyficzne wymagania stronom w nich uczestniczÈcym. Pierwotne formy biznesu elektronicznego, którego rozkwit wraz z koncepcjÈ web 2.0 przypadaï na poczÈtek XXI wieku, zaoferowaïy uĝytkownikom nowÈ jakoĂÊ handlu. Przejawiaïa siÚ ona zwïaszcza szerokimi moĝliwoĂciami wyboru oferty, obszernÈ informacjÈ o produktach i usïugach, sposobnoĂciÈ dzielenia siÚ opiniami z innymi klientami, a dziÚki oszczÚdnoĂciom, zwiÈzanym chociaĝby z eliminacjÈ czÚĂci infrastruktury fizycznej, równieĝ niskÈ cenÈ. Wraz jednak z pojawianiem siÚ coraz wiÚkszej liczby przedsiÚwziÚÊ internetowych w lawinowym tempie zaczÚïa rosnÈÊ równieĝ iloĂÊ dystrybuowanych danych, doprowadzajÈc do tak zwanego szumu informacyjnego. Przeïadowanie informacyjne wymusiïo stworzenie mechanizmów, które wb sposób efektywny pozwolÈ wyodrÚbniÊ i skatalogowaÊ informacje w taki sposób, aby byïy one rzetelne, kompletne, dostarczone w moĝliwe krótkim czasie, trafne i, co istotne, aktualne. StÈd teĝ obecnie róĝnego rodzaju wyszukiwarki specjalistyczne zaczynajÈ odgrywaÊ coraz wiÚkszÈ rolÚ, gdyĝ 90 DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce pozwalajÈ na uzyskanie informacji w sposób szybszy i bardziej precyzyjny od wyszukiwarek ogólnoinformacyjnych. Przykïadem mogÈ byÊ porównywarki cenowe, które dziÚki obszernym i permanentnie aktualizowanym bazom danych sÈ w stanie udzieliÊ szczegóïowych informacji o ofercie z wielu róĝnych sklepów internetowych, pogrupowaÊ je w odpowiednie kategorie (np. cenowe), a dziÚki opinii innych uĝytkowników pomóc ostatecznie wbpodjÚciu decyzji biznesowych. We wspóïczesnym, dynamicznym handlu internetowym preferencje konsumentów ewoluowaïy w takim kierunku, ĝe cena oferowanych dóbr coraz czÚĂciej nie jest priorytetowym czynnikiem wpïywajÈcym na decyzjÚ o jego zakupie. Aktualne trendy wskazujÈ, ĝe waĝniejsze okazujÈ siÚ indywidualne podejĂcie do klienta oraz czas w kontekĂcie zarówno szybkoĂci dostarczenia przesyïki, jak równieĝ zaprezentowania oferty, czyli szybkoĂÊ udzielenia informacji o produkcie (Pasïowski, 2014). Personalizacja i kastomizacja staïy siÚ wiÚc jednym z istotniejszych zagadnieñ, na które uwagÚ muszÈ zwracaÊ przedsiÚbiorcy chcÈcy prowadziÊ swojÈ dziaïalnoĂÊ w Internecie. O ile kastomizacja z technicznego punktu widzenia jest problemem zwïaszcza dla projektantów serwisów www, którzy powinni dostarczyÊ odpowiednich mechanizmów dajÈcych klientowi moĝliwoĂÊ dostosowywania usïug do swoich preferencji, o tyle wiÚksze wyzwanie stanowi personalizacja. W jej wypadku szczególne znaczenie ma zdobycie odpowiedniej wiedzy o kliencie. Moĝe ona dotyczyÊ zarówno informacji podstawowych, jak dane osobowe czy adresowe, jednak znacznie przydatniejsze sÈ informacje zwiÈzane z preferencjami danego klienta. Przewaĝnie sama historia zakupów nie stanowi w takim przypadku dostatecznie dobrego ěródïa wiedzy, w zwiÈzku z tym konieczna staje siÚ wymiana informacji pomiÚdzy róĝnymi zewnÚtrznymi jej przekaěnikami, co powoduje dodatkowe problemy zwiÈzane choÊby z unifikacjÈ danych. Zabiegi takie dajÈ jednak moĝliwoĂÊ dostosowania zarówno produktów i usïug, sposobów promocji, jak równieĝ dystrybucji w taki sposób, aby zaspokoiÊ potrzeby i preferencje wiÚkszoĂci konsumentów. Oprócz spersonalizowanego podejĂcia drugim istotnym aspektem wspóïczesnego e-commerce jest czas, jaki mija od momentu, w którym klient zdecydowaï siÚ na poszukiwanie oferty, do momentu, gdy zamówienie zostanie zrealizowane (wraz z dostarczeniem). Poniewaĝ wspóïczesny konsument jest bardzo wymagajÈcy, konieczna