Zachowania emergentne systemów złożonych podstawą sukcesu „inteligentnych sieci”
Funkcjonowanie inteligentnych miast opiera się w dużej mierze na komunikacji cyfrowej pomiędzy wieloma sieciami bezprzewodowych czujników, z wykorzystaniem technologii takich jak Internet rzeczy. Te układy, w przeciwieństwie do dużych, scentralizowanych systemów komputerowych, są modelowane przez rozproszone elementy obliczeniowe. Jednakże pojedyncze elementy wykazują zachowania adaptacyjne – nie tylko te ukształtowane przez układ, ale również kształtujące sam układ. Takie systemy mają duży potencjał w zakresie wspólnego działania, a jednocześnie stwarzają ogromne wyzwania związane z projektowaniem i funkcjonowaniem – przykładowo, niektóre elementy współpracujące ze sobą w ramach realizacji wspólnego celu potrafią współzawodniczyć ze sobą o wspólne zasoby. Aby przezwyciężyć te wyzwania, uczestnicy finansowanego przez UE projektu QUANTICOL wykorzystali paradygmat deskryptywny znany jako „złożony system adaptacyjny” (CAS, Collective Adaptive System) umożliwiający modelowanie systemu w czasie i przestrzeni. Stworzona struktura CAS obejmuje zarówno zachowania pojedynczych elementów, jak i zachowania emergentne wynikające z oddziaływań wzajemnych systemu. Zastosowane modele potrafią przewidzieć możliwe rezultaty interakcji z użytkownikiem, skupiając się przede wszystkim na kryteriach, takich jak terminowość i stosowność odpowiedzi systemu. Wykorzystanie systemów adaptacyjnych do poprawy doświadczeń użytkownika końcowego Zespół QUANTICOL zdecydował się zająć problemami związanymi z zarządzaniem zasobami w inteligentnych systemach transportu miejskiego oraz inteligentnych sieciach przesyłowych. Wyjaśniając działanie przyjętej koncepcji w praktyce, koordynator projektu, profesor Jane Hillston mówi: „Rozważmy na przykład systemy wypożyczania rowerów: wiemy, że dana stacja nie powinna być nigdy całkowicie pusta ani całkowicie pełna. Wykorzystując modelowanie do śledzenia elementów systemu i interakcji pomiędzy nimi, możemy pomóc systemom IT przewidywać zapotrzebowanie i usprawnić reakcję, np. w drodze odpowiedniego planowania przepustowości”. Skuteczność modelowania zależy od wyboru języka zdolnego precyzyjnie opisać dany system. Jak wyjaśnia prof. Hillston: „Język, którego użyliśmy, należy do rodziny języków formalnych nazywanych algebrami procesów stochastycznych. Następnie opracowaliśmy reguły konstrukcji takich odwzorowań matematycznych na podstawie opisów systemu, które będzie można poddać analizie różnymi metodami”. Zespół szczególnie zainteresował się strukturami matematycznymi umożliwiającymi „ciągłą aproksymację”, ponieważ ta dostarcza bardzo dokładne wyniki dla dużych systemów przy dużo mniejszych nakładach obliczeniowych. Po określeniu wymogów dotyczących modelowania uczestnicy projektu sprawdzili słuszność hipotez na przykładzie wybranych scenariuszy zastosowania, wykorzystując w tym celu metody automatycznej analizy. Duża liczba elementów oraz ich rozproszenie przestrzenne sprawiają, że analiza ta stanowi duże wyzwanie pod względem obliczeniowym. Jak podsumowuje prof. Hillston: „Największym osiągnięciem projektu QUANTICOL jest opracowanie metod analitycznych umożliwiających przewidywanie zachowania dużych systemów w rozsądnych ramach czasowych, a czasem nawet w czasie rzeczywistym. To znaczący postęp w stosunku do technik istniejących w chwili, w której rozpoczynaliśmy nasz projekt. Dzięki temu możemy monitorować i planować działania w czasie rzeczywistym”. Innym sukcesem uczestników projektu QUANTICOL jest rozszerzenie klasy modeli, do których można zastosować aproksymację ciągłą, i jednoczesne zwiększenie dokładności aproksymowanych danych. Zdolności językowe przeniesione na następny poziom Dużo nadziei pokłada się w inteligentnych systemach IT, których zadaniem ma być dostarczanie produktów i usług wspomagających walkę z globalnymi problemami, takimi jak zmiany klimatyczne, a jednocześnie zapewniających zrównoważone i łatwiejsze życie codzienne. Wg prof. Hillston: „Systemy IT są coraz powszechniejsze – można znaleźć je w niemal każdym miejscu. Stają się też bardziej przejrzyste, ponieważ użytkownicy są od nich coraz bardziej zależni. Niezwykle ważne jest, aby osoby, które opracowują i wdrażają takie systemy posiadały narzędzia pozwalające ocenić zachowanie tych systemów przed, podczas i po oddaniu ich do użytku”. W celu kontynuacji działań zespół QUANTICOL szuka nowych sposobów połączenia języków formalnych i logik ze skomplikowanymi modelami matematycznymi, tak aby projektanci i operatorzy systemów, którzy nie zawsze posiadają przeszkolenie w danej dziedzinie, potrafili mimo to właściwie zinterpretować uzyskane wyniki. Zespół stara się także rozszerzyć modelowanie o systemy i zastosowania, które mogą zyskać na płynnej aproksymacji. Oprócz wykorzystania stworzonych przez siebie technik CAS w znanych systemach, takich jak protokoły propagacji danych czy sieci P2P oraz modele epidemiologiczne, zespół analizuje nowe klasy systemów. Przykładowo bada zachowanie i oddziaływania pomiędzy gospodarstwami produkującymi wyłącznie na użytek własny w Afryce Subsaharyjskiej, aby lepiej zrozumieć ich wpływ na bezpieczeństwo żywieniowe. Projekt QUANTICOL został sfinansowany w ramach programu „Nowe Technologie i Technologie Przyszłości (FET)” Komisji Europejskiej.
Słowa kluczowe
QUANTICOL, złożone systemy adaptacyjne, CAS, metody formalne, inteligentne miasta, inteligentne sieci, Internet rzeczy, aproksymacja płynna, logika, język opisu, algebry procesów stochastycznych, sieci transportowe, sieci energetyczne, modelowanie systemów
