Recherche

Ma thématique de recherche est l'Intelligence Artificielle Distribuée.

Distribuée ?

J'utilise une approche inductive pour modéliser des comportements complexes. L'idée est simple, si on prend pour exemple une fourmi. Elle représente un "agent simple". Bien entendu, la réalité de sa complexité ne m'échappe pas mais les capacités d'action dont elle dispose sont limitées en terme de comportements observés. La fourmi fait partie d'une communauté : la fourmilière i.e. un système multi-agents.

On arrive à observer trois principaux comportements de la fourmi "ouvrière" :

- Autonome : par exemple, elle explore les environs de la fourmilière en quête d'une nourriture nouvelle.

- Homogène : lorsqu'elle a trouvé de la nourriture, elle rentre droit à la fourmilière en laissant une trace de phéromone indiquant le chemin à la nourriture que les autres fourmis "ouvrières" sont capables d'interpréter directement comme un chemin à la nourriture i.e. les ouvrières constituent une communauté homogène d'agents au sein de la fourmilière qui se comprennent.

- Hétérogène : si une fourmi rencontre un danger, elle émet immédiatement un signal d'alarme qui sera compris à la fois par les membres de sa communauté mais également par les fourmis "soldats". Quel que soit l'agent concerné, il sera capable d'interpréter ce message et de prendre une décision adaptée.

Pour simuler l'ensemble de ces comportements, j'utilise la technique de l'éthologie synthétique qui consiste à créer des agents simples qui auront la possibilité de vérifier certaines hypothèses dans un environnement artificiel.

Parmi les hypothèses proposées, je suppose que les agents sont dotés de capacités rationnelles limitées. En effet la plupart des solutions aux problèmes complexes oblige la plupart du temps à décomposer le problème en sous problèmes plus simples qui seront résolus par des agents simples.

Lorsque l'hypothèse en environnement synthétique est vérifiée, on teste l'hypothèse en environnement simulant le monde réel. Je nomme cette phase, la phase Animat (Animal Artificiel).

Enfin, lorsque la phase Animat se révèle un succès, nous testons notre hypothèse en milieu réel pour que le système soit confronté au bruit qu'implique la réalité.

Intelligence Artificielle ?

Pour représenter les agents, j'utilise des systèmes de classeurs à algorithme génétique. Ses systèmes apprenant supervisés, permettent de résoudre aisément les problèmes discrétisables. De plus, ils ont un pouvoir d'expression sans égal pour exprimer la solution qui a émergé de l'apprentissage.

Je suis spécialiste du système de classeurs de type Pittsburgh adapté qui permet de parfaitement représenter la capacité rationnelle limitée d'un agent. En effet, on peut définir cette capacité à l'aide de deux paramètres facilement appréhendable.

J'utilise également le système de classeurs de type XCS afin d'effectuer des comparaisons scientifiques entre les deux modèles.

Encadrement de Thèse

J'encadre actuellement Mathias Péroumalnaïk dont le sujet de thèse est :

" Etude contextuelle de systèmes multi-agents dans le cadre de la prévention des risques cycloniques dans la Caraïbe. "

Résumé :

Un système multi-agents (SMA) est un système composé d’entités appelées agent censé résoudre un problème réputé complexe ou difficile en décomposant celui-ci de telle manière que chacun des agents composant le SMA puisse résoudre une partie plus simple du problème. Les systèmes multi-agents tels que définis par Ferber (1995) proposent de distinguer l’agent par ses buts, intentions, croyances, compétences et sa capacité à communiquer. Toutefois, avant d’étudier des concepts humains sur un agent, Enée (2003) dans sa thèse a proposé d’étudier un agent simple, doué de capacité rationnelle limitée, représenté par un système de classeurs de type Pittsburgh adapté. L’objectif était alors d’étudier l’émergence de comportement complexes à partir d’agent le plus simple possible : l’éthologie synthétique (MacLennan et Burghardt 1994). Trois contextes de système multi-agents ont ainsi pu être étudié que sont l’agent autonome, homogène et hétérogène. Dans ces différents contextes, l’agent se dote de caractéristiques qui lui sont propres, pour résoudre le problème par lui-même (autonome), ou avec l’aide d’un professeur (homogène), ou encore en se servant de la connaissance acquise par des agents dissemblables (hétérogène). Cette étude a montré des avancées significatives dans l’émergence de comportements complexes d’agents dont la définition a été simplifiée à l’extrême. L’objectif de cette thèse est de vérifier la possibilité d’appliquer et d’étendre les définitions vues à un problème réel : la prévention des risques cycloniques dans la Caraïbe. Il devra de plus étudier les structures émergentes dans un tel système et en déduire de nouvelles approches.

Bibliographie liée :

• Ferber, J. (1995) Les Systèmes Multi-Agents : Vers une intelligence collective. Paru chez InterEditions dans la collection iia. ISBN : 2-7296-0665-3.

• MacLennan, B.J. et Burghardt, G.M. (1994). Synthetic Ethology and the Evolution of Cooperative Communication. Dans Adapted Behavior Vol. 2, No. 2, 161-188. Massachusetts Institute of Technology.

Publications

Me contacter pour la Recherche

Un email : gilles.eneeATuniv-ag.fr