Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)

Présentation au sujet: "Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)"— Transcription de la présentation:

1 Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM) jean-pierre.muller@cirad.fr

2 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

3 Mèze/SMA Les systèmes multi-agents Les systèmes Multi-agents L’informatique Les systèmes complexes L’intelligence artificielle

4 Mèze/SMA SMA : Liens avec d’autres domaines de recherche

5 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

6 Mèze/SMA La programmation orientée agent  De la programmation classique aux SMA: Programmation classique: –Structures de données + algorithmes Programmation orientée-objet –Association des services aux données Programmation orientée-agents –Association des responsabilités/objectifs aux données

7 Mèze/SMA Les agents en informatique Objets Processus Agents CommentQuandPourquoi X X XXX X

8 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

9 Mèze/SMA SMA et systèmes complexes  Les SMA s’intéressent aux systèmes complexes où des entités artificielles et/ou naturelles interagissent pour produire des comportements collectifs.

10 Mèze/SMA Définition des systèmes complexes  Définition: Système complexe: ensemble d’éléments en interactions entre eux et avec l’extérieur : –Distinction entre l’ensemble (le système) et le reste (l’environnement/l’extérieur): dépendance à la question ; –Prédominance des interactions : plus que la somme des parties.  Autres caractéristiques: Descriptions à des niveaux multiples (a minima: élément/système) Formation de structures Émergence

11 Mèze/SMA Approches des systèmes complexes  Approches : Analytique : élément par élément (économie néo-classique, parcelle, individu, etc.) ; Holistique ou systémique : comportement global du système (macro-économie, modèles à compartiments, modèles statistiques) ; Constructiviste : articulation entre les comportements individuels des éléments (local) et le comportement global du système (global).

12 Mèze/SMA Système complexe: exemple  Exemple: reproduction des poissons Analytique: –Comportement d’un poisson Holistique: –Modèle de Schaeffer Constructiviste : –Comportement de reproduction => évolution de la population –Reproduction avec son voisin => spatialisation du modèle

13 Mèze/SMA Système complexe : exemple  Exemple: écoulement des fluides Analytique: –Comportement d’une molécule d’eau Holistique: –Équations de Navier-Stockes Constructiviste: –Interaction entre des « gouttes » d’eau ou des vortex => structures des flux

14 Mèze/SMA Exemple : hydrologie Identification de structures à partir de comportements locaux LIP6/IRD: D.Servat

15 Mèze/SMA Pourquoi l’approche constructiviste ?  On connaît les comportements individuels et on veut construire le comportement global: Ingénierie sociale, aide à la négociation, simulation  On connaît le comportement global et on cherche une explication à partir des comportements locaux: Articulation local-global, aide à la décision  Intelligibilité: Description intuitive en termes d’objets et d’acteurs plutôt que de variables et d’équations  Défi de la complexité: comportements loin de l’équilibre  Pertinence pour les écosystèmes et les sociosystèmes

16 Mèze/SMA Réalité, modèle et validation Temps réel Trajectoire de B X t Mesure/Observation X=f(t)Modèle A: X t Calcul/Simulation Validation

17 Mèze/SMA L’approche constructiviste (1) Temps réel Trajectoire de B X t Mesure/Observation Modèle A: Calcul/Simulation Validation Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine Le modèle expérimentable Le modèle comme laboratoire virtuel

18 Mèze/SMA L’approche constructiviste (2) Modèle A: Calcul/Simulation Interaction Micro/macro Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine X=f(t)Modèle A’: X t Calcul/Simulation

19 Mèze/SMA L’approche constructiviste (2) Modèle A: Calcul/Simulation Interaction Micro/macro Composant Relation/interaction Trajectoire de A X t Mesure/Observation Temps machine X=f(t)Modèle A’: X t Calcul/Simulation

20 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

21 Mèze/SMA Les sciences de l’artificiel Biologie PsychologieSociologie Comprendre l’humain Vie artificielle Intelligence artificielle Systèmes multi-agents Connexionisme Ethologie Individualismemethodologique

22 Mèze/SMA Intelligence artificielle et SMA L’expert En intelligence artificielle standard, le modèle de base est l’intelligence individuelle : Systèmes experts. Test de Turing : Métaphore du penseur (désincarné) : « une machine peut-elle penser ? » « une machine peut-elle être conscience d’elle-même ? » Au lieu de la considérer uniquement les facultés cognitives d'un individu, l ’IAD postule que l ’intelligence "émerge" des interactions que les agents entretiennent entre eux et avec l'environnement. La communauté La notion d’intelligence collective est née dans les années 60, de l’application à la robotique, des analyses des éthologues sur le comportement des sociétés d’insectes.