staje siÚ predykcja jego zachowania w taki sposób, aby dane przedsiÚbiorstwo (a zwïaszcza sklep internetowy) wiedziaïo, czego klient bÚdzie chciaï, zanim on sam zda sobie z tego sprawÚ. DziÚki takiej wiedzy moĝliwe bÚdzie wczeĂniejsze przygotowanie odpowiedniej oferty. Z logistycznego punktu widzenia skróci to czas potrzebny na dostarczenie towaru, a takĝe pozwoli szybciej zaoferowaÊ dane dobro, oszczÚdzajÈc tym samym czas, jaki konsument poĂwiÚci na jego poszukiwanie. Takie podejĂcie do dystrybuowania towarów doskonale wpisuje siÚ wbkoncepcjÚ ewolucji Internetu do tak zwanego web 3.0, w którym programy, dziÚki rozwiÈzaniom sztucznej inteligencji zdolnej do semantycznego rozuProblemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 91 Mieczysïaw Lech Owoc, ukasz Piasny mienia treĂci, bÚdÈ w stanie interpretowaÊ i adekwatnego reagowania na poczynania uĝytkowników. SzczególnÈ rolÚ w tej koncepcji bÚdÈ odgrywaïy systemy agentowe. 3. Cechy i definicja agenta Pomimo wielu lat badañ nad agentami, termin ten w dalszym ciÈgu nie daje siÚ jednoznacznie zdefiniowaÊ. PrzyczynÈ takiej sytuacji jest przede wszystkim wieloaspektowoĂÊ podejĂcia do tematu. Wobec takiego stanu rzeczy stwierdzenie Russela i Norviga, ĝe pojÚcie agenta i jego okreĂlonych cech ma byÊ pomocne w procesach analizy i projektowania systemów, a nie traktowania ich jako prawd absolutnych (Russel i Norvig, 2009), wydaje siÚ wciÈĝ aktualne. W celu wïaĂciwego zrozumienia problematyki poruszanej wb artykule, warto jednak wskazaÊ na pewne cechy, które przybliĝÈ paradygmat agentowoĂci. Za inteligentnego agenta moĝna uznaÊ oprogramowanie, które dziaïajÈc autonomicznie w pewnym Ărodowisku, jest w stanie odbieraÊ boděce wbpostaci informacji, nastÚpnie na ich podstawie wyciÈgnÈÊ okreĂlone wnioski i w konsekwencji podjÈÊ odpowiednie dziaïania. Schematyczne ujÚcie takiego procesu pokazuje rysunek 1. Informacje (bodźce) AGENT Wyciąganie wniosków i podejmowanie autonomicznej decyzji ŚRODOWISKO Działanie Rys. 1. Schemat dziaïania agenta. ½ródïo: opracowanie wïasne. W przypadku inteligentnych agentów wnioskowanie odbywa siÚ przewaĝnie przy wykorzystaniu algorytmów zwiÈzanych z metodami oraz technikami sztucznej inteligencji. ZaliczyÊ do nich moĝna miÚdzy innymi sztuczne sieci neuronowe, algorytmy genetyczne, logikÚ rozmytÈ. Dodatkowo mogÈ byÊ stosowane systemy ekspertowe, które z jednej strony wspomagajÈ procesy wnioskowania, a z drugiej dostarczajÈ niezbÚdnej wiedzy o aktualnym stanie Ărodowiska, w którym agent funkcjonuje. MajÈc wobec tego na uwadze niedoskonaïoĂÊ wszelkich prób zdefiniowania agentów, czy teĝ caïych systemów agentowych, warto zwróciÊ uwagÚ 92 DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce na szereg cech, które agent powinien posiadaÊ. Do najistotniejszych zaliczyÊ moĝna (Teh Noranis i Shahrin Azuan, 2013): – autonomicznoĂÊ – zdolnoĂÊ do podejmowanie decyzji niezaleĝnych od czïowieka czy innego oprogramowania, zgodnie z posiadanÈ widzÈ, umiejÚtnoĂciami oraz funkcjonalnoĂciÈ, – reaktywnoĂÊ – czyli zdolnoĂÊ do szybkiej odpowiedzi na pojawiajÈce siÚ zmiany w Ărodowisku, – proaktywnoĂÊ – umiejÚtnoĂÊ przejmowania inicjatywy zgodnie z przyjÚtymi celami dziaïania, – umiejÚtnoĂÊ wspóïpracy i komunikacji – przejawiajÈca siÚ zdolnoĂciÈ do interakcji z innymi agentami lub luděmi. Oprócz wyĝej wymienionych agenci posiadajÈ równieĝ inne cechy, które w mniejszym lub wiÚkszym stopniu uzaleĝnione sÈ od stawianych przed agentem celów, jak równieĝ Ărodowiska, w którym agent