SVEUČILIŠTE J.J. STROSSMAYERA U OSIJEKU, EKONOMSKI FAKULTET U OSIJEKU

6. Inteligentni agenti, robotika i Internet stvari

MARIJANA ZEKIĆ-SUŠAC

1

Što ćete naučiti u ovom poglavlju?▪ Objasniti što su inteligentni softverski agenti

▪ Objasniti kako rade inteligentni agenti

▪ Navesti primjere upotrebe inteligentnih agenata

▪ Objasniti što su roboti i kako su nastali

▪ Objasniti strukturu i glavne načine kretanja i djelovanja robota

▪ Navesti neka područja primjene robota u poslovanju

▪ Objasniti što je Internet stvari (IoT) i Internet Robotskih stvari (IoRT)

▪ Objasniti kako je IoT povezan s poslovnom inteligencijom

2

Što su softverski agenti?“Agent je bilo što što može opažati svoju okolinu s pomoću senzora i djelovati s pomoću aktuatora.” (Russel, Norvig, 2003)

Softverski agenti su osobni softverski asistenti kojemu je njegov korisnikdelegirao neke ovlasti, ili računalni programi koji simuliraju neki ljudski odnos, radeći nešto što bi inače za Vas mogla napraviti neka osoba. ( IBM’s AlmadenResearch Center). Važni su za interakciju čovjeka i računala.

Softverski agenti su “Softverski alati koji automatski obavljaju neku aktivnost nazahtjev” (www.agentland.com)

Neki problemi kod kojih softverski agenti mogu pomoći:

“Na webu je puno dobrih stvari. Zašto ih ne mogu pronaći?”

“Kompjuter je tako nehuman. Zašto ne mogu razgovarati s njim?”

“Previše vremena provodim ručno provjeravajući svoj mail.”

Softverski agenti mogu: provjeravati i sortirati Vaš mail (mail agenti), pregovarati umjesto Vas na aukcijama (bid agenti), pretraživati Internet umjesto Vas (search agenti), učiti Vas (agenti tutori) i dr.

3

Karakteristike softverskog agentaSoftverski agent:

• agent radi za Vas

• agent radi s Vašom dozvolom

• agent je specijaliziran za neko područje

Inteligentni softverski agent ima ove karakteristike:▪ Može postupno primijeniti pravila donošenja odluka

▪ Može se prilagoditi (adaptirati) online i u stvarnom vremenu

▪ Može se analizirati u smislu uvjeta ponašanja, greške i uspješnosti

▪ Može učiti i unaprijediti se kroz interakciju s okolinom

▪ Ima spremište primjera i mogućnost dohvaćanja informacija iz tog spremišta „

▪ Ima parametre za predstavljanje kratkotrajne i dugotrajne memorije, starost, zaboravljanje i slično

4

Kada je agent inteligentanPrema Russel, Norvig (2003), softverski agent je inteligentan ako imasposobnosti upotrebe znanja za postizanje ciljeva (racionalan je). Međutim, inteligentnim se danas smatraju i agenti koji:

▪ Imaju sposobnosti učenja

▪ Autonomni su (mogu neke aktivnosti obavljati samostalno)

▪ Kompetentni su u svom području specijalizacije, i

▪ Tolerantni su na promjene u okolini u kojoj rade (i mogu reagirati na tepromjene, tj. adaptirati se).

Da bi agent mogao reagirati na promjene u okolini, često uključujemetode umjetne inteligencije: neuronske mreže, ekspertne sustave, genetičke algoritme, prepoznavanje govora, i dr.

5

Kako rade softverski agenti?Softverski agent je program koji je ili instaliran na lokalnom računalu, ilina mreži (webu), te miruje dok mu se ne dodijeli neki zadatak koji može obavljati i bez prisutnosti čovjeka.

Neki agenti pretražuju web kako bi našli rješenje.

Neki agenti koriste napredne statističke alate kako bi obradili pronađeneinformacije.

Neki agenti koriste lingvističke alate za obradu prirodnog jezika i prepoznavanje govora kako bi komunicirali na čovjeku svojstven način.

Neki se bave proučavanjem preferenci korisnika, kako bi mogli sugeriratineke sadržaje korisnku.

Neki su povezani s drugim agentima na mreži.

