Modelo de aprendizaje para entornos distribuidos colaborativos

Resumen

En la gran familia de aplicaciones distribuidas, los sistemas colaborativos se distinguen por el hecho de que los nodos que forman parte del entorno, pueden tener la intención de trabajar juntos para el cumplimiento de tareas que se originan de alguno de estos nodos. El intercambio de información, el intercambio de solicitudes, el control de unos sobre otros y el intercambio de recursos computacionales son algunos ejemplos de procesos que pueden ser parte de las tareas que los nodos en este tipo de sistemas tengan la intención de buscar o dar colaboración al respecto. Sin embargo, el éxito del logro de la colaboración previamente mencionada, entendiéndose por éxito obtener una mayor calidad en los resultados (eficacia), así como también resolver la tarea en tiempos adecuados (eficiencia), depende de varios factores que tienen que ver principalmente con la forma en la cual el entorno está en un momento dado, así como también dar respuesta a preguntas como ¿con quién colaborar? y ¿cómo colaborar? Con el fin de abordar las necesidades para un entorno distribuido colaborativo, varias propuestas se han presentado para cubrir problemas específicos como por ejemplo la comunicación entre los nodos, mecanismos de exclusión mutua, la distribución de actividades y el balanceo de carga. Si bien es cierto que la mayoría de estas propuestas muestran ser eficientes y/o eficaces en la problemática particular que abordan, varias de ellas, por no decir todas, no consideran la experiencia de colaboraciones llevadas a cabo en el pasado como estrategia de aprendizaje para predecir mejores condiciones de colaboración en el futuro. En este sentido, el objetivo principal de esta investigación se centra en el diseño de un modelo de aprendizaje para entornos distribuidos colaborativos con el propósito de alcanzar valores adecuados de eficiencia y eficacia relacionados con el proceso colaborativo llevado a cabo entre los nodos de este tipo de sistemas. Para satisfacer con este objetivo se propone el modelo AMBAR (Awareness-based learning Model for distriButive collAborative enviRonment). Un primer resultado a obtener en el logro de este objetivo, tiene que ver con la asociación del modelo con un sistema multi-agente y, de allí, la definición de una arquitectura para agentes inteligentes que permita soportar el modelo. Un segundo aspecto está relacionado con identificar aspectos relevantes que, vi en el dominio de los sistemas colaborativos, se le ha dado al concepto de awareness of interaction y, como consecuencia de esto, realizar una representación de las colaboraciones basado en este concepto. Finalmente, esta investigación incluye el planteamiento de estrategias basadas en técnicas heurísticas para abordar algunos aspectos relacionados con el modelo de colaboración, en particular el que tiene que ver con el aprendizaje. Cabe mencionar que, como parte del modelo propuesto, la investigación incluye: 1) un protocolo de comunicación entre los agentes inteligentes que soporte las necesidades del modelo; 2) un mecanismo de exclusión mutua para sincronizar el uso de la data compartida entre los agentes y 3) un mecanismo de negociación entre agentes para situaciones en las cuales la colaboración presenta dificultades de ser alcanzada. Por un lado, la validación funcional presentada muestra que el modelo tiene aplicabilidad en una variedad de problemas de diversa índole. Por otro lado, los resultados de la validación experimental no solo indican que el modelo es capaz de satisfacer un alto porcentaje de los requerimientos de colaboración originados por los nodos de un sistema distribuido, sino que además, la eficacia y eficiencia del modelo muestran una tendencia a mejorar gracias a las habilidades de aprendizaje sobre la experiencia de colaboraciones pasadas que se ha incorporado al modelo. ABSTRACT In the broad family of distributed applications, collaborative systems are distinguished by the fact that the nodes that are part of the distributed environment might have the intention of working together to fulfill the goals that originate from some of the aforementioned nodes. Some processes that might be part of the assignment that the nodes in this kind of system might have the intention to collaborate with are the following: the exchange of information and applications, the sharing of computational resources, and the control they enforce over each other, among others. The success of achieving this shared activity depends on several factors that strongly rely upon/on the way in which the environment is at any given time, as well as on its capability to answer questions such as “With which node may I collaborate with?” and “How to collaborate?”. We define “success” as the process of obtaining higher quality results (effectiveness), as well as achieving the common goal at an appropriate rate of time/amount of time (efficiency). Aiming to succeed on the addressed necessities required by a distributive collaborative environment different proposals have been presented. These proposals address/solve certain specific problems such as: the communication between nodes, mutual exclusive mechanisms, distribution of activities and the balancing of a load. It is true that the great majority of this proposals show themselves to be efficient and/or effective in solving the particularly most frequent problems. Some of this proposals do not consider the previously carried out collaborative experiences as an strategy of future learning, aiming for the prediction of better collaborations in a future. The principal objective of this investigation is centered on the design of a featuring training model for distributive collaborative environments to be taught. This design should reach the adequate high values of efficiency and effectiveness that are related to the collaborative process that is accomplished by nodes of these kinds of systems. To address the needs outlined above, we propose the model AMBAR (Awareness-based learning Model for distriButive collAborative enviRonment). Achieving first results in the accomplishment of this objective is related with the association of the model with a multi-agent system and, from there, the association with the definition of a specific architecture for intelligent agents that might be able to support the aforementioned viii model. A second aspect is related with identifying the importance that has been given in this domain to the concept of awareness of interaction, and as a result, an adequate representation of the contributions based on this concept. Finally, this approach includes heuristic-based strategies with the purpose of addressing issues related not only to processes of learning and reasoning included in the model of collaboration, but also with other distributive systems related problems. It is worth mentioning that, as part of the model proposed, the research also includes: 1) a communication protocol between the intelligent agents that support the needs of the model, 2) a mutual exclusion mechanism used to synchronize the use of shared data between the agents and 3) a negotiation mechanism employed between agents to handle situations in which the environment is saturated for collaboration purpose. The functional validation presented in this research shows that the model can be applied to solve a variety of diverse problems. On the other hand, the results given by the experimental validation indicate that the model is capable of satisfying a high percentage of the requirements of the collaboration originated by the nodes of a distributed system. Not only that, but also the model?s effectiveness and efficiency show a tendency to improve thanks to the abilities learned from past collaboration experiences that have been carried out in the system.