funkcjonuje. Do takich cech moĝna zaliczyÊ moĝliwoĂÊ przemieszczania siÚ2, przewidywania, wspóïdziaïania czy umiejÚtnoĂÊ uczenia siÚ i dostosowywania (adaptacji) do zmieniajÈcych siÚ warunków. Wymienione atrybuty istotne sÈ zwïaszcza wbsystemach rozproszonych, których spoiwem jest Internet, a wiÚc Ărodowisko handlu elektronicznego. Dobrym przykïadem architektury charakteryzujÈcej siÚ wymienionymi cechami sÈ systemy wieloagentowe (MAS). Moĝna je opisaÊ jako ukïad zïoĝony z wielu agentów, pomiÚdzy którymi dziÚki specjalnym jÚzykom komunikacji, jak np. ACL3 (ang. Agent Communication Language), zachodzÈ interakcje (Radziuk, 2011). Wskutek wspóïdziaïania agentów systemy takie mogÈ rozwiÈzywaÊ skomplikowane problemy, z którymi pojedynczy agent nie byïby w stanie sobie poradziÊ. Warto dodatkowo zwróciÊ uwagÚ, ĝe funkcjonowanie agentów w Ărodowiskach rozproszonych stawia przed nimi specyficzne wymagania, którym muszÈ sprostaÊ. Do gïównych postulatów zaliczyÊ naleĝy przede wszystkim (Xu, 2007): – moĝliwoĂÊ korzystania z wielu heterogenicznych ěródeï wiedzy, co jest zwiÈzane z koniecznoĂciÈ ujednolicania ontologii lub tworzeniem wspólnej ontologii w celu minimalizacji ryzyka nieporozumieñ miÚdzy agentami (Mach i Owoc, 2004), – umiejÚtnoĂÊ sprostania wyzwaniom zwiÈzanym z pozyskiwaniem informacji niepewnych lub sprzecznych, – zdolnoĂÊ do elastycznego godzenia swoich celów z ograniczonymi moĝliwoĂciami dziaïania oraz postrzegania rzeczywistoĂci, – predyspozycje do przystosowania i funkcjonowania w zmieniajÈcym siÚ Ărodowisku, dokonujÈc oceny jego aktualnego stanu. Agenci posiadajÈcy odpowiedni dobór cech oraz speïniajÈcy okreĂlone warunki funkcjonowania sÈ w stanie dziaïaÊ na rzecz lub w imieniu czïowieka tudzieĝ innego programu i realizowaÊ nawet najbardziej zïoĝone cele dotyczÈce zarzÈdzania informacjÈ, modelowania systemów zïoĝonych czy róĝnych dziaïalnoĂci w systemach rozproszonych. Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 93 Mieczysïaw Lech Owoc, ukasz Piasny 4. Wykorzystanie agentów w e-commerce Eksploatowanie inteligentnych agentów w e-commerce jest obecnie stosunkowo czÚsto stosowanÈ praktykÈ nie tylko przez gigantów jak Amazon, ale równieĝ przez szereg pomniejszych przedsiÚbiorstw zwiÈzanych z róĝnymi obszarami handlu elektronicznego. Wskutek zastosowania tej technologii moĝliwe staje siÚ zwiÚkszenie intratnoĂci e-sklepów, miÚdzy innymi dziÚki spotÚgowaniu liczby przeprowadzanych transakcji, które mogÈ byÊ obsïugiwane przez inteligentnych agentów zamiast przez zatrudnione osoby. Równieĝ klienci odnoszÈ korzyĂci, zwiÈzane na przykïad z oszczÚdnoĂciÈ czasu czy szerszymi perspektywami znalezienia oferty, która im najbardziej odpowiada pod wzglÚdem róĝnych preferencji: ceny, sposobu dostawy, gwarancji itp. WspóïczeĂni agenci sÈ w stanie poradziÊ sobie praktycznie z kaĝdym etapem e-handlu, poczÈwszy od kwestii marketingowych poprzez udzielanie szczegóïowych informacji o ofercie oraz wysuniÚciu spersonalizowanych propozycji kupna aĝ po negocjacje ceny i dokonanie transakcji. Ogólne zastosowanie agentów w handlu elektronicznym moĝna sprowadziÊ do: – Poszukiwania i dostarczenia informacji i wiedzy – agenci majÈ za zadanie przeszukiwanie sieci, a zwïaszcza Internetu w celu odpowiedzi na ĝÈdania wystosowane przez klientów lub w przypadku systemów wieloagentowych przez innych agentów. Pozyskane w ten sposób informacje powinny wbjak najwiÚkszym stopniu przyczyniÊ siÚ do powstania wiedzy niezbÚdnej wbprocesie podejmowania optymalnych i