Simulation Multi-agents Intelligence Collective Modélisation de comportements P Mathieu SMAC/LIFL/Lille1 http://www.lifl.fr/SMAC E.N.S Cachan, 4/09/2014 philippe.mathieu at lifl dot fr L’intelligence Artificielle (Mc Carthy – Minsky at Dartmouth, 1955) Définition difficile D’après M Minski : construction de programmes informatiques qui s’adonnent à des tâches qui sont,pour l’instant,accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau Donner « l’illusion » de l’intelligence Séparation philosophique l'intelligence artificielle faible (vue mécaniste) l'intelligence artificielle forte (avec conscience, sentiments) P Mathieu, SMAC/LIFL/Lille1 2/39 Alan Turing Machine de Turing (1936) Système général de programmation Calculabilité Indécidabilité de l’arrêt (semi-decidable) Un des « Casseurs » d’Enigma (1944) 1912-1954 P Mathieu, SMAC/LIFL/Lille1 Test d’intelligence (1950) – Computing machinery and intelligence – Les machines peuvent-elles penser ? 3/39 La Machine de Turing Ensemble de rubans infinis de cases (par défaut 1) Alphabet fini (par défaut 0,1) Programme : instructions de forme (q.r.w.m.q') – q état de départ – r symbole lu (0 ou 1) – w symbole écrit (0 ou 1) – q' état d'arrivée 0 1 – m mouvement réalisé (L ou R)A 0,A,R 1,B,R Programme = table des transitions P Mathieu, SMAC/LIFL/Lille1 B 1,B,R 4/39 Le Test de Turing (Variante du jeu de l’Imitation) Confrontation verbale avec un ordinateur et un autre humain, en aveugle. Si celui qui engage les conversations n'est pas capable de distinguer l'ordinateur de l’homme, on peut considérer que le logiciel de l'ordinateur a passé avec succès le test P Mathieu, SMAC/LIFL/Lille1 5/39 Evolution temporelle Ce qui est «intelligent» à l’instant t ne l’est souvent plus en t+ (c’est le cas des échecs ou du calcul formel) - jeu d'échecs (D Levy 1978-88 ,Deeper Blue) - calcul intégral (Mathematica) + traduire parfaitement un texte + conduire une voiture + jouer au foot avec un robot P Mathieu, SMAC/LIFL/Lille1 6/39 La définition d’Hofstadter Th de Tesler : « L'IA, c’est tout ce qui n'a pas encore été fait» IA : discipline de l'échec. Si on sait le faire, ça n'est plus de l'IA ! P Mathieu, SMAC/LIFL/Lille1 7/39 Intelligence Collective Systèmes Multi-Agents Certains problèmes font cohabiter et interagir des entités ``autonomes'' (éco-systèmes,...) Certains problèmes s'appuient naturellement sur une distribution logique de la connaissance (simulateurs, systèmes experts...) Certains problèmes sont physiquement répartis et nécessitent de distribuer le savoir-faire (DVMT, ...) Faire collaborer des entités ayant leur propre savoir-faire et leurs propres connaissances pour simuler ou résoudre un problème complexe. P Mathieu, SMAC/LIFL/Lille1 8/39 Les Systèmes Complexes Ils mettent en oeuvre différents composants. Ces composants interagissent avec les autres. Ils évoluent dans un environnement dynamique. Boucles de rétro-actions, systèmes co-évolutifs, … Certains aspects du système ne peuvent être observés, mesurés ou contrôlés. Les techniques analytiques permettent difficilement de capter la complexité du système (ex : le pb des N corps) P Mathieu, SMAC/LIFL/Lille1 9/39 Exemple : Proie- Prédateurs Issu de Lotka-Volterra, 1925 : évolution de deux populations animales, l'une de proies (X), l'autre de prédateurs (Y) dX/dt = a X – b X^2 – c XY dY/dt = -a’ Y + c’ XY Proies : croissance exponentielle, terme d'auto-limitation lié aux interactions entre congénères, décroissance sous l'effet de la prédation Prédateurs : décroissance exponentielle de la population qui surviendrait en l'absence de nourriture, croissance fonction de la prédation P Mathieu, SMAC/LIFL/Lille1 10/39 Résolution analytique Recherche de situations remarquables : équilibres, points fixes, catastrophes Ex : L'allure de la courbe Y=f(X) se déduit assez aisément : si b/c > 0, on obtient une spirale qui converge vers un attracteur, le point d'intersection des droites x = a’,c' et y = a/c – b/c x si b/c < 0, le sens de la spirale est inverse et finit par atteindre un des axes avec destruction du système Si b = 0 (autrement dit, pas d'auto-limitation des proies), l'attracteur est une ellipse et les oscillations sont maintenues indéfiniment. P Mathieu, SMAC/LIFL/Lille1 11/39 