用于运行人工社交网络的系统和方法与流程

本发明总体上涉及社交网络，并且尤其涉及一种用于展开一人工社交网络的方法和系统。

背景技术：

以下罗列应当被视为本发明主题的背景相关的参考文献。

1.[下文简称Amir 2014]Amir，O.与Gal，K，“在探究式学习环境中规划识别及可视化”教育数据挖掘.施普林格国际出版社，2014，289-327。

2.[下文简称Banerjee 2014]Banerjee，B.；Lyle，J.与Karemer，L.，“多智能体规划识别的复杂性”自治智能体与多智能体系统(2014):1-33。

3.[下文简称Banerjee2011]Banerjee，B.与Karemer，L.，“多智能体规划识别的分支与定价”AAAI.2011。

4.[下文简称Banerjee2010]Banerjee，B.；Karemer，L.与Lyle，J.，“多智能体规划识别：形式与算法”AAAI.2010。

5.[下文简称Castel1998]Castelfranchi，C；Falcone，R.与De-Rosis，F.，golem的deceiving：如何战略性地盗取帮助。自治智能体’98：智能体者社群中的欺骗、欺诈与信任研讨会的工作记录，1998。

6.[下文简称Castel1997]Castelfranchi，C；Piorella，D.；Rino，F.与Salvatore，P，人格本位多智能体合作的调查试验。关于agent建模与设计的逻辑方法的ESSLLI’97研讨会会刊，第23～25页，普罗旺斯艾克斯，法国，1997年8月。

7.[下文简称Chalaniish2011]Chalamish，M.与Kraus，S.，AutoMed-多议题双边谈判的自动化调解者，自治智能体与多智能体系统期刊，2011。

8.[下文简称Gal 2010]Gal，Y.；Kraus，S.；Gelfand，M.；Khashan，H.与Salmon，E.，与使用自适性agent的跨文化人群磋商，智能系统与技术的ACM会刊，2010。

9.[下文简称Ghallab2004]Ghallab，M.；Nau，D.and Traverso，P.，自动规划：理论与实务，摩根考夫曼，旧金山，加州，美国，2004。

10.[下文简称Glass2000]Glass，A.与Grosz，B.，社会意识的决策，由Carles Sierra，Maria Gini,与Jeffrey S.Rosenschein编辑的关于自治智能体的第四次国际会议的会刊，第217～224页，巴塞罗那，加泰罗尼亚，西班牙，2000，ACM出版社。

11.[下文简称Gratch2004]Gratch，J.与Marsella，S.，情感建模的域无关框架，认知系统研究，5(4)，269–306，2004。

12.[下文简称Grosz1996]Grosz，B.J.与Kraus，S.，复杂团体活动的合作计划，人工智能期刊，86(2):269–357，1996。

13.[下文简称Grosz1999]Grosz，B.J.与Kraus，S.，共享计划的演变，由Rao，A.与Wooldridge，M.编辑的理性智能体基础与理论，克吕韦尔学术出版，227–262，1999。

14.[下文简称Grosz2004]Grosz，B.；Kraus，S.；Talman，S.；Stossel，B.与Havlin，M.，决策的社会依赖性影响：新游戏的初步调查，AAMAS-2004会刊。

15.[下文简称Hadad1999]Hadad，M.与Kraus，S.，电子商务的共享计划，由Klusch与Matthias编辑的智能信息智能体，柏林，施普林格出版社，204～231，1999。

16.[下文简称Hadad2001]Hadad，M.与Kraus，S.，合作智能体的时态推理机制，人工智能第2446卷中的讲稿，施普林格出版社，229～234，2001。

17.[下文简称Hadad2002]Hadad，M.与Kraus，S.，合作智能体交换与组合时态信息，人工智能第2182卷中的讲稿，施普林格出版社，279～286，2002。

18.[下文简称Hadad2003]Hadad，M.；Kraus，S.；Gal，Y.与Lin，R.，动态环境中合作规划智能体的时间推理，数学与人工智能37(4):331–380，2003。

19.[下文简称Hadad2005]Hadad，M.；Armon-Kest，G.；Kaminka，G.与Kraus，S.，辅助合作活动，第12届人工智能全国性会议会刊，2005。

20.[下文简称Hadad2008]Hadad，M.；Fridman，N.与Armon-Kest，G.，AMIaGO：自治多智能智能体与目标定向，系统论证ECAI-08会刊，2008。

21.[下文简称Hadad2011]Hadad，M.与Rosenfeld，A.，ADAPT：简洁合作模式的抽象化层级，自治智能体系统与多智能体系统的国际联合会议会刊，2011。

22.[下文简称Hadad2014]Hadad，M.；Kraus，S.；Ben-Arroyo Hartman，I.与Rosenfeld，A.，有时间限制的群组规划，已在下列标明页数的数学与人工智能出版物中公开：第69卷，第3版，第243～291页，2014。

23.[下文简称Hastings1970]Hastings，W.K.，使用马尔科夫链的蒙特卡洛抽样法及其应用，生物统计学，57:97～109，1970。

24.[下文简称Hoang2005]Hoang，H.；Lee-Urban，S.与Muoz-Avila，H.，用于战略游戏人工智能编码的分层规划表示，AIIDE-05，AAAI会刊，2005。

25.[下文简称Hogg2001]Hogg，L.M.与Jennings，N.R.，自治智能体的社交智能推理，系统、人与控制论IEEE汇刊-A辑，第31卷，第5期，第381～399页，2001。[Jennings1995]Jennings，N.R.，利用联合意图控制在工业多智能体系统中解决合作问题，人工智能，75(2):1--46，1995。

26.[下文简称Kaminka2002]Kaminka，G.A.；Pynadath，D.V.与Tambe，M.，使用串音的监测小组：多智能体规划识别方法，人工智能研究期刊，17，2002。

27.[下文简称Katz2008]Katz，R.；Amichai-Hamburger，Y.；Manisterski E.与Kraus.S.，男性和女性在计算机媒介的洽谈中的不同取向，期刊：人类行为中的计算机，24(2):516-534，2008。

28.[下文简称Kinny1994]Kinny，D.；Ljungberg，M；Rao,A.S.；Sonenberg，E.；Tidhar G.与Werner，E.，规划的小组活动，C.Castelfranchi与E.Werner编辑的人工社交系统，人工智能第830卷中的讲稿，施普林格出版社，279～286，1994。

29.[下文简称Kraus2000]Kraus，S.，多智能体环境中的战略谈判，MIT会刊，2000。

30.[下文简称Lan2012]Lan，T.；Sigal，L.与Mori，G.，“用于人类活动识别的分层模式中的社交角色”，计算机视觉和模式识别(CVPR)，2012IEEE大会，2012。

31.[下文简称Levesque1990]Levesque，H.；Cohen，P.与Nunes，J.，共同作用，人工智能全国性大会的会刊，第94～99页，1990。

32.[下文简称Lin2008]Lin，R.；Kraus，S.；Wilkenfeld，J.与Barry，J.，利用一自治智能体在信息不完整的环境中与有限的理性智能体谈判，人工智能期刊，172(6-7):823-851，2008。

33.[下文简称Lin2010]Lin，R.与Kraus，S.，自动化智能体是否可以与人类熟练地谈判？ACM第53卷第1期，第78～88页，1月，2010。

34.[下文简称Lin2011]Lin，R.；Gev，Y.与Kraus，S.，填补空白：与自动化媒介面对面谈判，IEEE智能系统，2011。

35.[下文简称Marhasev2009]Marhasev，E.；Hadad，M.；Kaminka，K.与Feintuch，U.，“隐蔽地半马尔可夫模型在临床诊断迷宫实验中的应用”，智能数据分析，13.6(2009):943-967。