racjonalnie ekonomicznych decyzji. – Gromadzenia, przetwarzania i wyciÈgania wniosków z informacji – pozyskane przez agentów informacje dotyczÈce sprzedaĝy mogÈ posïuĝyÊ róĝnorodnym celom, z których korzyĂci bÚdÈ czerpaÊ zarówno klienci, jak ibprzedsiÚbiorcy. Zmagazynowane dane mogÈ byÊ wykorzystane chociaĝby do budowy modeli zachowañ konsumentów. Pozwoli to przedsiÚbiorcom dostosowaÊ ofertÚ do wymagañ, jakie stawia rynek, lub stworzyÊ i indywidualnie do kaĝdego klienta (lub grup klientów) dopasowaÊ odpowiedniÈ strategiÚ marketingowÈ. Z drugiej strony agent, dziÚki zidentyfikowaniu uĝytkowników o podobnych preferencjach do kupujÈcego, jest w stanie zaproponowaÊ ofertÚ odpowiednio wyselekcjonowanÈ i dostosowanÈ do danego klienta. – Modyfikowania i aktualizacji informacji – dÈĝenie do posiadania jak najbardziej aktualnej i sprawdzonej wiedzy, która jest niezbÚdna w procesie adaptacji do dynamicznego Ărodowiska, którym charakteryzuje siÚ e-rynek. – Ochrony kontrahentów – agenci dbajÈ równieĝ o bezpieczeñstwo przebiegu dokonywanych transakcji. Ochrona ta dotyczy zarówno przedsiÚbiorców przed niegodnymi zaufania klientami lub ich agentami, jak ib zabezpieczania interesu konsumentów. – Negocjowania i kupowania – agenci dokonujÈ w imieniu kontrahentów (lub ich agentów) negocjacji zarówno co do moĝliwoĂci przystÈpienia do trans94 DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce akcji, jak teĝ jej warunków i ceny oraz ewentualnie dokonujÈ jej finalizacji. Jest to szczególnie przydatne w perspektywie przeprowadzania zakupów za pomocÈ urzÈdzeñ mobilnych jak smartfony oraz tablety. Agenci sÈ w stanie samodzielnie zrealizowaÊ wyznaczone zadania nawet w sytuacji braku bezpoĂredniego poïÈczenia ze zleceniodawcÈ, co moĝe byÊ skutkiem np. nieprzewidzianego braku w dostÚpie do Internetu. Niejednokrotnie wykorzystujÈ do tego równieĝ dorobek wiedzy ekonomicznej zwiÈzany np. z teoriÈ decyzji, teoriÈ oczekiwanej uĝytecznoĂci czy – wb przypadku dziaïania agentów na aukcjach internetowych – zb teoriÈ aukcji. Agenci, czy teĝ w wielu przypadkach systemy wieloagentowe, w e-commerce mogÈ wiÚc peïniÊ wiele róĝnorodnych funkcji (ról), przynoszÈc korzyĂci zarówno przedsiÚbiorcom prowadzÈcym swojÈ wirtualnÈ dziaïalnoĂÊ, jak równieĝ klientom chcÈcym dokonywaÊ transakcji za poĂrednictwem komputerów lub urzÈdzeñ mobilnych. W przypadku handlu elektronicznego agenci sÈ wykorzystywani gïównie w obszarach wspomagajÈcych sklepy internetowe oraz aukcje. Jednym z praktycznych przykïadów zastosowañ omawianej technologii sÈ agenci rekomendujÈcy, korzystajÈcy z wiedzy zgromadzonej o kliencie oraz dziaïajÈcy proaktywnie w celu zaproponowania im oferty, która mógïby ich potencjalnie zainteresowaÊ. Sklepy mogÈ wiÚc wykorzystywaÊ ten mechanizm do sztucznego kreowania popytu, proponujÈc towary i zachÚcajÈc do ich kupna klientów, którzy aktualnie ich nie poszukujÈ. KorzyĂciÈ dla kupujÈcych moĝe byÊ natomiast pozyskanie dodatkowej informacji o produktach skorelowanych bÈdě podobnych do tych, które zamierzajÈ nabyÊ. Prawdopodobnie jednymi z najczÚĂciej wykorzystywanych agentów sÈ tak zwane shopboty, sïuĝÈce do wyszukiwania najkorzystniejszej na rynku oferty dopasowanej do danego klienta. Przewaĝnie implementowane sÈ w serwisach ĂwiadczÈcych usïugi porównywania okreĂlonych wïaĂciwoĂci towarów oraz usïug i dajÈ moĝliwoĂÊ wielokryterialnego przeszukiwania zróĝnicowanych ěródeï danych. Pierwsze generacje tych agentów najczÚĂciej ograniczaïy perspektywÚ poszukiwania do jednego kryterium, jakim