Les SMA: principes, origines, modalit é s de fonctionnement Jean-Pierre Müller (CIRAD-ES-GREEN/LIRMM)
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
Mèze/SMA Les systèmes multi-agents Les systèmes Multi-agents L’informatique Les systèmes complexes L’intelligence artificielle
Mèze/SMA SMA : Liens avec d’autres domaines de recherche
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
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
Mèze/SMA Les agents en informatique Objets Processus Agents CommentQuandPourquoi X X XXX X
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
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.
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
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).
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
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
Mèze/SMA Exemple : hydrologie Identification de structures à partir de comportements locaux LIP6/IRD: D.Servat
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
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
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
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
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
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
Mèze/SMA Les sciences de l’artificiel Biologie PsychologieSociologie Comprendre l’humain Vie artificielle Intelligence artificielle Systèmes multi-agents Connexionisme Ethologie Individualismemethodologique
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.
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés Quelques applications Conclusion
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.
Mèze/SMA Boucle sensori-motrice
Mèze/SMA Architecture BDI Beliefs - Desires - Intentions Désirs Plans possibles Perception CroyancesIntentions Exécution Capacités de raisonnement Buts Capacité de décision Motivations
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.
Mèze/SMA Représentations But:B Objectif Communications Environnement Actions Perceptions Objets de l'environnement [Ferber]
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
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].
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle SMA Agent-centrés SMA Organisation-centrés Quelques applications Conclusion
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
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
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
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
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
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
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
Mèze/SMA Exemple: Eco-resolution Agents réactifs Communication : avec les voisins Protocole : essayer d’atteindre un lieu, attaquer et fuir
Mèze/SMA Contenu Introduction SMA et informatique SMA et systèmes complexes SMA et intelligence artificielle Quelques applications Conclusion
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