36.[下文简称Monahan1982]G.E Monahan.，部分可见的马尔可夫判定过程的调查：理论、模型与算法，管理科学，27:1-16，1982。

37.[下文简称Nau2003]Nau，D.；Au，T.C.；Ilghami，O.；Kuter，U.；Murdock，J.W.；Wu，D.与Yaman，F.，工艺2：HTN规划系统，J.Artif.Intell.Res.(JAIR)，20:379–404，2003。

38.[下文简称Ortiz2002]Ortiz，C.L.；Grosz，B.J.与Scales，N.，语境中需要的解释信息：远程教育中的合作网站界面，自治智能体与多智能体系统，5(4):429--465，2002。

39.[下文简称Oshrat2009]Oshrat，Y.；Lin，R.与Kraus，S.，直面通过有效对手建模的人机谈判的挑战，AAMAS目录，2009。

40.[下文简称Pita2009]Pita，J.；Jain，M.；Ordonez，F.；Tambe，M.；Kraus，S.与Magori-Cohen，R.，真实世界斯塔克尔伯格博弈的有效解决方法：在智能体必须处理人类不确定性时，AAMAS目录，2009。[下文简称Pynadath2002]D.V.Pynadath与M.Tambe.，沟通用多智能体组的决策问题：分析团队合作理论与模式，JAIR，16:389～423，2002。

41.[下文简称Rich1996]Rich，C.与Sidner，C.L.，在直接操作接口加入一合作智能体，技术报告96-11，三菱电子研究实验室，坎布里奇，马萨诸塞州，1996年5月。

42.[下文简称Russell2010]Russell，S.J.与Norvig，P.；(2010)，人工智能：一种现代方法(第三版)，普伦蒂斯霍尔/培生。

43.[下文简称Schmidt1978]Schmidt，C.F.；Sridharan N.S.与Goodson J.L.，规划识别问题：心理学与人工智能的交集，人工智能，11:45-83，1978。

44.[下文简称Short2009]Short，T.；Rosenfeld，A.与Kraus，S.，快速了解用户特性以有效中断智能体—用户协作系统，MIMS09研讨会，AAMAS 2009。

45.[下文简称Szer2005]Szer，D.；Charpillet，F.与Zilberstein S.，MAA*：一种用于解决分散POMDP的探试搜索算法，人工智能不确定性第21届大会会刊，第576～583页，2005。

46.[下文简称Talman2005]Talman，S.；Gal，Y.；Hadad，M.与Kraus，S.，适应智能体在谈判中的人格，AAMAS-05，2005。

47.[Tambe1997]Tambe，M.，朝向灵活的团队合作，AI研究期刊，7:83–124，1997。

48.[下文简称Van2009]Van den Broeck，G.；Driessens，K.与Ramon，J.，扑克中利用预期奖励分派的蒙特卡洛树形检索，机器学习进展，机器学习的第一次亚洲会议，ACML2009，第367～381页。

49.[下文简称Wooldridge2009]Wooldridge.M.，多智能体系统的介绍，约翰·威利父子出版社，2009。

50.[下文简称Zuckerm2007]Zuckerman，I.；Kraus，S.；Rosenschein，J.S.与Kaminka G.A.，一种在零和交互中用于有界限理性智能体的对抗性环境模式，AAMAS-07，2007。

51.[下文简称Zuckerm2011]Zuckerman，I.与Hadad，M.，群组推理：用于社交行为范围的认知模型，智能智能体技术的IEEE/WIC/ACM国际会议会刊，2011。

52.[下文简称Zuckerm2012]Zuckerman，I.；Kraus，S.与Rosenschein，J.S.，用于有界限理性智能体的对抗性活动模式，自治智能体与多智能体系统，24(3)：374～409，2012。

53.[下文简称Zhuo2012]Zhuo，H.；Yang，Q.与Kambhampati，S.，“基于多智能体规划识别的行为模式”，神经讯息历程系统的进展，2012。

对于本文上述参考文献的认知不应被推断为意味着与本文所揭示主体的专利性有任何关系。

本文的背景

随着计算的进一步分散，与某种永久关系相关的离散系统在一定程度上变得相互依赖，可以将这种关系反映为人类社会群体中的一社会纽带。例如，不同的系统可以合作以达成共同任务，这些系统可以一起参与行动，这些系统可以共享信息及爱好，这些系统可以对共同资源进行竞争或谈判。

因此，这些系统间的相互依赖形成了一系统间交互，其中一组个体连接至社交网络结构中的另一个，在这些网络中的节点可以代表一社交群体中的一成员。网络中的每一组可以是异构的(heterogenic)，也就是说，每一组可以包括不同类型的成员(名为智能体)，所述成员包含来源于不同组织的系统及人，其中每一成员与另一成员交互，以满足其自身期望(例如爱好)或公共期望。

在管理一社交群体内离散智能体间的相互依赖中，挑战在于如何编码智能体间规则，以使一群组中的个体成员可以有效地相互运转以在复杂且动态环境下实现其期望(例如爱好)。在此种环境下，个体成员经常遭遇到对其环境的不同观点、不完整观点和可能的不一致观点，并可能遭遇到非预测的事件。此外，成员可能意外地没有实现期望或抓住新的机会。

因此，个体成员运行的环境包括了设置、输入及互连设置的指数级组合，因而当作为一个群组的一部分时，不可能事先预测和预先计划所有的智能体间规则和每一个体需要遵循的流程。也就是说，这个问题是在计算上不可能实现的。同样地，这些相同的情况阻碍了分配一中央处理器或一人类以管理所述交互。

用于利用社交知识来增加智能体的社交模型是已知的，例如：基于信念-期望-意图(Beliefs-Desire-Intention，BDI)的模型(例如[Grosz 1996，Grosz 2004，Hadad 2005，Jennings1995，Kinny1994，Levesque1990，Zuckerm2007])；一智能体通过改变自身社交倾向以调整自身对于环境的个性的模型(例如[Castel1997，Castel1998，Hogg2001，Talman2005])；情绪计算模型(例如[Gratch2004])等。

已经在不同类型的多智能体系统中应用理论社交模型。应用可以控制一组智能体以实现联合任务(例如[Hadad2008，Hadad2011，Kaminka2002，Tambe1997])。特定领域的算法和方法是已知的(例如[Glass2000，Ortiz2002，Rich1996])。

本说明书中提及的所有公开物及专利文件中的公开内容，以及所有本文中直接或间接引用的公开物及专利文件中的公开内容，均以引用的方式在此被纳入本说明书中。这些公开物及专利文献对于本申请专利性的重要性是不被承认的。

图1例示了一现有技术中具有分布式系统的网络10，其中所述网络中的每一系统被标为节点12A～12J并可以充当所述网络中的其他计算机的客户端或服务器(不需要一中央服务器)。在所述网络中的所有所述系统可以使用相同的程序或一兼容的程序，以相互连接并访问所述网络中另一系统的文件和其他资源。

图示的所述网络10是一点对点(P2P)网络，通常包括一在对等节点中划分任务或工作量的分布式应用架构。对等节点拥有参与所述应用的相同特权。一P2P网络中每一电脑的持有人可以留出一部分自身资源—诸如处理能力、磁盘存储或网络带宽—使其他网络参与者可以直接获取，不需要由服务器或固定主机进行中央协调。采用此种模型，对等节点同时是资源的提供者和使用者，与传统的仅由服务器提供(输出)并由客户端使用(接收)的客户端—服务器模型相反。

另一个已知的网络是一社交网络，可以被表述为由一参与者组(诸如个体或组织)组成的一社交结构及这些参与者之间的二元纽带(dyadic tie)(诸如关系、联系或交互)。

图2示意性地例示了一现有技术的社交网络服务16。一社交网络服务是一在线服务、在线平台或在线网站18，着重于促进在共享例如爱好、活动、背景或现实联系的人们20A～20I间建立社交网络或社交关系。所述社交网络服务包括每一用户的一表示形式(通常是一配置文件)、他/她的社交链接和各种附加业务。大部分社交网络服务是基于网络的，并提供通信方式19以使用户通过因特网进行交互，例如通过e-mail和即时通讯。在线社区服务有时会被认为是一种社交网络服务，尽管从广义上说，社交网络服务通常是指一种以个人为中心的服务，而在线社区服务则是以群组为中心。社交网站允许用户在其个人网络内分享思想、活动、事件及爱好。