byïa cena, jednak obecnie mogÈ byÊ one zwiÈzane zarówno z rodzajem produktów ib usïug, sposobami oraz warunkami dostawy, terminami gwarancji, markÈ producenta, jakoĂciÈ, promocjami, a takĝe innymi zwiÈzanymi ze specyfikacjÈ danego towaru (Borkowska, 2004). Szczególnym ěródïem informacji sÈ równieĝ opinie innych klientów o produktach lub sklepach, które mogÈ byÊ brane pod uwagÚ w procesie selekcji przeszukanych zasobów. Bardziej zaawansowani agenci mogÈ uczyÊ siÚ dodatkowo preferencji danego klienta ib wb procesie przeszukiwania takĝe je braÊ pod uwagÚ. Innym rodzajem agentów sÈ tak zwane priceboty, których gïównym celem jest maksymalizacja korzyĂci dla sprzedajÈcych. Ich dziaïanie polega na analizowaniu sytuacji na rynku, zwïaszcza w kontekĂcie cen w konkurencyjnych serwisach, a nastÚpnie ustawienie wïasnej ceny na odpowiednim poziomie. DziÚki tak dynamicznej analizie sytuacji sklep z nawet bardzo Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 95 Mieczysïaw Lech Owoc, ukasz Piasny duĝÈ iloĂciÈ asortymentu jest w stanie permanentnie utrzymywaÊ wysokÈ konkurencyjnoĂÊ w tym obszarze. Kolejna dziedzina, w której z powodzeniem wykorzystywani sÈ agenci to aukcje internetowe. DziaïajÈc w imieniu klienta, agent obserwuje jednÈ lub wiele aukcji i w odpowiednim czasie stara siÚ podbiÊ cenÚ do rozsÈdnego poziomu. Podbijanie ceny moĝe wiÈzaÊ siÚ równieĝ z uwzglÚdnianiem róĝnych dodatkowych sytuacji, dotyczÈcych na przykïad stanu innych obserwowanych aukcji lub zmian preferencji zleceniodawcy. Wymienione przykïady stanowiÈ zaledwie niektóre z moĝliwoĂci wykorzystania agentów programowych w handlu internetowym. WspólnÈ cechÈ charakterystycznÈ zaprezentowanych zastosowañ jest jednak potrzeba dostosowywania siÚ agentów do zmieniajÈcych siÚ warunków zwiÈzanych zarówno z dziedzinÈ techniczno-programowÈ problemu, jak i zmianÈ priorytetów samych konsumentów. 5. Istota adaptacyjnoĂci Jednym z podstawowych wyzwañ agentów wspomagajÈcych handel internetowy jest przystosowanie siÚ do dynamicznego Ărodowiska, w którym egzystujÈ. CechÈ, która na to pozwala, jest adaptacyjnoĂÊ polegajÈca na moĝliwoĂci modyfikacji swojego zachowania w odpowiedzi na zmiany zachodzÈce w funkcjonowaniu innych agentów lub w samym Ărodowisku. Poniewaĝ handel za pomocÈ technologii internetowych jest zagadnieniem zïoĝonym, z praktycznego punktu widzenia najczÚĂciej niezbÚdne jest tworzenie systemów wieloagentowych, zdolnych do wykonywania wielu róĝnorodnych i skomplikowanych operacji, co od agentów wymaga dziaïañ kolektywnych. Modelowanie takich systemów, z uwagi na specyfikÚ Ărodowiska, wiÈĝe siÚ z implementacjÈ zachowañ adaptacyjnych zarówno do pojedynczych agentów, jak i caïych systemów. Aby utrzymaÊ odpowiedniÈ efektywnoĂÊ i niezawodnoĂÊ dziaïania, kaĝdy agent posiadajÈcy wiedzÚ oraz Ăwiadomy swoich kompetencji i moĝliwoĂci musi byÊ zdolny do dostosowania swoich zachowañ w strukturze, w której funkcjonuje. Dziaïanie takie moĝe osiÈgnÈÊ, wspóïpracujÈc z innymi agentami poprzez wymianÚ wiedzy i informacji, jak równieĝ przez pozyskiwanie nowej wiedzy z otoczenia przy jednoczesnym unikaniu sytuacji konfliktowych i niepewnych. Sytuacje takie mogÈ wyniknÈÊ np. z fluktuacji, jakie wystÚpujÈ w Ărodowisku (Ren, Zhang i Sim, 2009), jak równieĝ przez zachowania stochastyczne wynikajÈce z niewystarczajÈcej wiedzy agentów lub po prostu z bïÚdów implementacyjnych samego oprogramowania. Moĝe to doprowadziÊ do sytuacji, w których decyzji i zachowañ innych agentów nie da siÚ skutecznie