Les Systèmes Multi-Agents et la recherche d’informations Pr. Khaled GHEDIRA

LI3 Création : 1999 avec un chercheur sénior et 6 masters Ex-URIASIS, ex-SOIE + MIAD  LI3 32 chercheurs séniors, 60 doctorants, 20 masters Diplômes : 40 masters, 20 thèses www.soie.isg.rnu.tn/li3

Motivations Limites du raisonnement centralisé : pluralisme, ‘un être humain ne peut se développer…’ Distribution physique (soulever un poids lourd), fonctionnelle, naturelle (réseau de transport) Problèmes complexes Systèmes multi-experts Aspect dynamique Limites du séquentiel, synchrone,… Les réseaux (Pbs d’interopérabilité, de routage, de saturation,…) Internet (Données hétérogènes et volumineuses,…) Simulation de phénomènes complexes: Science du vivant (Impact des comportements individuels sur le niveau global, Éco-système,…) Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples 2

Concepts de base des SMA Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples SMA = Société d’entités en interaction en vue de satisfaire au mieux un ou plusieurs buts Contrôle décentralisé Deux niveaux de description Individuel/Local : L’agent/entité Collectif/Global : La société MA/SMA Les interactions: Communication, Coopération, Négociation, Concurrence,… Optimisation locale/globale & mono/multi-critère Modélisation multi-agent: Conception, spécification Implémentation 3

Caractéristiques Autonomie Communication Coopération Mobilité Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Autonomie Communication Coopération Mobilité Apprentissage Aspect asynchrone et auto-déclenchement Localité Flexibilité 4

Comment spécifier un agent? Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Recette???? Granularité? Capacité de raisonnement? Accointances? Connaissances sur l’environnement? sur les autres agents? Capacité de réaction aux aléas? Apprentissage? Position sociale?  hybride, rationnel,proactif, situé,… 5

Caractéristiques (2) 6 Historique Motivations Concepts de base des SMA statique migration conversation dynamique Autonomie Intelligence Mobilité Communication Capacité de coopération négociation délégation isolation Apprentissage Raisonnement planification Exécution distante isolé préférence Systèmes multi-agents Agents mobiles Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples 6

Les agents réactifs Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Pas de connaissances explicites ni de l’environnement, ni des autres agents, ni du passé, Pas de plan d’actions Comportement simple de type réflexe qualifié aussi de biologique Nombre assez important  Emergence 7

Les agents cognitifs Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Connaissances explicites partielles de l’environnement, des autres agents, du passé Plan d’actions Comportement intelligent qualifié de social Nombre assez réduit Base de connaissance assez importante Coopération, coordination Des explications 8

Quelques architectures Agent Architecture modulaire Architecture à base de tableaux noirs Architecture BDI Architecture connexionniste Système à base de connaissances Architecture Multi-Agent KG : {boite aux lettres, accointances, connaissances statiques, connaissances dynamiques et un comportement basé sur la recherche de satisfaction} Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples 9

Quelques rôles Médiateur Décideur Fournisseur Exécutant Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Médiateur Décideur Fournisseur Exécutant Agents d’information/Internet: gestionnaire de courrier, secrétaire virtuelle, moteur de recherche Agents de détection d’intrusion Agents de base de données: répartition, collecte, Agents de data-mining Agents de commerce électronique: shopping agents (prospection pour le compte des clients), merchandising agents (prospection pour le compte du producteur afin de connaître les goûts et les besoins du consommateur) Planificateur Ordonnanceur 10

Comment spécifier un SMA Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Les agents? Qui connaît qui? Qui connaît quoi? Qui fait quoi? Assurer la cohérence des interactions (contrôle)? Gérer les conflits entre agents Coordonner l’exécution des agents Éviter les comportements chaotiques Plateforme pour implanter ou simuler le SMA Les relations sociales 11

Mise au point d’un SMA Approche fonctionnelle Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Approche fonctionnelle Un agent par fonction/sous problème Evt hiérarchisation Approche orientée composant/objet physique ou virtuel Un agent par composant 12

