신념–욕구–의도(BDI) 소프트웨어 모델은 지능형 에이전트를 프로그래밍하기 위해 개발된 소프트웨어 아키텍처이다. 이는 표면적으로 에이전트의 신념, 욕구, 의도의 구현으로 특징지어지지만, 실제로는 에이전트 프로그래밍의 특정 문제를 해결하기 위해 이러한 개념을 사용한다: 계획을 선택하는 활동(계획 라이브러리 또는 외부 플래너로부터)과 현재 활성 계획의 실행을 분리하는 것이다. 결과적으로, BDI 에이전트는 계획에 대해 숙고하는 시간(무엇을 할지 선택)과 계획을 실행하는 시간(그것을 수행하는 것) 사이에서 균형을 맞출 수 있다. 첫 번째 활동인 계획을 처음에 생성하는 것(플래닝)은 모델의 범위에 속하지 않으며, 시스템 설계자와 프로그래머에게 맡겨진다.
BDI 모델은 인간의 실용적 추론에 관한 Michael Bratman의 이론에서 영감을 얻었으며, 이 이론 역시 신념, 욕구, 의도라는 용어를 사용한다. Bratman에게 있어 욕구와 의도는 둘 다 친태도(행동과 관련된 정신적 태도)이지만, 헌신이 의도를 욕구와 구별하게 하며, 이는 계획의 시간적 지속성과 이미 헌신한 계획을 기반으로 추가 계획을 세우는 것으로 이어진다. BDI 소프트웨어 모델은 이러한 문제를 부분적으로 다룬다: 시간에 대한 명시적 참조라는 의미의 시간적 지속성은 탐구되지 않지만, 계획의 계층적 특성은 더 쉽게 구현된다, 왜냐하면 계획은 그중 일부가 다른 계획을 호출할 수 있는 단계로 구성되며, 이는 일종의 시간적 지속성을 암시하기 때문이다.
BDI 에이전트
BDI 에이전트는 정신적 태도를 부여받은 특정 유형의 제한된 합리적 소프트웨어 에이전트이다: 신념, 욕구, 의도. 이러한 태도는 신념, 욕구, 목표, 의도, 계획, 사건과 같은 구성 요소를 포함하는 아키텍처로 구현된다.
- 신념은 에이전트의 정보 상태를 나타낸다 - 세계에 대한 에이전트의 신념, 자신과 다른 에이전트를 포함하여. 신념은 추론 규칙을 포함할 수 있으며, 이는 전향 추론이 새로운 신념으로 이어질 수 있게 한다. "신념"이라는 용어는 "지식"보다는 인식론적 상태를 인정하며, 에이전트가 믿는 것이 반드시 사실일 필요는 없다는 점을 인식한다. 신념은 데이터베이스에 저장되며, 때로는 신념 기반 또는 신념 집합이라고 불린다.
- 욕구는 에이전트의 동기 상태를 나타낸다 - 에이전트가 달성하고자 하는 목표나 상황, 예를 들어 최고 가격을 찾거나 부자가 되는 것과 같은.
- 목표는 적극적으로 추구하기 위해 채택된 욕구이며, 활성 욕구 집합이 일관성을 유지해야 한다는 제약이 있다(예: 파티에 가는 것과 집에 머무르는 것을 동시에 목표로 해서는 안 된다).
- 의도는 숙고 상태를 나타낸다 - 에이전트가 선택한 행동. 의도는 에이전트가 헌신한 욕구이며, 구현된 시스템에서 에이전트가 계획 실행을 시작했음을 의미한다.
- 계획은 에이전트가 하나 이상의 의도를 달성하기 위해 수행할 수 있는 행동의 시퀀스(레시피 또는 지식 영역)이다. 계획은 다른 계획을 포함할 수 있으며, 이는 계획이 처음에는 부분적으로만 구상된다는 Bratman의 아이디어를 반영한다.
- 사건은 반응적 활동의 트리거이며, 신념을 업데이트하고, 계획을 트리거하며, 목표를 수정한다. 사건은 외부적으로(센서를 통해) 또는 내부적으로 생성될 수 있다.
BDI 모델은 또한 의무 구성 요소로 확장되었으며, 이는 사회적 환경에서 의무, 규범, 헌신을 통합하기 위해 BOID 에이전트 아키텍처를 탄생시켰다.