przewidzieÊ, co przy braku mechanizmów adaptacyjnych moĝe powodowaÊ nieprawidïowe dziaïanie caïego systemu. Moĝliwe jest wyodrÚbnienie róĝnych sposobów osiÈgniÚcia adaptacyjnych zachowañ pojedynczych agentów (Kudenko, Kazakov i Alonso, 2005). Jed96 DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce nym z podstawowych jest tak zwane podejĂcie reaktywne. Przewaĝnie nie opiera siÚ ono na zïoĝonym wnioskowaniu, a jedynie na prostych odruchach bÚdÈcych odpowiedziÈ na boděce odbierane. Agent taki, posiadajÈc katalog moĝliwych akcji, celów, które ma zrealizowaÊ, oraz wiedzÚ i informacje obotaczajÈcym Ăwiecie, jest w stanie wybraÊ adekwatne do sytuacji reakcje. Przy dodatkowym posiadaniu odpowiednich algorytmów uczenia takie rozwiÈzania najczÚĂciej wystarczajÈ w wielu standardowych sytuacjach. Innym podejĂciem do problemu sÈ bardziej zaawansowane rozwiÈzania kognitywne. DziÚki zastosowaniu nowoczesnych technik sztucznej inteligencji oraz metod wnioskowania agenci kognitywni sÈ w stanie realizowaÊ wiele funkcji poznawczych i decyzyjnych, analogicznych do tych, jakie zachodzÈ wb ludzkim mózgu (Bytniewski i Hernes, 2014). Dziaïanie takie daje moĝliwoĂÊ zrozumienia przez nich otaczajÈcego Ăwiata i dziÚki temu dostosowywania swojego zachowania. Agenci uwzglÚdniajÈ przy tym równieĝ predykcje przyszïych stanów innych jednostek, z którymi wchodzÈ w interakcje, oraz stany samego Ărodowiska. Moĝliwe sÈ równieĝ rozwiÈzania hybrydowe wykorzystujÈce zalety zarówno podejĂcia reaktywnego, jak i kognitywnego, które w najpeïniejszym zakresie powinny realizowaÊ zaïoĝenia systemów dynamicznych. Kolejne podejĂcie do kwestii adaptacyjnoĂci jest zwiÈzane z wykorzystaniem przez agenta wiedzy dotyczÈcej struktury swojego wïasnego kodu ěródïowego, a takĝe algorytmów umoĝliwiajÈcych ewolucyjne przystosowanie do zmiennych warunków. NajczÚĂciej wykorzystywane sÈ w tej technice metody powiÈzane z metaprogramowaniem. Agenci wyposaĝeni w takie mechanizmy majÈ moĝliwoĂÊ modyfikacji swoich zachowañ poprzez zmianÚ struktury kodu na takÈ, która w najbardziej efektywny sposób sprosta stawianym wyzwaniom. Powyĝsze przykïady podejĂÊ ĂwiadczÈ o tym, ĝe cecha adaptacyjnoĂci moĝe dotyczyÊ zarówno kwestii programowych zwiÈzanych z architekturÈ agenta, jak teĝ metod wnioskowania i podejmowania decyzji na podstawie posiadanej wiedzy i doĂwiadczenia. W celu zaprezentowania, jak teoretyczne rozwaĝania na temat adaptacyjnoĂci mogÈ byÊ zrealizowane w sposób praktyczny, warto siÚ przyjrzeÊ modelowemu, wieloagentowemu systemowi e-commerce (Solodukha i Zhelezko, 2011; Ganzha i Gawinecki, 2008), który mógïby sïuĝyÊ zarówno do obsïugi e-sklepów, aukcji internetowych, jak równieĝ prywatnej wymiany dóbr i usïug. Schemat takiego modelu pokazany jest na rysunku 2. Zaprezentowany model jest oparty na interakcji pomiÚdzy agentem klienta (AK), chcÈcym dokonaÊ zakupów w jego imieniu na jak najkorzystniejszych dla niego warunkach, oraz agentem sprzedawcy (AS), którego celem jest maksymalizacja zysków sklepu, obsïuga procesów negocjacyjnych oraz w bardziej rozwiniÚtych systemach, wspóïpraca z agentami odpowiedzialnymi za logistykÚ. Obydwaj agenci speïniajÈ przy tym najwaĝniejszy postulat, jakim jest autonomicznoĂÊ dziaïania. Klient jako zleceniodawca Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 97 Mieczysïaw Lech Owoc, ukasz Piasny jedynie stawia ĝÈdania i okreĂla kryteria, które musi speïniÊ produkt bÈdě usïuga, aby zostaïy kupione, i prowadzi ewentualny nadzór nad przebiegiem transakcji, natomiast