23 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés  Quelques applications  Conclusion

24 Mèze/SMA Agent Une entité physique ou virtuelle En interaction avec l’environnement: –Capable de percevoir (partiellement); –Capable d’agir dans son environnement; En interaction avec d’autres agents: –Capable de communiquer (social); –Offrir et demander des services; Avec des objectifs spécifique; Capable de se reproduire.

25 Mèze/SMA Boucle sensori-motrice

26 Mèze/SMA Architecture BDI  Beliefs - Desires - Intentions Désirs Plans possibles Perception CroyancesIntentions Exécution Capacités de raisonnement Buts Capacité de décision Motivations

27 Mèze/SMA Système multi-agent  Un ensemble d’agents agissants et communicants Perception, communication, production, consommation, et transformation des objets  Un environnement Réaction de l’environnement Des objets passifs  Une organisation ou mode de coordination Un ensemble de relations  Un point de vue de l’observateur.

28 Mèze/SMA Représentations But:B Objectif Communications Environnement Actions Perceptions Objets de l'environnement [Ferber]

29 Mèze/SMA Le rôle de l’environnement  Au niveau micro Les ressources des entités Un médium d’interaction La coordination des interactions à différentes échelles de temps (taux de dissipation) Contraintes sur la dynamique des agents  Au niveau macro Les ressources du phénomène émergent Une mémoire collective Un médium d’inscription global Le contrôle du niveau micro ou macro

30 Mèze/SMA Systèmes Multi-Agent èUn agent a un comportement collectif, conséquence de ses perceptions, représentations et interactions avec l’environnement et d’autres agents [Ferber].

31 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés  Quelques applications  Conclusion

32 Mèze/SMA Simulation d’organisations (Benoit Durand)  Idée: un individu joue de multiples rôles selon les groupes sociaux dans lesquels il est impliqué  Analogie: un agent peut être défini par l’ensemble des rôles qu’il peut jouer  Conséquence: les rôles et leurs relations sont décrit d’abord: niveau social ces rôles sont ensuite distribués sur les agents: niveau multi-agent ces rôles sont exécutés: niveau simulation

33 Mèze/SMA Simulation d’organisations (AGR: Ferber/Gutknecht)  Niveau social: Structure de groupes  Niveau système multi-agent: AGR: Agent-Groupe-Rôle –Agent: n’importe quelle entité communicante –Groupe: un ensemble d’agents –Rôle: position d’un agent dans un groupe  Niveau simulation: Le synchronous engine

34 Mèze/SMA Niveau organisationnel  Organisation: comportement collectif récurrent Cf. structure et organisation chez Maturana  Rôle: comportement individuel récurrent dans une organisation Une organisation comme un ensemble de rôles complémentaires  Intérêt pour le génie logiciel Les organisations comme descriptions réutilisables dans la conception de SMA Méthodologie AGR

35 Mèze/SMA Groupes d’une conférence Groupes d’évaluation Président Membres du CP Receveur Auteur Evaluateur Responsable d’évaluation Groupe de soumission Comité de programme

36 Mèze/SMA Les organisations Président membre Receveur Auteur Evaluateur Reçoit les compétences Distribue les papiers Négocie les évaluations Distribue les papiers and reçoit les évaluations Soumission des papiers Organisation Comité de programme Notification d’acceptation Responsable d’évaluation Organisation soumission Organisation évaluation

37 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

38 Mèze/SMA Des robots aux programmes: exemples  Les robots pour: L’exploration de Mars La coupe du monde La production industriel  Des logicielles pour : La simulation basée individu La résolution de problèmes  Les programmes pour: Explorer le web (sofbots) Assistants

39 Mèze/SMA Exemple: Eco-resolution  Agents réactifs  Communication : avec les voisins  Protocole : essayer d’atteindre un lieu, attaquer et fuir

40 Mèze/SMA Contenu  Introduction  SMA et informatique  SMA et systèmes complexes  SMA et intelligence artificielle  Quelques applications  Conclusion

41 Mèze/SMA Conclusion  Les systèmes multi-agents: Un nouveau paradigme en informatique Une nouvelle approche (constructiviste) de modélisation des systèmes complexes Prise en compte de multiples représentations des individus et des modélisateurs Laboratoires virtuels