6

Podjela agenataRussel i Norvig (2003) dijele agente u ovih 5 grupa (s obzirom na

stupanj usvojene inteligencije i mogućnosti):

1. Jednostavni refleksni agenti – djeluju na principu uzrok- posljedica (if uvjet then akcija), mogu se koristiti samo ako se sve u okolini može vidjeti

2. Refleksni agenti temeljeni na modelima – koriste se kada je okolina samodjelomično vidjiva, pa agent najprije mora provjeriti trenutno stanje okoline, a zatim izabrati akciju

3. Agenti vođeni ciljevima – također temeljeni na modelima, agent izabirenajpovoljniju opciju koja vodi do cilja

4. Agenti temeljeni na korisnosti - osim što razlikuju da li je cilj postignut ilinije, mogu pronaći rješenje koje ima veću korisnost (prema nekoj ugrađenojfunkciji korisnosti)

5. Učeći agenti – omogućava da agent radi i u novoj okolini i prilagođava se njoj

7

Vrste web agenata▪ Agenti za pretraživanje (Search agents) – nakon što korisnik unese ključneriječi, pretražuju umjesto njega s pomoću više web tražilica. Mogu biti: ▪ Opći – za pretraživanje svih područja

▪ Specijalizirani – za npr. glazbu, knjige i sl.

▪ Web agenti (web agents) – za različite aktivnosti na Internetu, npr. za zaštitunekih stranica od dječjeg pristupa, za nadgledanje financijskih podataka, pohranjivanje web stranica i dr.

▪ Agenti za trgovanje (Shopping bots) – uspoređuju cijene iz različitih web shop-ova, te traže najpovoljniju cijenu ili pregovaraju na aukcijama (Bid agents)

▪ Agenti za zabavu (Entertainment bots) – koriste se za razne zabavne sadržaje, npr. igre

▪ Virtualni asistenti (Virtual assistants) – služe za razgovor, pomoć pri korištenjuprograma i dr.

Ove skupine nisu konačne, stalno se razvijaju nove.

8

Ontologija i jezici agenata▪ Ontologija je način na koji korisnik komunicira s agentom i kreira bazuznanja agenta.

▪ Postoje manje rigorozne ontologije (npr. XML dokumenti) i vrlo rigorozne(npr. Knowledge Interchange Format).

▪ Trend – ugradnja agenata u web dokumente – kompatibilnost ontologijeagenata s html i sličnim jezicima.

Jezici za komunikaciju agenata

▪Do bi bili učinkoviti, agenti trebaju prikupiti informacije iz sustava, ali i od drugih agenata, što čine jezicima za komunikaciju.

▪ Za komunikaciju agenata koriste se neki od unaprijed definiranih jezika, kaošto su: FIPA ACL (The Foundation for Intelligent Physical Agents Agent Communication Language), KQML (Knowledge Query and Manipulation Language) ili

▪ objektni programski jezici, npr. C++, Java ili funkcijski i logički jezici i ljuskeza ekspertne sustave.

9

Agenti u obradi prirodnog jezikaeng. Natural Language Processing (NLP) – tehnika umjetne inteligencije(rezultat računalne znanosti i lingvistike)

Dijeli se na:

▪ Generiranje prirodnog jezika – sustavi koji konvertiraju informaciju izračunalne baze u neki oblik čitljiv ljudskom jeziku

▪ Prepoznavanje prirodnog jezika – sustavi koji konvertiraju uzorkeljudskog jezika u formalnije oblike kao što su strukture stabala ili logikaprvoga reda, koje razumiju i mogu obrađivati računalni programi

Važna je metoda za razvoj interakcije računala i ljudi (human-computer interaction)

10

Primjeri problema za NLPJedan od primjera koji se standardno koristi za testiranje nekog agenta ili računala o njegovim mogućnostima obrade prirodnog jezika je ovaj:

1. “We gave the monkeys the bananas because they were hungry."

2. "We gave the monkeys the bananas because they were over-ripe.”

Ove gore dvije rečenice su gramatički napisane isto, međutim značenjedrugog dijela rečenice ovisi o tumačenju riječ “they”. U prvoj rečenici“they” se odnosi na majmune, a u drugoj na banane.

Da bi stroj preveo rečenice točno i razumio značenje, treba poznavatiprethodno svojstva (properties) majmuna i banana.

NLP se koristi i u strojnom prevođenju, npr. Google Translator.