现有的社交网络服务的主要类型包括地区分类(诸如前学年或前同学)，与朋友联系的方式(通常通过自我描述网页)，以及可信任的推荐系统。

如图3所示的，所述社交网络服务16包括一虚拟平面22，所述虚拟平面22具有两种类型的智能体，人为控制实体智能体(C)和自治软件智能体(B)23。所述人为控制智能体允许人们20A～20J间的一社交交互来控制所述人为控制实体智能体，因此所述人为控制实体智能体(C)受到天生具有社交能力的人类的影响。在许多常规系统中，软件智能体(bots)在没有社交智力和社交技能的情况下对于网络不起作用。

某些实施例的总结

作为引言，下述内容是本申请在本文中所使用的术语的描述：

智能体(或参与者)是任何可以被视为通过不同类型的传感器来感知自身环境的事物，并通过执行器根据这样的环境来行动。在一给定的环境中(真实或虚拟的)，智能体可以是活动的(或运作的)。

智能体的实例：一人工智能体(human agent)，其中所述传感器是眼、耳及其他器官，所述执行器为：手、腿、嘴及其他身体部位。一机器人智能体(robotic agent)，其中所述传感器可以是摄像机和红外线测距仪，所述执行器是各种电机。一软件代理(software agent)，感官输入可以是所接收到的键盘输入、文件内容和网络数据包，所述执行器可以在一屏幕显示、编写文件和发送网络数据包。

一智能体(或参与者)既指人工智能体，也指诸如人类及动物的自然(生物)智能体，也指人工智能体，诸如：一机器人；一机器；一软件功能；一应用程序；一计算机化系统；一计算机化实体；一非玩家角色(NPC)；一计算机生成兵力(CGF)；一无人载具(包括：诸如自动驾驶汽车的无人地面车辆(UGV)；无人飞行器(UAV)；俗称“无人机”的无人飞机；用于在水面运行的无人船(USV)；自主水下载具(AUV)或无人潜水载具(UUV)，用于水下运行；远程控制的无人航天器(“无人太空任务”)和自主的无人航天器(“机器人航天器”或“航空探测器”)。

一个智能体的社会是相互交互的智能体集合。可以基于智能体的开放程度对智能体进行分类。在一个开放的社会中，对于加入所述社会是没有限制的。在一个封闭的社会中，一“外来智能体”是不可能加入所述社会中的。在“半开放”和“半封闭”社会中，任何人可能有助于一智能体，但是进入所述社会是受到限制的，并且行为受到体制的监控。

社交群体可以以个人的和直接的社会关系的形式存在。当属于个人社会互动时，基于这种互动分类社会关系的角色、价值和信念(通常被译为“社区”)；或者另一方面，当属于间接互动时，基于这种互动分类社会关系的客观角色、形式价值和信念(通常被译为“社会”)。

按照那些将自己视为一社交群体成员的人们定义所述社交群体。不论社交群体变得多大以及变得无数多类型。例如，社会可以被视为一个大的社交群体。

根据某些实施例，所述ASM组件可以用于为一单个智能体执行社交过程(或程序)，进而增加该智能体的社交智力及社交技能，并使智能体能够形成和/或参与(加入)智能体的一社交群体，以构建智能体的一人工社交网络。

社交智力赋予一单个智能体管理在智能体的一社交群体中的人际关系的能力。社交技能有助于其自主交互以及与其社交群体中的其他智能体的通讯。

如[Zuckerm2011]中探讨的，社交人际关系可以包括：

利他关系—智能体活动的结果增加了其群组中其他人的利益，而不是其自身的利益；

合作关系—智能体活动的结果增加了其自身的利益和他人的利益。

个人主义关系—智能体活动的结果增加了其自身的利益。

竞争关系—智能体活动的结果增加了其自身的利益并同时减少了竞争者的利益。

攻击性关系—智能体活动的结果减少了竞争者的利益而没有增加其自身的利益，位移的目的是给予伤害。

可以通过效用函数计算利益。一效用函数的常见用法是使用一代表状态“好”的程度的数值：效用越高越好。另一种可能的用法是所述效用函数充当运行的谓语(请参见[Wooldridge2009])。

根据某些实施例，典型地，所述ASM的社交智力可以包括一智能体正确捕捉一社交群体中社交人际关系并利用这些关系进行和实现其自身一期望组的能力。

根据某些实施例，所述ASM组件的社交过程(或程序)可以使所述智能体能够将精神状态归属于其自身和其社交群体中的其他智能体，并使所述智能体能够理解其他智能体具有与其自身不同的精神状态。

精神状态可以包括信念、期望和意图。信念是指所述智能体所知晓的，例如一智能体可能正确地或错误地相信某些其他智能体是与其自身合作以实现一共同期望的。

期望是指所述智能体希望看到发生的(期望可以被表述为，例如，目标、爱好、偏好)。意图是指所述智能体实际行动的指向。一智能体可以使用精神状态以揭示并预测其他智能体的行为，包括将精神状态归属于其他智能体，并将其理解为行为的起因。

如[Zuckerm2011]中定义的，一群组中的一智能体Ai可以持有关于该群组之成员的三个类型的期望：(a)一合作期望；(b)一个体期望；(c)一竞争期望；

如果一群组成员Aj在其自身的期望集合中也有期望d，则在一智能体Ai的期望集合中的一期望d是关于Aj的合作期望。

如果一群组成员Aj在其自身的期望集合中没有期望d或与期望d相反的期望，则在一智能体Ai的期望集合中的一期望d是关于Aj的个体期望。

如果一群组成员Aj在其自身的期望集合有与期望d相反的期望，则在一智能体Ai的期望集合中的一期望d是关于Aj的竞争期望。

例如，在一网络环境中，一智能体可能有“保护计算机X”的期望，而另一之呢个体可能有“攻击所述计算机X”的期望。因此，他们具有竞争期望。所有有“保护计算机X”期望的智能体具有一合作期望。当仅有一个智能体有“保护计算机X”的期望而其他智能体中没有一个智能体有“攻击所述计算机X”的期望时，出现一个体期望。

根据某些实施例，所述ASM组件可以使所述智能体通过所述社交过程(或程序)，以其自身的ASM，将其他智能体的精神表示形式表示为所谓的元表达(meta-representation)。然后，所述智能体可以推断出其他智能体的信念、期望、意图等，并使用这些信息解释其他智能体的行为，和/或预测其他智能体下一步可能做什么。

根据某些实施例，可以通过一人工社交服务平台影响所述智能体与一ASM组件的关联。所述ASM组件为所述智能体提供了通过一注册程序而成为一人工社交网络成员的能力，由所述人工社交服务平台提供所述ASM组件。所述智能体可以使用其ASM组件在所述人工社交网络中形成新的社交群体，或者加入已存在的社交群体中。

应用程序包括，但不限于，游戏及娱乐应用程序、云计算、网络安全、卫星、无人载具&机器人、网络及通讯工具。例如，在游戏应用程序中，所述ASM组件使一非玩家角色(NPC)自主地与其他NPCs和/或玩游戏的人控角色交流，以实现游戏中NPCs间地相互交互及NPCs与人为玩家地交互。因此，根据某些实施例，所述ASM实现了游戏应用程序中的自发的社交行为。在云计算中，所述ASM可以被编入云端内的复杂集群和单位中，使计算机能够相互交互而不需要一监督管理员。在网络安全中，所述ASM可以使一“社交保护网络”保护敏感信息并抵御攻击—如果网络中的一计算机被攻击，其他计算机可以识别这种情况。