Problèmes liés à l’approche equationnelle Reste au niveau de la population globale avec des lois des masse. Difficultés à rentre compte des interactions au niveau de l’individu. Les équations doivent souvent être simplifiées pour être manipulées. Prédictif … et peu explicatif Domaine continu … alors que le monde est discrétisé P Mathieu, SMAC/LIFL/Lille1 12/39 L’approche "centrée individus" Chaque composant est modélisé individuellement Leur comportement est défini précisément (Qu’est-ce qu’ils font / quand / où / avec qui) On donne régulièrement la parole à chaque agent, c'est lui qui décide en fonction de son état et ses perceptions On parle le même langage que celui des spécialistes Les ordinateurs et logiciels actuels permettent d’entrer dans le détail P Mathieu, SMAC/LIFL/Lille1 13/39 Simulation à base d' « Agents » A.K. Dewdney (1984) P Mathieu, SMAC/LIFL/Lille1 14/39 Le modèle Agent Chaque agent a 3 caractéristiques clés : Un ensemble d’états internes qui le distingue de ses semblables Une mémoire interne qui lui fournit éventuellement la matière à “intelligence” et raisonnement Un ensemble d’opérations qui lui permettent notamment de raisonner et de communiquer, soit directement, soit par stigmergie. P Mathieu, SMAC/LIFL/Lille1 15/39 Système Multi-Agents : SMA SMA : ensemble d’agents qui évoluent et interagissent dans un environnement. Faire collaborer des entités ayant leur propre savoir-faire et leurs propres connaissances pour étudier (résoudre / simuler) un problème complexe. Approche Bottom-Up : modéliser individuellement pour expliquer les phénomènes macro C'est une approche ! au même titre que l'approche centrée groupe ou IA centralisée Acronymes : IBM : Individual Based Modelling ABS : Agent Based Simulation P Mathieu, SMAC/LIFL/Lille1 16/39 Qu’est-ce que l’on peut en attendre ? Se faire comprendre plus facilement des spécialistes (biologistes, sociologues, géographes, financiers,…) Simuler des milliers d’individus en interaction Analyser énormément de simulations Etudier l’apparition de phénomènes émergents Modèles explicatifs en plus d’être prédictifs Modèles que l’on peut étendre et adapter facilement Lien entre niveau micro et niveau macroscopique P Mathieu, SMAC/LIFL/Lille1 17/39 Voyelles (Y Demazeau,1997) En quelques sortes, quelles sont les bonnes questions à se poser : (A)gents : quels sont-ils ? Quels comportements ? (E)nvironnement : comment est-il construit ? (I)nteractions : qui peut faire quoi ? (O)rganisation : modele social, modèle de communication ? (U)tilisateur : quelle est sa place ? P Mathieu, SMAC/LIFL/Lille1 18/39 Les 3 qualités fondamentales Adaptativité On ajoute autant d'agents que l'on souhaite, de manière dynamique. Le systèmes est « scalable ». P Mathieu, SMAC/LIFL/Lille1 Autonomie Aucune prise de décision centralisée. Il n'y a pas « Dieu » qui collecte et qui décide pour les autres ! Emergence Apparition de structures globales non codées explicitement dans les individus. Le niveau Micro est codé. Le niveau macro ne l'est pas. 19/39 Deux grandes approches ● Minimaliste (Rasoir d'Occam) ● ● Etant donné un phénomène, quels sont les modèles et comportements les plus simples permettant d'obtenir le phénomène recherché Réaliste ● Complexifier les modèles pour coller au plus près à la réalité P Mathieu, SMAC/LIFL/Lille1 20/39 Emergence Phénomène observé au niveau macroscopique non explicitement codé au niveau des individus. Arcimboldo (1530-1593) P Mathieu, SMAC/LIFL/Lille1 21/39 Les automates Cellulaires (S Ulam, J Von Neuman, 1940) S Wolfram : A new kind of Science Les notions : Environnement – Ensemble de cases constituant un pavage (1D, 2D, 3D,...) Etats – 2 minimum, mais n possibles Voisinage – Distance de n, Moore (8 voisins), VonNeuman(4), autres … Règles d'évolution – Que faire dans toutes les configurations de voisinage possibles Configuration initiale – État de l'environnement au départ P Mathieu, SMAC/LIFL/Lille1 22/39 Automates Cellulaires Le plus simple : Automates 1 dim …. 