11

M. ZEKIĆ- SUŠAC 12

Što je robotika?Robotika je znanost i tehnologija o robotima, njihovom dizajnu, proizvodnji i primjeni (www.wikipedia.org)

Prvi digitalno pokretani i programirani robot – Unimate –1961. (mogao je podići vruće komade metala s pokvarenog stroja)

Danas su brojne upotrebe komercijalnih i industrijskih robota – u područjima gdje roboti neke radnje mogu obaviti jeftinije i preciznije od čovjeka, zatim za prljavije i dosadnije poslove

Najšira upotreba – u proizvodnji, na pokretnim trakama (npr. automobilska industrija)

M. ZEKIĆ- SUŠAC 13

Povijest razvoja robotaPrvo stoljeće i ranije – Heron od Aleksandrije i dr. dali su opise više od 100 strojeva, kao npr. vatreni stroj, automat na kovanice, parni stroj i dr. koji su preteče robota

1206 – prvi programirani humanoidni robot (Al-Jazari)

1495 – javljaju se dizajni humanoidnih robota (Leonardo da Vinci)

1738 – mehanička patka koja je mogla jesti i mahati krilima (Jacques de Vaucanson)

1800-tih – japanske mehaničke igračke koje su mogle posluživati čaj, bojati (Karakuritoys- Tanaka Hisashige)

1921 – prvi funkcionalni roboti pojavljuju se u predstavi R.U.R.Rossum's Universal Robots (Karel Čapek)

1930-tih – izložen je humaniodni robot

1948 – jednostavni roboti koji pokazuju biološko ponašanje (William Grey Walter)

1956 – prvi komercijalni robot, Unimation company

1961 – prvi instalirani industrijski robbot (UnimateGeorge Devol)

1975 – prva programirana univerzalna ruka za upravljanje (Unimation product)

M. ZEKIĆ- SUŠAC 14

Struktura robota

Robot je uglavnom sastavljen od mehaničkih i elektroničkih dijelova, koji se zovu i kinematički lanac. Lanac se sastoji od:

Poveznica – “kostiju”

Aktuatora – “mišića”

S obzirom na način povezivanja mogu biti:

- serijski – koriste otvoreni serijski lanac, npr. ruka

- paralelni – koriste paralelni kinematički lanac (npr. Stewart platforma)

- biomehanički – nastoje imitirati strukturu bioloških bića, npr. insekata, pasa, čovjeka,...

M. ZEKIĆ- SUŠAC 15

Izvori energije robotaNajčešći izvor energije robota

▪ kod industrijskih robota: ▪ električni, pneumatski (komprimirani zrak), hidraulički ili motor s unutrašnjim

izgaranjem

▪ kod mobilnih robota: ▪ Baterije

▪ Solarne ćelije

▪ Komprimirani zrak (pneumatika)

▪ Organska goriva

▪ Radioaktivni izvor energije

M. ZEKIĆ- SUŠAC 16

Aktuatori robota

= Mišići robota, dijelovi koji povezuju pohranjenu energiju u pokret.

Najčešće korišteni aktuatori su električni motori, ali mogu biti i drugi (kompresirani zrak, kemikalije, i dr.)

Vrste motora koje se koriste:

▪Klasični DC motori (na istosmjernu struju)▪Stepper motori▪Piezo motori▪Zračni mišići – jednostavan uređaj koji omogućava punu snagu npr. the Shadow robot - ruka koristi 40 zračnih mišića za pokretanje 24 spoja. ▪Electroaktivni polimeri ▪Elastične nanocijevi - još u eksperimentalnoj fazi

Slika – noga robota koju pokeću zračni mišići, Izvor: www.wikipedia.org

M. ZEKIĆ- SUŠAC 17

Dodir robotaRuka robota može primiti puno manje informacija nego ruka čovjeka

Za dodir robota koristi se niz taktičkih senzora koji imitiraju mehanička svojstva i receptore dodira ljudskih prstiju.

Umjetna koža izrađuje se od tekućine koja se deformira kada robot dodirne neki objekt, što proizvodi promjene koje prikazuju silu koja je primljena od objekta.

M. ZEKIĆ- SUŠAC 18

Manipulacija robotaKako bi bili aktivni u okolini, od robota se zahtijeva neka vrsta manipulacije objektima, npr. mogućnost podizanja objekta, modificiranja objekta, uništenja objekta ili dr.