##BDI 인터프리터
SRI의 PRS 계열에 기반한 이상적인 BDI 인터프리터는 다음과 같이 작동한다:
- 상태를 초기화한다.
- 반복한다:
- 옵션: 옵션 생성기(사건 큐)
- 선택된 옵션: 숙고(옵션)
- 의도 업데이트(선택된 옵션)
- 실행()
- 새로운 외부 사건 획득()
- 실패한 태도 제거()
- 불가능한 태도 제거()
이 인터프리터는 사건에서 옵션을 생성하고, 옵션을 선택하기 위해 숙고하고, 의도를 업데이트하고, 계획을 실행하고, 새로운 사건을 처리하는 주기를 반복하며, 실패하거나 불가능한 태도를 제거한다.
##형식 논리 및 추론
BDI 소프트웨어 모델의 중요한 측면은 Bdi 에이전트가 정의되고 추론될 수 있는 논리 모델의 존재이다. 연구는 일부 BDI 구현의 공리화와 Anand Rao 및 Michael Georgeff의 BDICTL과 같은 형식 논리 설명으로 이어졌으며, 이는 다중 모달 논리(신념, 욕구, 의도에 대한 양상 연산자 포함)와 시간 논리 CTL*을 결합한다. 더 최근에는, Michael Wooldridge가 BDICTL을 확장하여 LORA(합리적 에이전트 논리)를 정의했으며, 개별 에이전트와 다중 에이전트 시스템의 상호작용을 추론하기 위해 행동 논리를 통합했다.
##한계 및 비판
BDI 소프트웨어 모델은 단일 합리적 에이전트를 위한 추론 아키텍처의 한 예이며, 더 넓은 다중 에이전트 시스템의 관심사이다. 알려진 한계는 다음과 같다:
- 학습: BDI 에이전트는 과거 행동에서 학습하고 새로운 상황에 적응하는 특정 메커니즘이 부족하다.
- 세 가지 태도: 고전적 결정 이론가와 플래닝 연구자는 세 가지 태도 모두의 필요성에 의문을 제기하며, 분산 AI 연구는 세 가지 태도가 충분한지에 의문을 제기한다.
- 논리: BDI의 기반이 되는 다중 모달 논리는 완전한 공리화가 없고 효율적으로 계산할 수 없으며, 실제로는 관련성이 거의 없다.
이러한 한계에도 불구하고, BDI 모델은 에이전트 기반 시스템에서 영향력을 유지하고 있다. 이는 Steven Umbrello와 Roman Yampolskiy에 의해 인간 가치를 위한 자율 주행 차량을 설계하는 수단으로 제안되었으며, Artificial intelligence 및 다중 에이전트 시스템 연구에 계속 정보를 제공한다. 모델의 숙고와 실행의 분리는 Reinforcement learning 및 플래닝과 같은 AI의 다른 영역에서 유사점을 가지며, 그 개념은 자율 주행 차량 및 Robotics 설계와 관련이 있다.
##응용 및 관련성
BDI 아키텍처는 자율 주행 차량, Robotics, 비디오 게임을 포함한 다양한 영역에 적용되었다. 이는 반응적 및 숙고적 행동의 균형을 맞출 수 있는 합리적 에이전트를 구현하기 위한 프레임워크를 제공한다. 지능형 에이전트와 관련된 모든 특성(예: 개인 신념 또는 통신)을 보장하지는 않지만, 에이전트 프로그래밍에 구조화된 접근 방식을 제공한다. 모델의 영향력은 다중 에이전트 시스템 및 에이전트 기반 모델링으로 확장되며, Artificial intelligence 및 인지 과학 연구의 주제로 남아 있다.
2020년대 초반 현재, BDI는 계속 연구되고 확장되고 있으며, 학습 메커니즘을 통합하고 계산적 과제를 해결하려는 노력이 있다. BDICTL 및 LORA와 같은 형식적 기초는 에이전트 행동을 검증하기 위한 기반을 제공하지만, 실제 구현은 종종 이러한 논리를 단순화한다. 모델의 정신적 태도에 대한 강조는 지능형 시스템을 설계하는 인간 영감 접근 방식을 제공하며, 이는 순수 반응적 또는 순수 숙고적 아키텍처와 구별된다.