网络是指任何电信网络，包括计算机网络、允许计算机或计算机内的模块交换数据的数据网络。

根据本发明一实施例，提供一种在一计算机化网络中创建一子网的方法，所述方法包括：形成一虚拟实体(以下简称ASM)，代表链接至所述网络的一智能体，所述ASM包括与所述智能体一环境状态有关的第一数据，与所述智能体至少一期望有关的第二数据，以及与所述智能体至少一能力有关的第三数据；以及，使所述ASM具备链接至至少一第二ASM的能力，以与所述至少一ASM形成一子网，所述子网具有至少一与所述第一数据、第二数据及第三数据相一致的实体。

此外，所述方法可以包括：使所述ASM至少与所述第二ASM链接，以形成一第一子网。

所述第一数据、第二数据或第三数据中的至少一个数据改变，并且所述ASM与至少一第三虚拟实体链接以形成一第二子网。

所述方法可以进一步包括：使所述ASM具备与相关联的所述智能体相交互的能力。

形成所述ASM的步骤进一步包括：从所述智能体处接收一新的注册请求，包括与所述智能体有关的所述第一数据、第二数据及第三数据，并创建与所述智能体的一接口。

使所述ASM具备链接能力的步骤可以包括一社交交互及推理过程。

所述社交交互及推理过程可以包括更新所述智能体的信念，建立所述智能体的至少一期望。所述信念可以包括动态信念和静态信念。所述动态信念可以包括动态社交信念和与所述智能体的环境状态有关的动态环境信念。

所述动态信念可以包括个体信念和共同信念，所述个体信念是指与所述智能体有关的输入，所述共同信念是指与所述至少一第二ASM相关联的至少一智能体有关的输入。

建立至少一期望可以包括：根据所述信念推理出一更优期望和至少一第二ASM，所述至少一第二ASM与一能协助所述ASM实现所述期望的第二智能体相关联。

所述社交交互及推理过程进一步可以包括一行动阶段，在所述行动阶段中确定所述智能体为实现所述更优期望的意图。

所述行动阶段进一步可以包括：形成给所述至少一第二ASM的消息。

所述社交交互及推理过程可以进一步包括：一执行阶段，在所述执行阶段中向所述智能体及所述至少一第二ASM发送输出信号。所述输出信号可以包括至少一由所述智能体执行的原始行动。

建立至少一期望可以进一步包括：计算所述智能体一期望列表中每一期望的效用。建立至少一期望可以进一步包括：推理出实现所述期望的最佳方法，以及，利用与一第二智能体相关联的至少一第二ASM确定所述期望是否实现，其中所述第二智能体能协助所述ASM实现所述期望。建立至少一期望可以进一步包括：检测与所述至少一第二ASM相关联的所述至少一第二智能体的期望。建立至少一期望可以进一步包括：更新关于实现所述期望的可能性的信念。所述社交交互及推理过程进一步可以包括：一行动阶段，在所述行动阶段中确定所述智能体为实现所述更优期望的意图。所述消息可以包括：所述ASM身份的识别；所述第二ASM的识别；以及关于所述期望的指示。

根据本文公开的主体的另一实施例，提供一种在一计算机化网络中创建一子网络的系统。所述系统包括：一处理器；数个模块，所述模块包含由所述处理器执行的指令，所述模块包括：一第一模块，用于形成一虚拟实体(以下简称ASM)，所述虚拟实体代表链接至所述网络的一智能体，所述虚拟实体包括：与所述智能体一环境状态有关的第一数据，与所述智能体至少一期望有关的第二数据，以及与所述智能体至少一能力有关的第三数据；以及，一第二模块，用于使所述ASM具备链接至至少一第二ASM的能力，以形成一子网，所述子网具有至少一与所述第一数据、第二数据及第三数据相一致的实体。

所述系统可以进一步包括：一数据库和一模块，用于在所述ASM与所述至少一第二ASM之间建立通信。所述第一模块进一步包括：一交互接口，用于与所述智能体交互；并且所述第二模块包括：一社交交互及推理过程，用于与所述第二ASM交互。所述第二模块可以被配置为以一自动模式和一受控模式运行；在所述自动模式中，由所述第二模块进行所述推理过程；在所述受控模式中，在所述ASM的外部进行至少部分或者整个推理过程。

所述交互接口可以被配置为在一数据结构通信与所述智能体的一通信语言之间转换与所述智能体间的通信。

所述系统可以进一步包括社交服务模块，所述社交服务模块包括一常见的通信媒体。所述社交服务模块可以被配置为储存、取回并更新与所述智能体及所述至少第二智能体的一变化环境有关的动态数据。所述社交服务模块可以进一步包括：数据服务模块，所述数据服务模块被配置为储存、取回并更新与所述智能体的一环境有关的静态信念，以允许所述ASM确定实现所述至少一期望的方法。

所述数据服务可以进一步包括：与所述智能体的至少一能力有关的数据。所述数据服务可以进一步包括以下数据中的至少一种：领域行动(domain actions)的描述，包括与原始行动及非原始行动有关的数据；与所述状态的环境有关的数据；实现非原始行动的方法库；与期望有关的数据。

所述系统可以进一步包括：智能体服务模块，被配置为与所述智能体交互，并用于取回和更新所述智能体有关的动态数据。所述智能体服务模块可以被配置为向所述智能体发送命令消息。

本文描述及示例的计算机组件可以以各种形式实现，例如，诸如但不限于用户VLSI或门阵列的硬件电路，或诸如但不限于FPGAs的可编程硬件部件，或储存于至少一有形计算机可读介质或无形计算机可读介质并可由至少一处理器执行的软件程序代码，或任何合适的组合。一特定的软件编码序列或多个序列可以形成一特定功能的组件，这些序列共同运行或起到或扮演本文中所探讨的功能性组件。例如，所述组件可能分布于数个诸如但不限于对象、程序、函数、例程(routines)及程序指令的编码序列中，并且可能源于数个通常协同运行的计算机文件。

数据可以储存于一个或多个有形或无形的计算机可读介质中，所述有形或无形的计算机可读介质被储存于一个或多个不同的位置、不同的网络节点，或者单个节点或位置上的不同储存设备中。

可以理解的是，可以使用任意计算机数据储存技术及任意类型的信息保存技术以储存本文中提供并使用的各种数据，其中所述计算机数据储存技术包括：任意类型的储存或存储器，和任意类型的计算机组件和用于保存在一时间间隔内计算用的数字数据的记录介质。合适的计算机数据储存器或信息保存装置可以包括一级装置、二级装置、三级装置或离线装置；可以包括具有任意类型或层级或数量或种类的波动性、分区、易变性、可达性、寻址能力、容量、性能和能源利用的装置；以及，可以包括基于任意合适技术(诸如半导体、磁性、光学、纸质等)的装置。

根据本文公开的主题的另一实施例，提供一种在至少一计算机化设备上于数个智能体间形成相互关系的计算机化方法。所述方法包括：形成数个ASMs，每一所述ASM代表一个所述智能体，每一所述ASM包括：与所述智能体一环境状态有关的第一数据，与所述智能体至少一期望有关的第二数据，以及与所述智能体至少一能力有关的第三数据；以及，使每一所述ASM具备选择至少一代表一第二智能体的其他ASM的能力，从而形成相互关系，根据所述第一数据、第二数据及第三数据进行所述选择。

附图简单说明

仅以举例而非限制本发明范围的方式提供附图。相同的组件被标以相同的标号。

图1是一现有技术的分布式应用架构的实例；

图2是一现有技术的社交网络的实例；

图3是图2中所述社交网络的示意图；

图4是根据本发明一种人工社交网络的示意图；

图5是图4中所述人工社交的示意图；

图6是根据本发明另一实施例的一人工社交网络的示意图；

图7是根据本发明一实施例的一提供人工社交服务的服务器的示意图；

图8所示的是根据本发明一实施例中将一ASM与一新智能体相关联的注册过程的流程图；

图9所示的是根据本发明一实施例中由所述人工社交意识进行的社交交互及推理过程的流程图；

图10所示的是根据本发明一实施例的一种建立期望的方法的流程图；以及

图11所示的是根据本发明一实施例的一种ACT阶段的方法的流程图。

某些实施例的具体说明

根据本发明的实施例，人工社交服务可以包括在线服务、在线平台或在线网站，致力于通过向不同类型的智能体提供人工社交意识(ASMs)以促进在这些智能体中构建人工社交网络。