Šake – efektori, ruke – manipulatori

Manipulatori kod robota mogu biti fiksni i zamjenjivi, specijalizirani i opće namjene (npr. ruka)

Vrste efektora:

▪Mehaničke hvataljke – sastoje se od dva prsta koja hvataju predmete

▪Vakuumske hvataljke – koriste se više kod industrijskih robota

▪Ekeftori općenite namjene

M. ZEKIĆ- SUŠAC 19

Kretanje robota

Danas je sve veći značaj mobilnih robota

Kretanje kod mobilnih robota najčešće se ostvaruje s pomoću kotača (4 ili manje), npr.◦ Robot s 2 kotača

◦ Ballbot – robot koji se kreće na lopti

◦ Robot s “gusjenicama” (tragovima) (npr. NASA-in robot Urbie)

Slika –mobilni robot s kotačima, Izvor: www.wikipedia.org

M. ZEKIĆ- SUŠAC 20

Hodajući robotiHodanje je za robota vrlo težak i dinamički problem.

Vrste robota s obzirom na način hodanja:

▪Roboti s 2 noge - Iako je kreirano više vrsta robota koji mogu pouzdano hodati na dvije noge, još nije napravljen robot koji može hodati kao čovjek.

▪Roboti s više od 2 noge - lakši za konstruiranje, pouzdaniji hod

▪Hibridni roboti – hodaju na 2 noge, a mogu se prebaciti na 4 kad idu u sprint (npr. iRobot – prikazan u filmovima).

Današnje mogućnosti hodajućih robota:

Roboti s 2 noge mogu dobro hodati na ravnoj podlozi, i povremeno se penjati po stepenicama.

Ne mogu hodati po stjenovitom, neravnom terenu.

Slika – hodajući robot, Izvor: www.wikipedia.org

M. ZEKIĆ- SUŠAC 21

Neki pristupi u rješavanju problema hodanja robotaZMP tehnika - Zero Moment Point (ZMP) je algoritam koji koristi npr. robot ASIMO tvrtke Honda. Računalo u robotu pokušava održati ukupne sile inercije (uskladiti gravitaciju i kretanje) potpuno suprotne silama reakcije koje stvara podloga. Na taj način se dvije sile poništavaju i sprečavaju da robot padne. Ovaj hod nije prirodan čovjekovom.

Poskakivanje - Nekoliko robota izgrađenih 1980-tih godina (MIT Leg Laboratory), uspješno je pokazalo da robot čak i s jednom nogom može poskakivanjem ostati uspravno. Kasnije je dodana i druga noga. Kada robot počne padati u jednu stranu, poskoči u suprotnu i tako održi ravnotežu – vidti MIT Leg Laboratory -http://www.ai.mit.edu/projects/leglab/robots/robots-main-bottom.html.

Dinamičko balansiranje – kontrolirano padanje – napredniji način hodanja korištenjem algoritama za dinamičko balansiranje. Konstatno se promatraju pokreti robota i nastoji održati ravnoteža. Primjer: Anybots' Dexter Robot (može i skočiti)

Pasivna dinamika: novi obećavajući pristup, moment njihanja se koristi za veću učinkovitost. Ovi roboti mogu elegantno hodati koristeći samo gravitaciju kako bi se održali. Osim na ravnoj podlozi mogu hodati i na maloj uzbrdici. Primjer: ASIMO robot.

M. ZEKIĆ- SUŠAC 22

Drugi načini kretanja robota

Osim hodanjem, neki roboti su izgrađeni na način da se kreću na druge načine, npr.

Letenjem

Puzanjem (zmijski način)

Skejtanjem (Skating)

Plivanjem i dr.

Slika – robot-avion i roboti-zmije, Izvor: www.wikipedia.org

M. ZEKIĆ- SUŠAC 23

Interakcija s okolinom i navigacijaOsim samog kretanja, roboti trebaju imati mogućnosti interakcije s okolinom i navigacije kako bi mogli obavljati neke aktivnosti, jer prepreke u okolini mogu stvoriti probleme u radu robota.

