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