根据本发明的实施例，人工社交服务可以包括：访问人工社交意识(ASMs)库的服务，以及在所述库中(或从所述库中)创建(或删除)ASMs的服务。

根据本发明的实施例，任意类型的智能体可以在所述网络中注册，并与一人工社交意识(ASM)相关联，所述人工社交意识可以赋予智能体一决策能力并成为一人工社交网络的一成员。

根据本发明的实施例，所述人工社交网络可以由所述人工智能意识(ASMs)间的动态纽带(诸如关系、联系或交互)组成。

根据本发明的实施例，所述ASM可以使一缺乏社交能力的智能体与他人交际。

根据本发明的实施例，所述ASM可以增强那些已具备社交能力的智能体的社交能力。

根据本发明的实施例，一智能体可以是数个人工社交网络的成员。

确实合理的是，一智能体将其自身与不同类型的人工社交意识(ASMs)相关联，并在不同的社交群体中活动。

根据本发明的实施例，一人工社交意识(ASM)可以是一用于执行社交过程的可运行组件(例如，软件应用程序、软件程序)。

根据本发明的实施例，所述社交过程(或程序)可以增强一智能体的社交智力及社交技能。

根据本发明的实施例，所述ASM可以以两种不同的模式运行：a)一自动模式；或者b)一受控模式。

根据本发明的实施例，在所述ASM的自动模式下，所述智能体的所述社交交互及推理过程可以由所述ASM完成。在所述受控模式下，一部分的所述社交交互及推理过程由所述智能体完成，而所述ASM可以负责转换所述智能体与所述ASMs间的交互。也就是说，所述ASM可以将由其他ASMs发送的信息转换为其智能体语言，反之亦然。

根据本发明的实施例，所述ASM可以包括一智能体交互接口，所述智能体交互接口负责基于规则数据库将所述ASM的语言转换为所述智能体语言，反之依然。

根据本发明的实施例，所述智能体交互接口可以包括实施可观察其智能体活动的规划识别方法[Schmidt1978]和目标(或活动)识别方法，用于推断智能体的计划及目标。这些方法可以参见[Amir2014，Banerjee2014，Banerjee2011，Banerjee2010，Lan2012，Marhasev2009，Zhuo2012]。

根据本发明的实施例，所述智能体交互接口可以包括实施学习方法，以了解其智能体(例如，[Short2009])。

根据本发明的实施例，实施一社交交互及推理过程可以合并基于社交的智能体行为模式，诸如BDI模型，例如[Grosz1996，Grosz2004，Hadad2005，Jennings1995，Kinny1994，Levesque1990，Zuckerm2007])；一智能体通过改变自身社交倾向以调整自身对于环境的个性的模型(例如[Castel1997，Castel1998，Hogg2001，Talman2005])；情绪计算模型(例如[Gratch2004])等。可以理解的是，诸如BDI的方法及模型的引用并非旨在限定。可选地，可以仅采用上述模型中任意一种模型或其他模型的部分特征，并且如由需要，可以与其他模型中的合适的特征相结合。

根据本发明的实施例，社交智力可以赋予一智能体管理其与周围其他人的人际关系的能力。社交技能有助于其自身与他人的交互与交流。

根据本发明的实施例，一人工社交意识(ASM)可以协助所述智能体管理其自身与所述人工社交网络中的其他智能体之间的管理。

根据本发明的实施例，所述人工社交网络可以代表自然(生物)智能体(例如人类)的混合群(或混合社团)和人工智能体(例如机器人、处理器、机器和软件)的混合群。因此，这是人类社交网络的一种扩展。为了成为所述人工社交网络的一成员，所述智能体可以在所述网络中注册(通过所述人工社交服务)，并与所述网络中的一(或多个)人工社交意识(ASM)相关联。

根据本发明的实施例，所述ASM可以赋予所述智能体将精神状态归属于其自身和其人工社交网络中的其他智能体的能力，并赋予所述智能体理解其他智能体具有与其自身不同的精神状态的能力。

某些系统致力于为所述计算机化的智能体实施一基于社交的模型，以使他们的行为合群。将这种模型实施为一个体智能体的一部分，提高了该智能体的社交能力，并使得该智能体可以自治地推理出与他人的必要交互而不再需要一管理所述交互的中央处理器(或一人类)。

某些实施例致力于利用基于社交的模型以实施一单独的和/或独立的计算机化组件，本文中称为一人工社交意识(ASM)，所述人工社交意识可以与一单独的智能体相关联，并赋予所述ASM社会化特性，以使所述智能体能够形成和/或加入(参与)智能体的一社交群体，并构建一智能体的人工社交网络。

请参见附图，图4显示了一人工社交网络服务30，用于各种类型的智能体，诸如但不限于人类32A、32F、机器人32C，和不同类型的软件组件32B、32B、32D、32E、32G、32H。每一智能体与一人工社交意识(以下简称ASM)34A～34H相关联。所述ASM是代表所述智能体的虚拟实体并包含执行社交交互的能力，这样，可以通过各自的ASMs在所述智能体32A～32H间进行社交关系、通信及交互。

请参见图5，所述网络30形成一智能体平面40，所述智能体平面包括由人类(C)和机器人(B)控制的计算机，也即，不由人类直接控制的虚拟智能体。将一ASM与每一智能体相关联，使包括所述机器人的所有智能体可以形成社交交互。

可以理解的使，尽管人类控制的智能体可以与另一智能体进行社交交互，然而，为了使人类控制的智能体与机器人之间进行交互，可以提供一介质用于将所述信息转换为人类语言，反之亦然。因此，为了人类与机器人之间的社交交互，每一人类控制的智能体与一包含功能的ASM相关联。这就获得了一个人类与机器人的混合社交网络。所述ASMs34A～34G相互形成动态纽带37，诸如但不限于关系、联系或交互。根据本发明的实施例，所述ASMs间的动态纽带形成了一人工社交网络。

如图6所示的，所述人工社交网络30中的所述ASM与所述智能体可以进一步包括一接口模块38和39，用于所述智能体与相关联的ASMs间的交互。

图7显示的是根据本发明一实施例的一服务器，所述服务器具有至少一连接至人工社交服务52的人工社交意识(ASM)60。所述人工社交意识(ASM)60包括一用于执行社交过程或程序的可运行组件(例如，模块软件应用程序、软件程序)。所述ASM60由所述人工社交服务52创建或删除，并与一智能体51相关联。如下文解释的，所述人工社交服务52还负责所述人工社交网络的其他服务，例如：数据库服务、通信服务等。

以下参考图9至图11描述由所述ASM执行的所述社交推理过程的实施例。

根据一实施例，所述ASM包括：一智能体交互接口62和一社交交互及推理过程(以下简称SIRP)64。通过所述智能体交互接口62实现所述ASM60和与之相关联的智能体之间的交互，同时，通过所述ASM的SIRP64实现所述网络中的不同ASMs之间的交互。

所述智能体交互接口62是一组件(例如软件应用程序、软件程序)，该组件担当所述智能体51与其ASM60之间的翻译器。可以通过一标准协议(例如TCP/IP)和一恰当定义的应用程序接口(以下简称API)来实现所述智能体与其ASM之间的信息传递，所述API指定所述智能体与所述ASM组件之间如何相互交互。所述API可以包括一API数据模块57，所述API数据模块57包含关于将从所述智能体接收到的数据转换为服务器语言的数据，反之亦然，这样，所述智能体与其ASM可以通过一共同语言进行通信。所述API可以进一步包括一通信模块59，所述通信模块59被配置为允许所述智能体51与所述智能体交互接口62之间的通信。所述通信模块59可以是例如一黑板(blackboard)，所述智能体或其ASM在所述黑板上发布信息。最后，所述API可以包括一接口模块66，所述接口模块安装于所述智能体装置上，这样，可以允许所述API与所述服务器通信。