Da bi to mogli, trebaju biti opremljeni:

Softverom i hardverom za navigaciju

Primjeri robota s visokom razinom navigacije: ASIMO, EveR-1, Meinü robot

Posebna vrsta robota koji pripadaju u visoku razinu navigacije su samo-kontrolirani automobili (self-controlled car), Ernst Dickmanns' driverless car , kao i vozila koja se takmiče za DARPA Grand Challenge nagradu. Takvi roboti imaju ugrađen GPS navigacijski uređaj s uputama, radar, kombinirano s drugim senzorskim uređajima, kao npr. LIDAR-om, video-kamerom i unutarnjim sustavom navođenja.

M. ZEKIĆ- SUŠAC 24

ASIMOHondin robot ASIMO jedan je od najnaprednijih robota danas

Značenje imena: "Advanced Step in Innovative MObility“ (nije nazvan po science fiction piscu Isaac-u Asimovu).

Visok je 120 cm, težak 54 kg

Ima izgled astronauta koji nosi ruksak na leđima

Može hodati na dvije noge brzinom do 6 km/h.

Napravljen je u Honda's Research & Development Wako Fundamental Technical Research Center u Japanu.

Do sada je napravljeno 11 modela od 1986. naovamo.

U veljači 2009, postojala su preko 100 robota ASIMO-a.

Trošak proizvodnje jednog primjerka: nešto ispod 1 milijun USD.

Može se iznajmiti za oko 166 000 USD godišnje.

ASIMO, http://www.wikipedia.org

M. ZEKIĆ- SUŠAC 25

Mogućnosti ASIMO robota

Prepoznavanje objekata u kretanju

Prepoznavanje položaja tijela i gesta

Prepoznavanje objekata u okolini i različitih terena, mogućnost izbjegavanja prepreka

Razlikovanje zvukova

Prepoznavanje lica

ASIMO, http://www.wikipedia.org

M. ZEKIĆ- SUŠAC 26

Samoupravljani automobiliSamoupravljani automobili – roboti opremljeni radarom, GPS-om, LIDAR-om (Light Detection and Ranging), video-kamerom i dr. uređajima, te inteligentnim softverskim alatima koji omogućuju samokontrolu auta

Takvi automobili razvijaju se u laboratorijima umjetne inteligencije na Stanford University, Carnegie Mellon University, Virginia Tech i dr. sveučilištima

Poznato takmičenje samoupravljanih automobila je DARPA Grand Challenge koje se održava svake godine u SAD

Slika: Samoupravljani automobil na natjecanju DARPA Grand Challenge 2007, http://en.wikipedia.org/wiki/DARPA_Grand_Challenge

Mogućnosti automobila – voze do maksimalno 80 km/h (u prosjeku oko 22 km/h), koriste GPS, mogu zaobići samo auto koji stoji, voze na asfaltu i neuređenim cestama (u pustinji), te na uskim brdskim tjesnacima

M. ZEKIĆ- SUŠAC 27

Samoupravljani automobili -nastavak

Poznat robot-automobil je i VaMP, čije je prvi primjerak razvijen 1980-tih godina

Razvijen je u suradnji Mercedes-Benz-a i istraživača Ernst-a Dickmanns-a sa Universität der Bundeswehr u Muenchenu, Njemačka

U usporedbi s automobilima koji sudjeluju na DARPA Grand Challenge, VAMP iz 1995. g. mogao je voziti brže (do 180 km/h), pretjecati autombile u pokretu, ali uglavnom vozi na asfaltu (autocesti) i bez GPS-a. Testiran je u pravom prometu na autocesti i vozio samostalno 1687 km.

Slika. VAMP automobil iz 1995, http://www.idsia.ch/~juergen/robotcars.html

M. ZEKIĆ- SUŠAC 28

Ljudska interakcija robota

Kako bi se izgradili roboti koji će učinkovito raditi u domaćinstvima, i drugoj ne-industrijskoj okolini, potrebno je kod robota stvoriti karakteristike koje su intuitivne čovjeku, kao npr.

Prepoznavanje govora

Prepoznavanje gesta (rukama, tijelom)

Prepoznavanje izraza lica

Osjećaji – umjetni osjećaji također se mogu ugraditi, a sastoje se od niza izraza lica i gesta. (prikazano u filmu Final_Fantasy:_The_Spirits_Within )

Osobnost – karakteristika koju imaju roboti zasad u znanstvenoj fantastici, ali je upitno da li je ta karakteristika poželjna ili ne.

M. ZEKIĆ- SUŠAC 29

Koja su područja upotrebe robota?