sprzedawca ustala jedynie kwestie zwiÈzane z minimalnÈ cenÈ, warunki negocjacyjne itp. Interakcja w takim systemie zaczyna siÚ od przekazania przez klienta do agenta informacji o towarze, jaki pragnie nabyÊ, maksymalnej cenie, którÈ moĝe zaoferowaÊ, oraz innych wymaganiach zwiÈzanych chociaĝby z markÈ produktu, warunkami dostawy itd. AK po przeszukaniu zasobów sieciowych zwraca siÚ do wyselekcjonowanych AS, którzy sÈ w stanie speïniÊ wymagania o moĝliwoĂÊ przystÈpienia do kupna. AS po dokonaniu weryfikacji AK (np. w kwestiach zaufania) i ewentualnej zgodzie na przystÈpienie do transakcji rozpoczyna proces negocjacji. Wb przypadku aukcji negocjacje mogÈ dotyczyÊ wysokoĂci ceny, natomiast w przypadku sklepów naleĝaïoby je rozumieÊ jako zgodÚ na finalizacjÚ transakcji. AS po pomyĂlnym jej przeprowadzeniu mógïby nastÚpnie kontaktowaÊ siÚ z agentami odpowiedzialnymi za czÚĂÊ logistycznÈ, natomiast AK po wczeĂniejszej zgodzie klienta na finalizacjÚ transakcji przekazuje potwierdzenie jej dokonania. KLIENT AGENT KLIENTA (AK) Przekazuje żądanie (A1) AGENT SPRZEDAWCY (AS) Prośba o produkty i decyzja AS (A3) Prośba o przystąpienie do negocjacji AK i decyzja AS Prośba o zgodę na transakcję i decyzja klienta (A2) SPRZEDAWCA Ustalenie podstawowych warunków Negocjacje (A4) Transakcja Potwierdzenie transakcji Potwierdzenie transakcji Rys. 2. Model interakcji pomiÚdzy agentami. ½ródïo: opracowanie wïasne. Na podstawie tak przedstawionego, w duĝej mierze uproszczonego, schematu interakcji agentów miÚdzy sobÈ jak równieĝ Ărodowiskiem moĝna doszukiwaÊ siÚ dziaïañ adaptacyjnych w kilku punktach, które zostaïy odpowiednio oznaczone na rysunku 2. Po pierwsze agent klienta nie zna wbpoczÈtkowej fazie wymagañ, jakie sÈ przed nim stawiane (A1) i do których musi siÚ dostosowaÊ. MogÈ one ponadto dynamicznie siÚ zmieniaÊ na skutek modyfikacji kryteriów i wymagañ stawianych przez samego zleceniodawcÚ (A2). Dodatkowo agent, przeszukujÈc przestrzeñ potencjalnych sklepów, 98 DOI 10.7172/1644-9584.52.7 Adaptacyjne systemy agentowe we wspóïczesnym Ărodowisku e-commerce w których mógïby dokonaÊ transakcji, musi braÊ pod uwagÚ, ĝe oferowane przez nich warunki równieĝ mogÈ ulegaÊ modyfikacjom w czasie rzeczywistym (A3), na co równieĝ musi odpowiednio reagowaÊ poprzez adaptacjÚ. Sama interakcja miÚdzy agentami równieĝ wymaga odpowiedniego przystosowania, ze wzglÚdu miÚdzy innymi na moĝliwe róĝne podejĂcia do strategii negocjacyjnych i ich zmianÚ w trakcie wzajemnego oddziaïywania (A4). 6. Podsumowanie ChoÊ wykorzystanie agentów w e-commerce nie jest niczym nowym, abbadania nad kolejnymi rozwiÈzaniami w tej materii w zintensyfikowanym stopniu trwajÈ juĝ od co najmniej dekady, to wciÈĝ zmieniajÈce siÚ Ărodowisko ich funkcjonowania stawia przed nimi nowe wymagania. Przedstawione w artykule wybrane przykïady zastosowañ agentów wraz z modelem interakcji miÚdzy nimi wykazaïy, ĝe adaptacyjnoĂÊ jest ich nieodzownÈ cechÈ ibstanowi odpowiedě na te nowe wyzwania. BiorÈc pod uwagÚ takĝe kierunek zmian handlu internetowego, moĝna wysnuÊ przypuszczenia, ĝe coraz wiÚksze znaczenie bÚdzie mieÊ dodatkowo dziaïanie reaktywne agentów. Pozwoli im to wyjĂÊ naprzeciw przyszïym oczekiwaniom klientów, dostarczajÈc informacje i wiedzÚ dokïadnie w momencie, kiedy klient bÚdzie tego najbardziej potrzebowaï. Pomimo zaawansowania wspóïczesnych rozwiÈzañ, istniejÈce systemy wbdalszym ciÈgu nie sÈ w stanie funkcjonowaÊ w peïni samodzielnie ibostatecznie w swoich dziaïaniach wymagajÈ przewaĝnie kontroli czïowieka. Badania doskonalenia mechanizmów pozwalajÈcych na dostosowywanie siÚ agentów powinny umoĝliwiÊ w najbliĝszej przyszïoĂci peïne zautomatyzowanie dziaïañ, co umoĝliwi w wiÚkszym stopniu oszczÚdnoĂÊ zasobów klientów i przedsiÚbiorstw zwiÈzanych zarówno z czasem, jak i ogólnie pojÚtymi kosztami. Przypisy 1 Rozumianej jako proces przenoszenia dziaïalnoĂci gospodarczej z formy tradycyjnej do Internetu. 