所述智能体交互接口62可以被配置为：(a)将所述智能体与其ASM之间的通信转换为一标准数据结构；以及(b)将所述ASM与其智能体之间的通信从一数据结构转换呈所述智能体的通信语言。

例如，所述ASM60可以向所述智能体发送一在其环境中执行一行动的请求(“执行”信息)，而所述智能体可以向所述ASM反馈其所请求执行的行动的状态(例如，“失败”、“完成”、“进行中”)。所述ASM也可以向所述智能体发送一关于其环境55信息的请求(例如，“查询”信息)。所述智能体可以回复所述ASM的请求，并可以发送更多与所述ASM相关的信息(例如“事件”信息)。此外，所述智能体可以发送诸如从一社交群体中注册或注销与其相关联的ASM的请求。

以下，可以由所述API数据提供：一组关于所述行动执行状态的预定义响应，一组预定义查询(由ASM发送给智能体)，一组预定义“事件”(由智能体发送给ASM)，以及一组由一智能体向其ASM发送的预定义请求。

所述SIRP64被配置为允许所述智能体51通过各自的ASMs60相互交互。可以通过一标准协议(例如，TCP/IP)进行各种ASMs间的信息传输。所述SIRP64可以定义一标准通信语言(或标准协议，或类似的)以实现所述网络中ASMs间的通信。

所述ASMs60间的消息传输可以包括以下信息元素的部分或全部：(a)发送方身份；(b)目的地(接收智能体的身份)；(c)消息类型—充当一可以包含任意或所有数个组进程的组，所述组进程包括：用于执行行动并分配任务的进程，用于协调、回避冲突及协助行为的进程；(d)行动—表明与所述消息相关的期望及行动；(e)一具有消息信息的主体；(f)收集的响应：表明收件人智能体的响应，如果群组决策被认为是必要的。

所述ASMs通信语言可以包括以下任意或全部：智能体的一唯一表示；定义清楚的一组消息类型(例如同意、分配任务、同步启动、同步结束、帮助、联营消息、选择方法)；一组参数和一组行动和/或所述智能体辨认出的期望。

通过一提供于所述人工社交服务52内的社交服务54，实现在所述智能体与其ASM之间以及所述ASMs相互之间传输消息。所述社交服务54可以包括一用的通信媒体、和/或工具和/或应用程序(例如，黑板、共享内存、通信信道、互联网等)。

通过所述社交服务54传输的消息的类型可以包括：信息消息、请求消息、命令消息、回复消息等。每一类型的消息的领域及其结构可以与一定义清楚的数据结构(例如发送者地址信息的8字节，接收者地址信息的8字节，消息头的16字节等)相一致。可以由所述ASM60的SIRP64或所述智能体51自己做出关于发送消息的决策和关于消息内容的决策。

通过一注册过程进行创建一与一智能体相关联的ASM60。图8显示了根据本发明实施例在所述人工社交网络中注册的方法。加入一人工社交网络可以包括注册阶段和激活阶段。所述智能体51可以通过输入包括自身身份细节、类似专长的能力等的配置文件，经由所述人工社交服务52在所述人工社交网络中注册。所述人工社交服务52为所述智能体创建一相应的ASM60，并将所述智能体与所述ASM60相关联。

形成所述ASM60包括：提供与所述智能体51一环境状态55有关的第一数据，与所述智能体51至少一期望有关的第二数据，以及与所述智能体51至少一能力有关的第三数据。此外，所述人工社交服务52使所述ASM60具备链接至至少一第二ASM的能力，以根据所述第一数据、第二数据及第三数据形成一子网，即所述智能体51的环境状态、期望及其能力。

取得一ASM使所述智能体可以成为所述人工社交网络的一部分，并根据自己的一个或多个期望加入所述网络中的不同类型的社交群体(可以被成为一子网)。第二阶段是所述激活阶段。这一阶段是一个循环，所述智能体51监控其ASM60，而所述ASM60监控与其相关联的智能体51。在所述第二阶段，所述智能体的ASM可以推理出所述智能体期望加入一网络中现已存在的社交群体(子网)，并通过与该群体的成员交互以与成员交际。

可以理解的是，所述人工社交服务52是用于执行数个过程或程序的可运行组件(例如软件应用程序、软件程序)，以在由所述ASMs60形成的所述人工社交网络中实现服务(例如，数据库服务和通信服务)。所述人工社交服务52可以包括下列服务类型的部分或所有：社交服务54、数据服务56和智能体服务58。

所述社交服务54负责储存、取回并更新动态社交信念，即与所述人工社交网络中的每一智能体的变化环境55相关的动态数据。所述动态社交信念可以包括：所述社交群体中的成员资格状态、精神状态、通信消息等。

代理服务58可以包括：例如一用于所述ASM60与其智能体51交互的通信模块59。所述通信模块可以接收/发送关于所述智能体环境状态的信息；从所述ASM向所述智能体发送/接收请求/命令，反之亦然。

所述智能体服务56负责储存、取回并更新静态信念。所述信念可以包括一与所述智能体51的环境有关的规则组，以允许所述ASM60确定实现所述智能体期望的方法。例如，在一游戏中，所述信念可以包括一与游戏有关的规则组。可以理解的是，信念，例如静态信念，可以被保存于一数据库中，一ASM可以通过合适的数据库服务访问该数据库。此外，所述数据服务56包括与所述智能体直接相关的数据，诸如能力、期望等。所述数据服务56可以进一步包括：

领域行动(domain actions)的描述，包括：原始(基础)行动；和非原始(复杂)行动(也可以被表述为任务、行为)；

环境(或世界)状态的表达；

实现非原始复杂行动的方法(或手段)库；

了解每一智能体(例如，智能体的配置文件)；

了解群组(例如，群组的类型)；

了解期望；

了解消息；

一领域行动通常具有各种与之相关的特性，诸如活动类型、智能体类型、执行时间以及执行活动时所涉及的其他对象。一领域行动可以是一原始(基础行动)行动或一非原始(复杂行动)行动。领域行动和领域行动数据结构的实例可以参见[Hadad2014，Hadad 1999]。

环境(或世界)状态的表达是指一以符号形式表示所述智能体环境的数据库。所述表达可以包括：预定义的查询、命题逻辑、命题公式等，实例请参见[Ghallab2004，Russell2010，Wooldridge2009])。环境(或世界)状态的表达用于控制所述智能体的环境变为定义的符号信息，因而，根据这种表达，由所述ASM向所述智能体发出的查询是有效的。

一方法(或手段)指定了一执行非原始(复杂)领域行动的方式。一方法的定义即方法数据结构的实例，请参见[Hadad2014，Hadad 1999]。一方法库通常包括一方法的资源库(例如，数据库)。

了解一智能体可以包括关于所述智能体的基本性质的信息(例如，所述智能体的类型、规格、能力、语言等)。一智能体类型可以例如：“人类”、“机器人”、“NPC”等。所述能力可以是例如：所述智能体可以执行的诸如“跳跃”、“移动”、“睡觉”、“保存数据”等的基本活动。了解所述智能体语言可以包括，例如消息的字典，以支持将所述ASM消息翻译为所述智能体信息，反之亦然。了解智能体也可以包括关于所述智能体的偏好和/或专长的信息。

了解群组以包括有关群组可能类型的信息。每一群组类型可以具有一唯一标识并与多个特性(诸如最少即最多可能成员、可以加入群组并成为成员的智能体类型等)相关联。

了解期望可以包括：关于领域内各类型群组的期望的信息。一期望可以捕捉：了解所述智能体在其环境中有利状态；实现该期望的效用；所述期望的名称；实现所述希望的非原始(复杂)行动组。

