Intelligente agenter er fra mange sider udråbt som værende fremtiden indenfor elektroniske medier.
En sådan intelligent agent er en personlig assistent, der modtager og udfører opgaver, holder øje med
Internet og henter informationer, mens man beskæftiger sig med noget andet. Intelligente agenter
kaldes også digitale butlere; det er vel egentlig en meget passende betegnelse. Udviklingen på dette
område går utrolig stærkt netop nu, og agenter kan allerede siges at være uundværlige, når det drejer
sig om informationssøgning og -formidling på elektroniske medier. Agenten kender Internettet, og
den kender dig. Ved at kombinere viden om dine personlige interesser, ønsker og behov med
kendskabet til, hvor man finder informationer på nettet, kan agenten søge på nettet selvstændigt og
finde mange forskellige former for oplysninger.
En af de fornemste funktioner, som intelligente agenter kan udføre for brugeren, består i at rådgive
denne, at registrere de personlige præferencer og bruge dem til at rådgive på et meget personligt
plan, give anbefalinger, som er skræddersyet til den enkeltes behov. Den primære teknologi indenfor
dette område kaldes "recommendation engines". Det er en betegnelse, som kun meget dårligt kan
oversættes til dansk; anbefalelingsmaskine er måske den mest direkte oversættelse. Selve den
teknologi, som ligger til grund for tjenesterne, kaldes "collaborative filtering", og fortjener en
nærmere beskrivelse.
Gruppefiltrering
Formålet med "recommendation engines" er at levere et sæt anbefalinger til brugeren, der er skabt i
nøjagtig et eksemplar. Det må man ikke forveksle med tjenester som eksempelvis PointCast, hvor
man vælge mellem en række forskellige kategorier og få sammensat et individuelt nyhedsbillede.
"Collaborative filtering" betyder, at man registrerer en stor gruppe brugeres præferencer indenfor et
bestemt område. Det kan f.eks. være bøger. Brugerne præsenteres for en tilfældig sammensat liste
over ti bøger, og skal til hver enkelt titel - naturligvis kun dem de kender - afgive en bedømmelse.
Brugerne kan også selv indtaste titler, som de har læst, og bedømmelser til disse, eller rekvirere en
længere liste med bøger, som man vil bedømme.
Bedømmelserne registreres i en database, hvor præferencerne for alle andre brugere, der har benyttet
tjenesten, også ligger gemt. Programmet søger nu gennem statistiske beregninger at matche den nye
bruger med den bestående databestand ud fra ligningen; hvis brugeren kan lide disse titler, hvilke
andre bøger kunne så tænkes at have hendes interesse? Programmet søger data for andre brugere,
der har afgivet positive bedømmelser for de samme titler, og undersøger, hvilke andre titler de
samme brugere har bedømt som "interessante". Slutresultatet er et sæt anbefalinger, som bygger på
andre brugerens erfaringer, hvis interessefelt (og smag) overlapper med en selv.
Smag
Det er en teknologi, som lige nu oplever en enorm tilvækst. Systemerne bliver bedre og bedre,
hvilket resulterer i, at de i stigende grad formår at levere præcise og korrekte anbefalinger. I
forbindelse med sådanne "recommendation engines" er det værd at holde sig for øje, at deres værdi
stiger, jo større deres brugerbasis er. Sagt lidt simpelt: jo flere mennesker, der har fortalt maskinen,
hvad kan de lide og ikke kan lide, jo mere lærer agenten om menneskers smag og præferencer, og jo
præcisere kan den rådgive og gætte sig frem til, hvad en given person måtte finde interessant. Det
drejer sig om interesseprofiler, men det interessante er, at agenten ikke bare sorterer brugerne i tyve
forskellige skuffer, ud fra deres interesser, og så leverer færdig fabrikerede anbefalinger i tyve
forskellige udgaver. Kernen i systemet er, at hver enkelt bruger er unik, og skal behandles unikt; der
udstedes et sæt anbefalinger i nøjagtig et eksemplar, og de anbefalinger, som systemet leverer til
brugeren, ændres hver gang, det lærer lidt mere om dette menneske.
Agenten kan dermed ses som den perfekte bibliotekar. Bibliotekarens fornemste opgave er jo at
formidle viden, at anbefale titler, som en given person måtte finde interessant. Men det gør
bibliotekaren oftest kun ud fra sin viden om bøgerne, ikke den person, som står foran hende. Den
intelligente agent kombinerer derimod bibliotekarens kendskab til bøgerne med viden om den
person, som ønsker en anbefaling; faktisk kan de største "recommendation-engines" inddrage flere
millioner brugeres præferencer, når de skal afgøre, hvilke bøger en enkelt person måtte finde
interessant. Man kunne forestille sig, at sådanne systemer i fremtiden vandt indpas på bibliotekerne,
ikke for at erstatte bibliotekarerne, men for at supplere og rådgive dem og lånerne om nye og
spændende bøger. Men et sådant system vil aldrig fungere, hvis det er begrænset til et enkelt
bibliotek; det skulle kunne drage på lånernes præferencer fra samtlige landets biblioteker, for at
generere de optimale anbefalinger.