2 états, voisinage restreint aux cellules voisines Ex : motif initial 111 110 101 100 011 010 001 000 Valeur suivante 0 0 0 1 1 1 1 0 (règle 30) Émergence de formes géométriques remarquables, différentes classes de complexité P Mathieu, SMAC/LIFL/Lille1 23/39 Echelle de complexité Wolfram détermine 4 classes Classe 1 : diagramme espace-temps uniforme (automate 32) Classe 2 : diagramme espace-temps periodique (automate 37) Classe 3 : diagrammes apparemment chaotiques (automate 150) Grande sensibilité aux conditions initiales Classe 4 : figures régulières de haut niveau, emergence (automate 110) P Mathieu, SMAC/LIFL/Lille1 24/39 L’automate 30 P Mathieu, SMAC/LIFL/Lille1 25/39 Le Jeu de la Vie (J Conway 1970) Automate à 2 dim, 2 états, 8 voisins Une cellule morte possédant exactement trois voisines vivantes devient vivante (elle naît). Une cellule vivante possédant deux ou trois voisines vivantes le reste, sinon elle meurt. P Mathieu, SMAC/LIFL/Lille1 26/39 Emergence de glisseurs, lance glisseurs, vaisseaux, jardins d’Eden, Turing equivalence, … (aleat, puftrain, max, venitian, gun30, makegun, spiral, prime) P Mathieu, SMAC/LIFL/Lille1 27/39 La fourmi virtuelle (C Langton 1986) Environnement grille, cases blanches ou noires. Fourmi avec direction (nord,sud,est,ouest). A chaque étape la fourmi se déplace d'une case dans la direction et étudie la nouvelle case : Si elle est blanche, elle la noircit et tourne à droite de 90° Si elle est noire, elle la blanchit et tourne à gauche de 90° Le système est réversible ! P Mathieu, SMAC/LIFL/Lille1 28/39 Le modèle de Ségrégation (T Schelling 1971) Deux populations sur un quadrillage Chacun a un taux de satisfaction fonction de son voisinage (moore) Si ce taux est inférieur au seuil acceptable, il bouge Une fois le système stabilisé on calcule un taux de satisfaction global, moyenne de l’ensemble des individus. P Mathieu, SMAC/LIFL/Lille1 29/39 Le modèle de Ségrégation II Emergence d’auto-organisation, de phénomènes ségrégationnistes. P Mathieu, SMAC/LIFL/Lille1 30/39 Le tri du couvain (M Resnick 1994) Des œufs sont répartis aléat sur le territoire Chaque termite a un comportement simple : S’il a les mains vides et qu’il rencontre un œuf, il le prend. S’il a un œuf et qu’il rencontre un autre œuf, il pose le premier à coté. P Mathieu, SMAC/LIFL/Lille1 31/39 Le tri du couvain II Emergence d’auto-organisation, de tri P Mathieu, SMAC/LIFL/Lille1 32/39 Les fourmis (M Resnick 1994) Chaque fourmi se déplace aléatoirement avec une proba plus forte selon la valeur des phéromones à la recherche de nourriture. Si elle rencontre de la nourriture, elle dépose ensuite des phéromones jusqu’au nid. Les phéromones s’évaporent avec le temps P Mathieu, SMAC/LIFL/Lille1 33/39 Les fourmis II Emergence de chemins dus à la collectivité ! P Mathieu, SMAC/LIFL/Lille1 34/39 Ce qu’apporte l’informaticien des SMA Travail réalisé dans le langage du domaine étudié. Système de visualisation clair et pédagogique. Modèle (plus) proche du phénomène réel. Facilité de test des différentes hypothèses du domaine. Modèle explicatif en plus d’être prédictif. Simplification des modèles proposés Enlever les scories, identifier un noyau pur P Mathieu, SMAC/LIFL/Lille1 35/39 Quelques références ... Informaticiens/ Mathematiciens Economistes/ Sciences Politiques Biologistes A Turing J Von Neuman J Mc Carthy J Conway J Nash T Schelling W Vickrey K Arrow R Axelrod J Maynard-Smith R Dawkins J Monod P Mathieu, SMAC/LIFL/Lille1 36/39 Bibliographie Godel Escher Bach D Hofstadter, Dunod Les systèmes Multi-Agents J Ferber, InterEditions Introduction to Multi-Agent Systems M Wooldridge , Wiley Artificial Intelligence A Modern Approach SJ Russel P Norvig, Prentice Hall Les systèmes complexes … H Zwirn, Odile Jacob Les créatures Artificielles J.C Heudin, Odile Jacob P Mathieu, SMAC/LIFL/Lille1 37/39 Bibliographie La theorie du Chaos J Gleick, Champs Flammarion Dieu joue t-il aux dés I Stewart, Champs Flammarion Les Systèmes Complexes H Zwirn, Odile Jacob Vie Artificielle JP Rennard, Vuibert Intelligence Collective E Bonnabeau, G Theraulaz, Hermes P Mathieu, SMAC/LIFL/Lille1 38/39 Ressources WEB www.aboutai.net Le portail de l’A.I. http://mas.cs.umass.edu/ ressources gérées par V Lesser www.aiguru.com ensemble de ressources www.faqs.org/faqs/ai-faq/ comp.ai , comp.ai.alife etc … www.markwatson.com/opencontent Artificial programming in Java Et aussi ai-depot.com , gameai.com, ai-junkie.com P Mathieu, SMAC/LIFL/Lille1 39/39