Techniques de modélisation Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Les modèles algébriques: le langage Z, agent logic [Wooldridge 96], logique temporelle,… Les modèles opératoires: automates à états finis, réseaux de Petri,… Méthodologie de conception (basée sur le cycle de vie: spécification, conception et implémentation: Alaadin (AGR), Gaia, AUML,… MA-UML MA-UML UML AUML + = Nouveaux diagrammes 13

Les interactions Communication Historique Motivations Concepts de base des SMA L’agent Le SMA Les interactions MA Modélisation SMA Plateformes MA Pourquoi une approche MA pour les SI ? Exemples Communication Qui communique quoi? à qui? quand? pourquoi? et comment?  langage de communication: KQML, FIPA ACL Actes de langage [Austin 62] : Structure: locutoires (énonciation), illocutoires (donner un ordre, poser une question) et perlocutoire (convaincre, faire croire) Typologie: les assertifs, les directifs, les promissifs, les expressifs et les déclaratifs Coopération Négociation

Définition d’une plateforme MA Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Un langage de construction d’agents Un langage de communication Mécanisme de simulation du parallélisme et de l’asynchronisme Gestion de l’environnement Interface: débogage,… Comment choisir une plateforme? Norme FIPA (http://drogo.cselt.stet.it/fipa/) : Des spécifications afin d’assurer l’interopérabilité entre plateformes hétérogènes Disponibilité, configuration (OS), documentation, généricité, nombre d’application, hétérogénéité, adaptabilité, standard (communication…), interopérabilité, distribution (plusieurs sites), facilité de développement (outils, éditeurs,…), simulation 15

Concluons sur les SMA: pluridisciplinarité Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Systèmes distribués IA BD Langage naturel Réseaux et télécommunication Robotique Psychologie Sociologie Biologie Éthologie Et la recherche d’informations 16

Recherche d’informations vs SMA Réseau d’informations requête Informations Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’approche MA pour la RI ? Exemples Sources différentes, distantes géographiquement, autonomes, flexibles, Éventuellement conflictuelles + Informations hétérogènes, volumineuses, complexes, évolutives, connues partiellement, interactions pour transactions, etc. Gestion de Production  Informations: hétérogènes, volumineuses, complexes 17

L’approche Multi-Agent pour la recherche d’informations et la veille stratégique 1 + 1 > 2  2 types d’agents : Agents de recherche d’information Agents d’internet Agents intelligents

Agents de recherche d’informations Recherche d’informations non structurées et semi-structurées Exécution des recherches proactives afin de maintenir, négocier l'information appropriée au nom de leurs utilisateurs ou d'autres agents. Recherche, filtrage, analyse, manipulation et fusion de l'information hétérogène Visualisation et guidage de l'utilisateur selon son profil Exemples : Warren : SMA qui intègre l'information trouvée et filtrée pour aider un utilisateur dans le contrôle de son portefeuille financier InfoSleuth : SMA pour la recherche coopérative d’informations dans des bases de données distribuées. NetSA : Un agent ontologie pour le maintien de la cohérence des concepts UMDL : C’est un système d’informations coopératif pour la recherche des documents dans une librairie digitale : 19

Agents d’Internet Annuaires (sites), moteurs de recherche généralistes (robots/spiders/crawlers par mots clefs, titre, contenu), moteurs de recherche spécialisés (par types de documents (image, vidéo) ou par thème, base de données propre et algo propre), Métamoteurs de recherche génération 1 : même interface pour plusieurs moteurs et outils. Pas d’nterrogation simultanée mais un gain de temps. génération 2: simultanément plusieurs outils de recherche. Mais ils affichent les résultats moteurs par moteurs sans éliminer les doublons ni procéder à l'analyse de pertinence. génération 3: Plus sophistiqués, sélectionnent les sites dans différents moteurs, éliminent les doublons et affichent les résultats selon des critères de pertinence ou par type de document. Avantage : exhaustivité mais pb de syntaxe Exemple : Metacrawler, profusion Agents Intelligents 20