所述社交服务54可以进一步包括在所述人工社交网络使用期间被频繁修改的动态社交信念。所述ASM还可以通过所述社交服务访问/更新这些信念。

动态社交信念可以包括以下部分或所有：

a.有关所述网络中混合群组(子网)的信息，例如，包括所述所述群组(子网)中混合成员；

b.所述网络中群组(子网)的混合期望，以及有关智能体意向的信息，和通过诸如一方法树来实现这些期望的状态信息，所述方法树如[Hadad2014])中一方法树的实例所示；

c.所述网络中ASMs间传递的通信消息。图8显示了本发明一实施例中在所述人工社交网络中增加一新成员的方法70。通常，任意类型的智能体可以在所述网络中注册。所述人工社交服务等待从智能体(方块72)接收新的请求。当所述人工社交服务接收一新注册请求时(方块73)，所述人工社交服务要求关于所述智能体的基本信息(方块74)，包括所述智能体的部分或全部基本特性，例如其能力、期望、环境状态等。也可以包括关于所述智能体的类型、偏好、专长等信息。可以通过一合适的申请表格提供信息。如果信息有效，则创建一新的ASM(方块76)。所述ASM的创建实例也可以包括创建一与智能体间的接口，以连接至智能体服务(方块78)；一与所述智能体服务间的接口，以连接至所述ASM(方块80)；以及，以与所述ASM间的接口，以连接至所述社交服务(方块82)和所述数据服务(方块84)。这些接口将所述智能体与其ASM及其他服务相关联，以使所述智能体能执行社交交互及推理过程(SIRP)(方块86)。此外，在任何阶段，所述ASM的社交推理可以产生一在社交群体内注册/注销的决定(方块88)。

请参见图9，根据一社交交互及推理过程100(以下简称SIRP)的实施例，所述SIRP100可以由所述ASM通过一思考-行动循环实现，并且可以包括一更新信念阶段110，一期望建立阶段120、一活动阶段130和一执行阶段140。所述更新信念阶段110负责接收所有相关输入(通常，动态信念和静态信念)。所述期望建立阶段120负责推理出所述更优期望和实现该期望的所述社交群体及其群组成员。所述活动阶段130负责确定实现所述更优期望的意向；以及，所述执行阶段140负责发送所有相关输出。在所述ASM的使用期间循环运行上述阶段。

在所述更新信念阶段110，所述ASM取回静态信念(方块112)、动态社交信念(方块114)，并取回关于所述智能体环境状态的动态环境信念(方块116)。

所述ASM管理在其数据结构中的信息，其中个体信念(方块117)是指关于自身的输入，而共同信念(方块119)是指关于所述人工社交网络中其他智能体的社交服务输入(即动态社交信念)。

在所述期望建立阶段120，所述ASM通过利用上述更新信念的输入推理出期望和网络(方块122)，以决定出最佳期望。

在所述行动阶段130，一旦选择了一期望，例如最佳期望，所述ASM推理出实现所述期望的行动序列。在所述行动阶段130中，所述ASM可以为所述智能体采用与其相关联的(方块132)。采取意向的阶段可以基于诸如[Grosz1996，Tambe1997，Grosz1999，Hadad1999]的已知方法。为一竞争期望采用意向也是已知的，可以基于例如[Zuckerm2012，Hoang2005]。

涉及实现一特定期望的所述ASM可以使用相似的推理方法，以实现所述期望。所述ASM的推理方法也可以基于例如[Hastings1970，Van2009，Szer2005，Monahan1982，Pita2009，Pynadath2002]的决策方法，和诸如[Chalamish2011，Gal2010，Katz2008，Kraus2000，Lin2008，Lin2010，Lin 2011，Oshrat2009]的谈判方法。

在所述行动阶段130，所述智能体可以创建消息以与他人交互。这些消息可以由所述智能体的ASM在所述执行阶段140发送(方块142)。此外，所述ASM的行动阶段130可以推理出应当由所述智能体在其环境中执行的原始(基础)行动(以实现其期望)，因此，所述ASM向所述智能体发送一请求，以在所述执行阶段执行这些原始行动(方块144)。

根据本发明的实施例，所述ASM的期望建立阶段120还考虑到所述人工社交网络中其他智能体的期望，基于其他智能体的期望及与其他智能体一起实现自身期望的效用，所述ASM建立以社交群体。

推理期望和网络方法的实例请参见图9(方块122)和图10所示的流程图150。首先，所述智能体的ASM可以通过例如计算在其智能体期望列表中每一期望的效用来选择其最佳期望(方块152)。计算结果取决于其对于所述智能体环境状态的了解(表示为动态信念)。因此，可以在所述智能体的使用期间改变所述结果。一有效期望是一个可以在其智能体的环境中可以根据所述ASM的信念实现的期望。如果所述智能体确实尝试实现所选择的期望(方块154)，所述ASM进行实现所述期望的行动(在其思考-行动循环中的所述行动阶段方块130)(方块156)。如果所述智能体不尝试实现其最佳期望，所述ASM基于对于所述期望的了解来确定实现所述期望的最佳方式(方块158)。所述ASM可以发现，例如一可能的方式组以执行能够使其实现所述期望并选择最佳方式的所述非原始行动。

可以在所述数据库中以一方法(或规则组)给出执行所述行动的方法，包括为执行所述行动所必须的智能体类型和数量。因此，如果根据规则，所述ASM推理出需要合作(竞争)完成用于执行所述期望的最佳方法(方块160)，所述ASM在所述人工社交网络中寻找尝试实现相应期望的成员(方块164)。否则，所述ASM确定是否独立进行实现所述期望的最佳方法。

所述ASM可以从例如在所述网络中公告期望来知晓关于其他智能体期望。也就是说，当所述ASM寻找合作者时，它可以在所述网络中公告其期望和所寻找的成员类型，或者寻找那些已公告一相似期望的成员。在一竞争情况下，所述ASM可以跟随公告一相应期望的成员。另一种检测其他智能体期望的方式是使用用于识别规划和目标(或活动)的识别方法。如果没有找到适当的成员(方块166)，所述ASM更新其关于实现所述期望可能性的信念(方块170)(在其思考-行动循环中的所述更新信念阶段)。否则，所述ASM形成(或加入)群组(方块168)，其期望变为合作(或竞争)期望，并应当更新关于群组的动态社交信念。

实施所述行动阶段的方式的实例如图11所示。所述方法180是基于单个规划，合作规划如[Grosz1999，Hadad1999，Hadad2014]中描述。

所述ASM通过以最高效率寻找执行一非原始复杂行动(也成为任务或行为)的方法，可以找到实现其智能体最佳期望的方法。可以在所述数据库中以一方法(或手段)的形式给出执行一复杂行动的方法。因此，在所述思考-行动循环中的任何阶段，所述智能体的ASM旨在执行一实现其最佳期望或一些方法中一子行动的行动。所述ASM获取其打算执行的行动(方块184)。所述ASM首先确定所述方法是否是一多智能体行动(方块184)。如果所述行动可以由所述智能体单独完成，则所述智能体按照个体规划来规划并执行所述行动(方块183)(例如HTN规划[Nau2003])。如果这种行动是需要多个智能体完成，尝试完成该期望的社交群体采用合作群组规划。在描述的实施例中，所述群组规划是基于共享规划模型。