Roboti se danas koriste u mnogim područjima, npr.

▪proizvodnja i pakiranje,

▪transport,

▪istraživanje Zemlje i svemira,

▪u medicini (npr. operacije),

▪rad s oružjem,

▪laboratorijska istraživanja,

▪sigurnost,

▪masovna proizvodnja potrošačke robe, i dr.

M. ZEKIĆ- SUŠAC 30

Roboti u kućanstvuPrimjer: robot-usisavač◦ uređaj koji može samostalno očistiti sve dostupne prostore, izbjegavajući

prepreke i namještaj

◦ senzori ga navode po prostoriji

◦ s obzirom da je samo oko 9-13 cm visok, može očistiti prostore ispod kreveta, ormara i ostalog namještaja

◦ Moguće je ograničiti prostor za čišćenje nevidljivim zidom

◦ ugrađeni senzori spriječit će pad robota niz stepenice ili sa balkona,

◦ po završetku čišćenja robot će se sam vratiti na bazu i dopuniti bateriju

Slika. Robot-usisavač SUSPIRO, http://www.centarnekretnina.net/HR/wiki-Interijeri/robot-usisivac.htm

Slika. Robot-usisavač Electrolux, http://www.sveimamo.com/Proizvod.aspx?prodid=6F1F45EF-6E7E-495D-A945-86BBD1A9B748&mtn=1

M. ZEKIĆ- SUŠAC 31

Smjer razvoja robota danas?▪ izrada humanoidnih robota koji će služiti kao radna snaga i pomoć čovjeku u određenim poslovima (npr. roboti čistači, recepcioneri, ali i policajci i sl.)

▪ integracija robota sa Internetom i alatima za pametno upravljanje uređajima (Internet robotskih stvari engl. Internet of Robotic Things - IoRT) (Iscoop, 2017)▪ Upravljanje robotima pomoću malih Raspberry PI računala koji su

povezani na Internet s web i mobilnim aplikacijama

▪ veza robota s prediktivnom analitikom

Roboti danas mijenjaju poslovne modele. Prema istraživanju ABI Research (Iscoop, 2017), robotika mijenja trenutno dominantne poslovne modele kroz 4. industrijsku revoluciju (povezujući biološke i digitalne sustave) u okviru poslovne inteligencije.

Literatura▪ Iscoop, The Internet of Robotic Things (IoRT): definition, market and examples, https://www.i-scoop.eu/internet-of-things-

guide/internet-robotic-things-iort/, 14.10.2017.

▪ S. J. Russell, P.Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall; 2nd edition, 2002.

▪ S. Russell, P. Norvig, AI on the web, http://aima.cs.berkeley.edu/ai.html, 14.11.2013.

▪ I.H. Witten, E. Frank, Data Mining: Practical Machine Learning Tools and Techniques with Java Implementation. Morgan Kaufman Publishers, San Francisco, CA, 2000.

▪ C. Bishop, Neural Networks and Machine Learning, Springer Verlag, Berlin, 1998.

▪ Zekić-Sušac, M., Has, A., Predictive analytics in Big Data platforms – comparison and strategies, MIPRO BIS 2016, Opatija, Hrvatska

▪ Brooks, R.A., Cambrian Intelligence, Massachussets Institute of Technology, 1999. MIT Computer Science and Artificial Intelligence Laboratory, http://www.csail.mit.edu/, 20.04.2009.

▪ MIT Leg Laboratory, http://www.ai.mit.edu/projects/leglab/, 20.04.2009.

▪ Finin, T., Labrou, Y.(ur.), UMBC AgentWeb, University of Maryland, Baltimore County, http://agents.umbc.edu/, 13.04.2009. „

▪ Baray, C., Wagner, K., Where Do Intelligent Agents Come From?, http://www.acm.org/crossroads/xrds5-4/dumbagents.html, 13.04.2009.

▪The Intelligent Agent Group, Department of Computer Science, Trinity College, Dublin, https://www.cs.tcd.ie/research_groups/aig/iag/, 13.04.2009.

▪ The Intelligent Software Agent Lab, The Robotics Institute, Carnegie Mellon University, http://www.cs.cmu.edu/~softagents/, 13.04.2009.

▪ Wikipedia, Intelligent Agents, http://en.wikipedia.org/wiki/Intelligent_agent#A_variety_of_definitions, 13.04.2009.

32