Vie Artificielle Beurier Grégory LIRMM.

Présentation au sujet: "Vie Artificielle Beurier Grégory LIRMM."— Transcription de la présentation:

1 Vie Artificielle Beurier Grégory LIRMM

2 Historique Automate du roi Mu ( Lieh Tzu IIIe avt JC) Homunculus
Frankenstein Automates de Vaucanson Le complexe FRANKENSTEIN !!!

3 Vie Artificielle « La vie artificielle est l’étude des systèmes construits de mains d’homme qui exhibent des comportements des systèmes naturels vivants. Elle vient en complément des sciences biologiques traditionnelles, en tentant de synthétiser des comportements semblables au vivant au sein d’ordinateurs et d’autres substrats artificiels. En étendant les fondements empiriques sur lesquels la biologie est basée au-delà de la vie a base de carbone qui a évolué sur Terre, la vie artificielle peut contribuer à la biologie théorique en positionnant la vie telle que nous la connaissons au sein d’un espace plus large: la vie telle qu’elle pourrait être » C. Langton

4 Qu’est que la vie ? Ensemble de propriétés [Monod]
Téléonomie, morphogenèse, reproduction invariante Extensions des propriétés [Mayr, Belin] Structure, macromolécules, ADN, stabilité, évolution Approche Thermodynamique [Schrödinger, Prigogine] Structure dissipative Autopoïèse [Maturana, Varela] Réseau fermé d’éléments « auto-régénérant »

5 Complément de l’approche IA Dure
Pensée, cognitif Systèmes Experts Agents Rationnels … Ordinateur intelligent Ordinateur intelligent … Gènes Neurones Fourmis Calculs simples

6 Alan Turing Intelligence Artificielle Idée de Morphogène
Test de Turing Idée de Morphogène Travail sur les gradients Machine de Turing Équivalence théorique mathématique Problème de Hilbert: « Processus physiques  Computationnels donc calculés  sous forme de machine de Turing Universelle »

7 Machine de Turing … … … A … Si A  B, Droite Si B  B, Gauche

8 Plan Vie Artificielle Biomimétisme Emergence Récursion et génération
Principe Jeu de la vie Organoids Récursion et génération Biomorphes L-Systems Biomimétisme Comportements Sociaux Boids Optimisation colonie de fourmis Stimergie Algorithmes génétiques Voyageur de commerce Programmation génétique Morphogen

9 Émergence Émergence Emergence

10 Jeu de la vie John Conway 1970 Principe: 1 ou + de 3 voisins  MORT
Émergence Jeu de la vie John Conway 1970 Principe: 1 ou + de 3 voisins  MORT 3 voisins  NAISSANCE voisins  survie

11 Vidéos et explications
Émergence Vidéos et explications Apparitions d’émergences Gliders Attracteurs Fixes, cycliques, chaotiques, étranges. Simulations phénomènes physiques

12 Systèmes Multi-Agents
Extensions de la notions d’objets Inspirés des insectes sociaux Agents : processus de traitements d’information situés autonomes Ex: Robots, virus intelligent, tour de contrôle, vous, etc. MASSIVE (LOTR)

13 Organoïds Principe Multi-agents Fourmis Émergence Multi-niveaux
Récursivité …

14 Émergence Organoïds Mais à quoi ça peut-il bien-t-il donc servir ?!?!?

15 Récursion Organoïds Iterative Function System

16 Récursion et génération
Fonctions récursives Ex: f(n) = f(n-1) + f(n-2) f(0) = 1 f(1) = 4 Fractales Géométrie récursive – fonctions itératives – suites géométriques

17

18 L-Systems Lindenmayer Principe: idem fractales Initiateur : F
Récursion L-Systems Lindenmayer Principe: idem fractales Initiateur : F Générateur : F[+F]F[-F]F Angle : 22.5

19 Récursion L-Systems

20 Biomorphes Sélection d’individus selon la structure (RLLRLRRLRLRL)
Récursion Sélection d’individus selon la structure (RLLRLRRLRLRL)

21 Comportements Sociaux Intelligence artificielle distribuée
Biomimétisme Comportements Sociaux Intelligence artificielle distribuée Culture (fourmis, termites) Régulation thermique (abeilles, termites) Constructions pharaoniques (termites, fourmis) Pièges démesurés (araignées) Élevage (fourmis) Colonisation (fourmis, abeilles, etc.) Etc. Il y a un bond de capacités réactives vers une émergence d’intelligence sociale.

