Czym jest System tablicy ogłoszeń (blackboard system)?
System tablicy ogłoszeń, po angielsku blackboard system, oznacza architekturę oprogramowania, w której wiele niezależnych modułów wiedzy współpracuje poprzez współdzieloną przestrzeń roboczą przypominającą tablicę w sali seminaryjnej. Każdy moduł, zwany specjalistą lub knowledge source, zapisuje tam częściowe wnioski i odczytuje wyniki pracy innych specjalistów. Dzięki temu całość może iteracyjnie konstruować rozwiązanie problemu, nawet gdy żadna pojedyncza składowa nie ma pełnego obrazu sytuacji.
Historyczny kontekst i geneza koncepcji
Pierwsze pełne opracowanie pochodzi z pierwszej połowy lat siedemdziesiątych XX wieku. Zespół pod kierunkiem Randalla Davisa i Allena Newella w Carnegie Mellon University zaproponował architekturę podczas prac nad systemem rozpoznawania mowy Hearsay-II (1971–1976). Pomysł szybko podchwyciły laboratoria SRI International, gdzie Barbara Hayes-Roth oraz Frederick Hayes-Roth opisali ją szczegółowo w artykule z 1983 roku. Od tamtego czasu paradygmat służył w systemach diagnostycznych, planistycznych, a nawet w złożonych symulatorach militarnych DARPA.
Jak dokładnie działa System tablicy ogłoszeń (blackboard system)
Rdzeń stanowi wspólna tablica danych, czyli centralny repozytorium faktów i hipotez. Dookoła funkcjonuje zbiór specjalistów. Każdy obserwuje zmiany na tablicy poprzez kontroler, który odpowiada za harmonogram uruchamiania modułów. Gdy moduł rozpozna wzorzec, dla którego ma reguły, formułuje nowy fragment rozwiązania i dopisuje go na tablicy – na przykład etykietę fonemu, regułę gramatyczną lub propozycję ścieżki planu. Kontroler ocenia priorytety zgłoszonych akcji i w następnej turze uruchamia najbardziej obiecujące. Proces kończy się, gdy pojawi się wpis oznaczony jako rozwiązanie globalne lub gdy żaden moduł nie oferuje nowych hipotez.
Porównanie z klasycznymi rozwiązaniami
W tradycyjnych systemach eksperckich wiedza bywała zebrania w jednej dużej bazie reguł uruchamianych sekwencyjnie lub według prostego mechanizmu dopasowania. W systemie tablicy ogłoszeń moduły pozostają luźno powiązane; mogą korzystać z odmiennych reprezentacji danych i algorytmów. Taka elastyczność sprzyja rozbudowie i integracji metod symbolicznych z algorytmami numerycznymi, choć wymusza staranne zarządzanie konkurencją oraz spójnością wniosków.
Zastosowania w praktyce
Poza wspomnianym Hearsay-II architekturę wdrożono w systemie GRAPE do analizy geologicznej, w programie STEAMER do wspomagania nauki nawigacji morskiej czy w projektach diagnostyki lotniczej NASA. W nowszych projektach spotyka się ją jako warstwę integrującą sieci neuronowe, systemy regułowe i moduły planowania w robotyce mobilnej. Przykładowo w autonomicznej nawigacji podwodnych dronów moduł przetwarzania sonarów, segmentacji obrazu i planowania trasy zapisuje swoje hipotezy odnośnie do przeszkód właśnie na wspólnej tablicy, dzięki czemu całość reaguje na niepewne dane sensoryczne.
Zalety i ograniczenia
Podział wiedzy na odrębne specjalizacje sprzyja równoległości obliczeń oraz umożliwia stopniowe wzbogacanie systemu o nowe kompetencje. Projektanci zyskują również jasny mechanizm kontroli dzięki centralnej tablicy. Wadą bywa złożoność sterowania, rosnąca wraz z liczbą specjalistów. Jeśli priorytety nie są dobrze dobrane, system może grzęznąć w lokalnych hipotezach lub zużywać zasoby na rozbieżne ścieżki. Dodatkowo wymóg wspólnego formatu danych zmusza do definiowania warstw translacyjnych albo ontologii dziedzinowej.
Na co uważać?
Podczas projektowania należy przewidzieć strategie rozstrzygania konfliktów między modułami oraz mechanizmy czyszczenia przestarzałych hipotez. Istotne staje się również zabezpieczenie tablicy przed przeciążeniem, zwłaszcza gdy speci aliści generują dużą liczbę pośrednich wpisów. W zastosowaniach czasu rzeczywistego ważne jest zagwarantowanie deterministycznej zwłoki kontrolera.
Dodatkowe źródła
Osoby zainteresowane pogłębieniem tematu znajdą szczegółową charakterystykę architektury w artykule Fredericka Hayes-Rotha „A blackboard architecture for control” dostępnym w archiwum Artificial Intelligence Journal. Historyczne tło Hearsay-II omawia strona projektu na Wikipedii. Współczesne interpretacje, łączące tę koncepcję z architekturą agentową, prezentuje praca „An Agent-based Blackboard System for Multimodal Fusion” dostępna w serwisie arXiv.