Agents intelligents AFNOR : Objet utilisant les techniques de l'intelligence artificielle : il adapte son comportement à son environnement et en mémorisant ses expériences, se comporte comme un sous-système capable d'apprentissage : il enrichit le système qui l'utilise en ajoutant, au cours du temps, des fonctions automatiques de traitement, de contrôle, de mémorisation ou de transfert d'informations - - - Un agent intelligent est un logiciel mis au point pour remplir et automatiser une tâche sur un réseau pour le compte de son utilisateur. L'utilisateur définit les critères de la mission que l'agent va remplir de façon autonome  fichiers particuliers, pages web, bases de données, forums de discussions, etc. Ce logiciel agit comme un humain à qui on a confié une tâche une entité autorisée à agir à la place d’une personne et en son nom Il modifie son comportement en fonction de l’environnement et est capable d’anticiper, autrement dit est proactif 21

Agents intelligents : pourquoi ? Lesquels ? Recherche ponctuelle d’infos Veille thématique : suivre en permanence l’évolution d’informations Gestion de l’information récoltée : éditer, archiver, … Analyse des documents rapatriés : ressortir des informations pertinentes, résumés automatiques Navigation off-line Lesquels ? Deux grandes familles d'agents intelligents Les agents de veille : suivre et analyser les stratégies et tactiques développées par les concurrents, scruter leurs ressources, leurs modes de développement, leurs actions, etc. Les agents conversationnels : dialoguer directement avec son interlocuteur (en anglais, chatterbot), répondent aux questions d'un utilisateur , effectuer le travail de plusieurs conseillers commerciaux. Avantage pour le CRM (Customer Relationship Management) 22

Pourquoi utiliser un agent intelligent au service de l'entreprise ? Prévoir et anticiper l'évolution des marchés Référencer le site de l'entreprise, promouvoir le dernier produit développé Récupérer automatiquement l'ensemble de l'information disponible autour d'une problématique Produire automatiquement des documents de synthèse Suivre au jour le jour la notoriété de l'entreprise Localiser automatiquement les experts dans un domaine particulier Effectuer des recherches multidimensionnelles stratégiques Créer automatiquement des rapports d'analyse sur un sujet critique Installer des groupes de travail collaboratif sans frontières géographiques A noter : Les agents intelligents sont parfois aussi utilisés de façon abusive, 23

Monsieur tout le monde Accélérer les téléchargements Supprimer la publicité Gérer le courrier Utilient des outils statistiques, linguistiques pour analyser les infos Apprennent vos préférences Vous proposent Search agent : musique, vidéo, … Shopping bots, charger un agent humain virtuel pour lire et écouter les messages, Converser avec des chatterbots Un monde d’assistants virtuels Et pourquoi pas des agents pour la décoration, frigo, …  La linguistique pour parler, écouter et analyser 24

Travaux réalisés au Laboratoire Makram Soui : "Contribution à l'évaluation des systèmes d'information personnalisés, Application au transport collectif de personnes", Janvier, 2010 Soufiène Lejmi : ‘Une approche d'Apprentissage distribué pour la composition de services Web’, Juin 2010 Besma ZEDDINI : "Modèles d'Auto-Organisation Multi-Agent pour le Transport à la Demande« , Décembre 2009 Héla Hachicha : ‘Conception et implémentation des agents mobiles sur la base d'UML’, Mars 2009 Nader Kolsi ‘Approche Multi-Agents pour la Gestion des Données d'un Data Warehouse’, soutenance prévue en 2011 Farah Barika : ‘Vers un IDS Intelligent à base d’Agents Mobiles’, soutenance prévue au mois de Juin 2011 25

Nader Kolsi : Gestion de Datawarehouse  Utiliser au mieux les ressources disponibles dans une entreprise (mémoire, espace disque, processeurs) pour accélérer le temps d’accès. DWH P1 P2 Pn Répartir au mieux les données 60