22 Boids Les halls de gare Biomimétisme
Couple angle/ distance Attraction Répulsion Alignement

23 Optimisation colonie de fourmis
Biomimétisme Optimisation colonie de fourmis

24 Routage réseau & P2P Biomimétisme

25 Stigmergie rétroaction environnementale
Biomimétisme Stigmergie rétroaction environnementale Phéromones

26 Biomimétisme Termites

27 Algorithmes Génétiques
Algo G Algorithmes Génétiques Meilleur moyen de résoudre un problème est de s’y adapter. Sélection naturelle : Sélection des individus les mieux « adaptés » à un milieu donné et qui auront une plus grande faculté de reproduction que les autres Principe: Coder le problème à résoudre sous la forme d’un génome. Déterminer une fonction d’adaptation pour les solutions possibles. Faire se reproduire les individus viables.

28 Terminologie Population (= génération): Génome
Algo G Terminologie Population (= génération): Ensemble d’individus Génome Ensemble des chromosomes d’un individus Chromosome (= un individu) Groupe de gènes d’un individu Gène Caractère / caractéristique d’un individu Allèle Forme / valeur prise par une caractéristique

29 Principe Voyageur de commerce
Algo G Principe Voyageur de commerce 1- On code la solution du problème a résoudre sous la forme de gènes (fonction d’encodage) 2- On génère une population d’individu aléatoirement (initialisation) 3- On teste les individus et on les fait mourir si leur génome n’est pas bon (fitness/sélection) 4- On croise les survivants et on retourne en 3. On recommence tant que le génome des survivants n’est pas une solution satisfaisante au problème

30 Applications aux Biomorphes
Algo G Applications aux Biomorphes Codage biomorphes: RGRRGGRGR (idem L-Systems) Génome: RGRRGGRGR Population: Rd Croisement: Fitness: % ressemblance % angles communs Arrêt: Ressemblance = 100% 1000 générations RGRRGGRGRGGRGRGRGGGGRRGGRGRR GRGGGGRGRGGGRR

31 Programmation génétique & évolutionnaire
Algo G Programmation génétique & évolutionnaire Principe: Ne plus coder la solution dans le génotype (génome) mais la faire apparaître/émerger dans le phénotype (l’expression du génome) La solution devient le comportement ou le résultat de la fonction réalisée par le gène. Les croisements modifient alors non pas les solutions mais les comportements.

32 Approche morphogénétique
Algo G Approche morphogénétique Divisions génome Formation d’un organisme par: Division Différenciation spatiale et fonctionnelle Croisement & Sélection Zones différenciées

33 Algo G Fonctionnement Gène 1 Allèle position Allèle couleur Allèle taille Gène 2 Allèle Division Allèle Sécrétion Allèle Digestion

34 Morphogen Principe Plusieurs gènes Allèles
Algo G Morphogen Principe Plusieurs gènes Allèles Répresseurs: liste de protéines qui inhibe la fonction du gène Activateurs: liste de protéines qui active la fonction du gène Protéines: liste de protéines que transcrit/émet le gène Fonctions: Division/Mitose: Crée une autre cellule Métabolisme: Consomme de la nourriture pour fournir de l’énergie aux autres individus de l’organisme) Quiescence: Reste inactive Apoptose/Nécrose: Meure pour la morphogenèse ou de carences. Population tirée au hasard mis dans un endroit avec nourriture

35 Morphogen 1- Perceptions des protéines 2- Fonctions
Algo G Morphogen 1- Perceptions des protéines 2- Fonctions 3- Émissions –> Phéromones (gradients) On conserve les organismes qui vivent le plus longtemps c’est-à-dire qui consomment le moins vite la nourriture du milieu en grossissant et on les croise.

36 Algo G

37 A quand la vie sur nos PC ? Support physique (silicium) puce recombinantes - autoréplicantes Exobiologie Puces et Ordinateurs à ADN Processeurs hybrides Earth Simulator … De la vie à l’intelligence artificielle quelle distance y à t-il ?