2 Istotna zwïaszcza w m-commerce. 3 Standard zaproponowany przez FIPA (Foundation for Intelligent Physical Agents). Bibliografia Borkowska, A. (2004). Inteligentni agenci w handlu elektronicznym. e-mentor, 5 (7), 65–71. Bytniewski, A. i Hernes, M. (2014). Wykorzystanie kognitywnych programów agentowych w procesie zarzÈdzania wiedzÈ w organizacji gospodarczej, e-mentor, 2 (54), 40–45. Ganzha, M., Gawinecki, M., Kobzdej, P. i Paprzycki, M. (2008). Modelowy Agentowy System E-commerce. Pozyskano z: http://www.ibspan.waw.pl/~paprzyck/mp/cvr/research/ agent_papers/ECOM_2008_PL.pdf (25.07.2014). Problemy ZarzÈdzania vol. 13, nr 2 (52), t. 1, 2015 99 Mieczysïaw Lech Owoc, ukasz Piasny Gemius. (2014). E-Commerce w Polsce 2014. Gemius dla e-Commerce Polska. Pozyskano z: http://www.infomonitor.pl/download/e-commerce-w-polsce-2014.pdf (18.07.2014). Guessoum, Z. (2004). Adaptive Agents and Multiagent Systems. Distributed Systems Online Journal, 5 (7), 1–4. Korczak, J., Hernes, M. i Bac, M. (2014). Performance Evaluation of Decision-making Agents’ in the Multi-agent System. Referat wygïoszony na Federated Conference Computer Science and Information Systems (FedCSIS), Warszawa. Kudenko, D., Kazakov, D. i Alonso, E. (2005). Adaptive Agents and Multi-Agent Systems II: Adaptation and Multi-Agent Learning. Heidelberg: Springer. Mach, M. i Owoc, M.L. (2004). Integracja wiedzy ze ěródeï heterogenicznych. Warszawa: BEL studio. Manzor, A. (2010). E-commerce. Saarbrücken: Lap Lambert Academic Publishing. Mohapatra, S. (2013). E-commerce Strategy. New York: Springer Science & Business Media. Pasïowski, K. (2014). E-sklepy: obsïuga i szybkoĂÊ waĝniejsze niĝ cena. Pozyskano z: http:// www.crn.pl/news/wydarzenia/e-biznes/2014/05/e-sklepy-obsluga-i-szybkosc-wazniejszeniz-cena (16.07.2014). Radziuk, M. (2011). Multi-Agent System for Electronic Auction. Research Papers Of Wrocïaw Uniwersity of Economic, (232). Wrocïaw: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocïawiu. Ren, F., Zhang, M. i Sim, K.M. (2009). Adaptive Conceding Strategies for Automated Trading Agents in Dynamic, Open Markets. Decision Support Systems, 46 (3), 704–716. Russel, S., Norvig, P. (2009), Artificial Intelligence: A Modern Approach (3rd Edition), Prentice Hall, New Jersey. Sobieska-Karpiñska, J. i Hernes, M. (2014). Identification of the Knowledge Conflicts’ Sources in the Architecture of Cognitive Agents Supporting Decision-making Process. Referat wygïoszony na Federated Conference Computer Science and Information Systems (FedCSIS), Warszawa. Solodukha, T.V. i Zhelezko, B.A. (2011). Developing a Multi-Agent System for e-Commerce. Research Papers Of Wrocïaw Uniwersity of Economic, (232). Wrocïaw: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocïawiu. Teh Noranis, M.A. i Shahrin Azuan, N. (2013). A Multi-Agent Model for Information Processing in Computational Problem Solving. International Journal of Modeling and Optimization, 3 (6), 490–494. Xu, M. (2007). Managing Strategic Intelligence: Techniques and Technologies. Hershey: IGI Global. 100 DOI 10.7172/1644-9584.52.7