Gestion de Datawarehouse : Architecture Multi-Agent Agent Serveur 1 Agent Serveur 2 Agent Serveur i Agent Serveur j Agent Serveur k Agent Domaine 1 Agent Domaine 2 Agent Domaine n MB MB MB Agent Coursier 1 Agent Coursier 2 Méta Base BD Attente Agent Eclatement Agent Dispatcher Agent Client 1 Agent Client m Agent Client 2 61

Gestion de Datawarehouse : Dynamique Multi-Agent avec AM Capacité ADom Permission MB DWH1 Capacité AM Ok Permission ____________ MB Non MB DWH2 Permission Ok MB DWH3 62

Téléexpertise Médicale Téléexpertise Médicale : utilisation de services télématiques entre des professionnels et des experts du domaine médical pour l’assistance au diagnostic ou thérapeutique ou à d’autres types de services sanitaires Avantages Favoriser le travail coopératif Partager le savoir et le savoir faire Améliorer la qualité des soins et diminuer les coûts en réduisant les déplacements des patients et des experts du domaine 63

Téléexpertise Médicale Concevoir et mettre en œuvre un Système de Télé-expertise Médicale à base d’Agents Mobiles (1) Permettre l’interopérabilité entre des systèmes médicaux distribués et hétérogènes (2) Recherche, collecte et distribution rapide et intelligente de l ’information 64

Téléexpertise Médicale : Architecture Système de Télé-expertise Médicale à base d’Agents Mobiles Architecture du centre du demandeur Architecture du centre d’expertise AC AS BDP BDE Gestionnaire d’agent Requête Réponse Demandeur : médecin ARD GR Agent Sélecteur d’Expert Centre de Demandeur APD Contrôleur de Notification AD Migrer Agent Interface Demandeur Centre d’expertise Données Patient AP Réseau de téléexpertise Légende: BDE : Base de Données Expert AD : Agent Dispatcheur ARD: Agent Requête Demandeur BDP : Base de Données Patient APR : Agent Présentateur Requête GR : Gestionnaire de Requête AC: Agent Constructeur AP: Agent Patient AS: Agent Sécurité ASE : Agent Sélecteur Expert GR Gestionnaire d’Agent Contrôler de Notification Centre d’expertise Requête Réponse Expert Agent Interface Expert APR ARE BDE Agent Gestionnaire d’Expert Données Patient AP AD SA Connections, identification et authentification Réseau de téléexpertise Légende: ARE : Agent Réponse Expert SEA: Agent Sécurité BDE : Base de Données Expert AD : Agent Dispatcheur APR: Agent Processeur de Requête GR : Gestionnaire de Requête AP : Agent Patient

Les agents mobiles Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Définition: Une entité logicielle autonome capable de se déplacer sur le réseau. Elle peut échanger des informations avec d’autres entités qui résident sur d’autres machines, rechercher des informations en faveur de l’utilisateur… Modèles: Agent, cycle de vie, traitement, sécurité, communication et navigation. Environnement: Un système logiciel distribué sur un réseau d’ordinateurs hétérogènes. Caractéristiques Migration: forte et faible Acquisition de données Détermination d’itinéraires: pré, post et hybride Communication: orientée réseau ou nœud Interactions Avantages: Réduction du trafic réseau, alternative à l’architecture client/serveur,… Applications: Commerce électronique, veille technologique, assistance, recherche d’information 74

Architecture modulaire Objectif Croyances, intentions, passé Historique Motivations Concepts de base des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour la RI ? Exemples Prise de décision Planification Représentation Perception Exécution Environnement 79

Agents Classificateurs Système de Détection d’Intrusions Décisionnel Auto-adaptatif : Le Modèle IMA-IDS Agents Décisionnels Niveau supérieur (E. A.) (E. A.) Événements analysés (E. A.) Noyau A. A. hybride A. A. (comportemental) A. A. (scénario) (E. F.) (E. F.) Événements filtrés (E. F.) Prétraite-ment Agents Classificateurs Mise à jour filtres Événements réseau (E. R.) Bas niveau Agents Collecteurs Mise à jour paramètres de collecte 31 68