因此，在一多智能体行动中，一被指定的ASM应当从所述多智能体行动所涉及的其他智能体的ASMs中建立共同信念(方块186)。也就是说，如果所述ASM被指定为本行动，所述ASM创建一给其他ASMs的请求消息(同意类型的)，并征求其在本行动中的同意。所述其他智能体的其他ASMs创建一应答消息(同意类型的)，可以同意或不同意并相应地答复所指定地ASM。如果其他ASMs同意，即建立共同信念(方块188)，所指定的ASM创建一给其他ASMs的关于启动本行动执行的公共消息(同步启动类型)。接着，所指定的ASM通过选择一指定的方式(即，执行所述行动一可能的方法)规划本行动(方块190)。在这种情况下，所指定的ASM创建一给其他ASM的请求消息(联营构想)，并要求它们发送为该特定行动的方式方法。所述其他ASMs创建一答复消息(联营构想类型的)，并包含关于方法的构想。现在，所指定的ASM向其他ASMs发送一包含所选择的方法的信息消息(选择方法类型的)。同样地，所述其他智能体的其他ASMs创建一答复消息(同意类型的)，可以同意或不同意(方块192)。如果其他ASMs同意，所选定的ASM创建一给其他ASMs的请求消息(联营构想的)，并要求它们发送将它们的智能体分配给所选定的方法的子行动的构想(方块194)。所述其他ASMs创建一答复消息(联营构想类型的)，包含执行子行动的构想。现在，所指定的ASM向所述其他ASMs发送一信息消息，包含将它们分配给一选定的子行动(分配行动类型的)。现在，每一子行动的所选定ASM继续再次启动循环(方块187)。所有在规划过程中由所述ASM创建的信息，均由所述ASM在所述执行阶段发送(方块198)。

同样地，当运行所述行动阶段以作为所述思考-行动循环的一部分，在所述行动过程的每一激活中，所述ASM保存其最后一次的激活状态(例如，开始规划状态、建立共同信念状态、方法选择状态、分配状态)，并根据其状态继续激活(方块185，187，191，193)。

所述ASMs可以使用谈判方法以达成关于方法和行动分配的一致。在没有建立共同信念或所述ASMs没有达成一致的情况下，可以进行回溯方法，例如[Russell2010]。

根据本发明的实施例，所述ASM可以以一自动模式或一受控模式运行；在所述自动模式下，由所述ASM进行所述推理过程；在所述受控模式下，由其他模块进行所述整个推理过程的至少部分，诸如由所述智能体或一人控智能体进行。在所述受控模式中，所述ASM可以负责转换所述智能体与所述ASMs间的交互。也就是说，所述ASM可以被配置为将由其他AMSs发出的消息转换为所述智能体的语言，反之亦然。

可以理解的是，诸如“强制(mandatory)”、“要求”、“需要”和“必须”的术语是指在本文描述的特定实施或应用中的上下文中为清楚的木器而进行的实施选择，并非旨在限定，这是由于在一可选的实施中，相同的原件可能被定义为非强制和非必要或者可能甚至完全去除。

可以理解的是，本发明中的软件组件包括程序和数据，如有需要，这些程序和数据可以被实现为ROM(只读存储器)形成的包括CD-ROMs、EPROMs和EEPROMs，或者，可以被储存与任何其他合适的典型的永久性计算机可读介质，诸如但不限于各种类型的磁盘、各种类型的卡片及RAMs。如有需要，可以通过使用常规技术，可选地将本文中描述的诸如软件的组件完整地或部分地在硬件和/或固件中实现，反之亦然。每一模块或组件可以被集中于以单一位置或分布于数个位置。

尤其包含于本发明范围内的有：载有计算机可读指令的电磁信号，所述电磁信号用于以任意合适的顺序(包括适当地同时运行合适的步骤组)执行本文中图示并描述的方法的任意或全部步骤或运行；机器可读指令，所述机器可读指令用于以任意合适的顺序执行本文中图示并描述的方法的任意或全部步骤；机器可读的程序储存装置，通过机器将程序的可执行指令可触摸地具形化，以任意合适的顺序执行本文中图示并描述的方法的任意或全部步骤；一计算机程序产品，包括一具形化的计算机可读媒介，所述计算机可读媒介具有计算机可读程序代码(诸如可执行代码)，和/或包括计算机可读程序代码，用于以任意合适的顺序执行本文中图示并描述的方法的任意或全部步骤；当以任意合适的顺序执行时，由本文中图示并描述的方法的任意或全部步骤所带来的任意技术效果；任意合适的装置或设备或其组合，被编程为单独或组合地以任意合适的顺序执行本文中图示并描述的方法的任意或全部步骤；电子装置，每一电子装置包括一处理器和一配合的输入设备和/或输出设备并且是可运行的，用以在软件中执行本文图示并描述的任意步骤；信息储存装置或物理记录，诸如磁盘或硬盘驱动器，使得以计算机或其他装置被配置为以任意合适的顺序进行本文中图示并描述的方法的任意或全部步骤；在被下载前或下载后，预存于例如存储器或诸如互联网的信息网络上的一程序，所述程序以任意合适的顺序具像化本文中图示并描述的方法的任意或全部步骤，以及上传或下载所述程序的方法和包括使用所述程序的服务器和/或客户端的系统；一处理器，被配置为执行所描述之步骤的任意组合，或执行所描述之模块的任何组合；以及，硬件，所述硬件单独地或与软件联合地以任意合适的顺序执行本文中图示并描述的方法的任意或全部步骤。任意本文中描述的计算机可读或机器可读介质均旨在包含永久性计算机可读介质或永久性机器可读介质。

可以由以合适的计算机化方法执行本文中描述的任意计算或其他形式的分析。本文中描述的任意步骤可以是计算机可实施的。本发明在本文中图示及描述的，可以包括(a)利用以计算机化方法确定解决本文中记载的任意问题或针对任意对象的解决方案，所述解决方案可选地包括至少一决策、一行动、一产品、一服务器或本文记载地任意其他信息，用以以一积极的方式对本文中描述地问题或客体产生影响；以及，(b)输出所述解决方案。

如有需要，所述系统可以被实现为一基于网络的系统，所述系统使用合适的软件、计算机、路由器和电信设备。

可以使用任意合适的布局，以提供诸如本文图示及描述的软件功能的功能性。例如，一服务器可以储存某些供客户端下载的应用程序，所述应用程序在客户端侧运行，所述服务器端仅起储存库的作用。本文图示并描述的例如软件功能的部分或全部功能可以被设置于一云环境中。客户端，例如诸如智能机的移动通信设备可以与所述云可操作地外部相关联。

本申请的范围不限于本文中具体描述的结构和功能，还旨在包括能够产出本文描述的结构或执行本文描述的功能的设备，这样，即使设备的用户不能使用这些功能，如果他们需要，他们可以修改所述设备以获得所述结构或功能。

描述于独立实施例内容中的本发明的特征也可以在一组合的单一实施例中实现。例如，一系统实施例旨在包括一对应的过程实施例。同样地，每一系统实施例旨在包括服务器关注的针对系统、计算机可读介质、装置整体功能的“视角”或客户端关注的针对系统、计算机可读介质、装置整体功能的“视角”，或所述系统中任意其他节点针对系统、计算机可读介质、装置的整体功能的“视角”，包括仅由服务器或客户端或节点执行的功能。本发明的特征也可以与现有技术的特征相结合，尤其不限于那些在背景技术部分描述的或该部分中所提及的公开物中描述的。

相反地，为了简洁起见而在一单独实施例中或以一特定顺序进行描述的征本发明的特征(包括方法步骤)，也可以被分开提供或以任意合适的子组合提供，包括与现有技术已知的特征(尤其不限于那些在背景技术部分描述的或该部分中所提及的公开物中描述的)或以不同顺序提供。本文中使用的“例如”具有以特定实施例的含义，并非旨在限定。任意图中所示相耦合的设备、装置或系统，在某些实施例中可以事实上被整合于一单一平台，或通过任意合适的有线连接或无线连接相后河，诸如但不限于光纤、以太网、无线LAN、家庭网路(HomePNA)、电力线通信、电话、PDA、黑莓GPRS、包括GPS的卫星，或其他移动传输。

可以理解的是，在说明书及附图中被图示及描述为系统及其子单元的功能，也可以由其方法和步骤提供，并且，被描述为方法及步骤的功能也可以由系统及其子单元提供。图中所阐述的各种元件的规模仅作为范例，和/或用于表述清楚，而非旨在限定。