JeanPaulSansonnet

LIMSICNRS jps@limsi.Fr
Conceptsdagents
Introductionauxconceptsetaux
architecturesdesSystmesmultiagents
Plandelexpos
Influenceshistoriques
LesdeuxIntelligencesArtificielles
LesproblmatiquesMultiagents
DomainesdapplicationdesSMA
Conceptsfondamentauxdesagents
Entitsitue
Entitautonome
Lemondeestouvert
Populationdagents
Modlesdinteraction
ManifestationdelIntention
Architecturesdagents
Pourquoidistribuerlintelligence?
Lesdeuxclassesdarchitecturesparallles
Architecturescontrlecentralis
Architecturescontrledistribu
Agentsractifsetcognitifs
Exempledagentractifetcognitif
Architecturesdesubsomption
Architecturesdynamiquesdecontrleurs
LesVhiculesdeBraitenberg
ArchitecturesRglesdeProduction
ArchitecturesBlackboards
AgentsEpistmiques
Conclusion
JeanPaulSansonnet LIMSICNRS 2
Influenceshistoriques
JeanPaulSansonnet LIMSICNRS 3
Informatique SciencesCognitives
Vers le Paralllisme Vers lHumain
Algorithmique
Distribue
Intelligence
Artificielle
SciencesdelHommeetde
laSocit(SHS)
Biologieet
Physique
SIMD MIMD Numrique Symbolique Psychologie
Linguistique
Neurobio Biosphre
IAD:IntelligenceArtificielleDistribue
SMA:SystmesMultiAgents
Sociologie
1985
LesdeuxIntelligencesArtificielles
JeanPaulSansonnet LIMSICNRS 4
81/2
Vienner :Processus,Feedback
Hebb :Neuronesformels
VonNeumann :Automates
Perceptron,
Holland :Algosgntiques
Minsky,Papert :RfutationduPerceptron
Conway :JeudelaVie
Hewitt :Acteurs
1950 1960 1970 1980 1990
2000
Langton :Automateautoreproducteur
MLP:Perceptronmulticouches
Wolfram:Automatescellulaires
Hillis :ConnectionMachine
Minsky :Socitdelesprit
Hewitt :Mondeouvert
Langton :ArtificialLife
Brooks : Animats
Hopfield,McClelland,Rumelhart :PDP:Renouveauperceptron
McCarthy :Lisp
GPS
Winograd :SCHRDLU
Colmerauer :Prolog
Sussman :MachineLisp(MIT)
Fahlman :Rseauxsmantiques
Smalltalk
Sowa :GraphesConceptuels
Machines5meGnration
Prolog,Lisp,
Minsky :Frames
PLC
HearsayII :Blackboards
Kickpatrick :RecuitSimul
Turing :TestdIntelligence
Weizenbaum:ELIZA
Searle:ChambreChinoise
Lorentz :Chaos
InterViews
M3L MAIA
MEGA
DAFT
W
E
B
A
M
B
I
A
N
T
IASymbolique
Squentielle(GOFAI)
IADistribue
LesproblmatiquesMultiagents
JeanPaulSansonnet LIMSICNRS 5
Rsolutionde
problmes
Modlisation
etSimulation
Interaction
Homme/Machine
GnieLogiciel
Distribu
AlgosdIAD
(IntelligenceArtificielle
Distribue)
Agents
Assistants
Mondes
dagents
Plateformes
multiagents
Grainfin
Grainfort
Outils Applis
DomainesdapplicationdesSMA
Rsolutiondistribuedeproblmesalgorithmiques
Problmatique:DistribuerlesalgorithmesdIA(RO,Planification,Contraintes,)
Introductiondelaspatialitdanslesheuristiques(Algosgntiques,)
Introductiondeladaptativitdanslesheuristiques(Algosfourmi,)
Modlisation,SimulationetAnalysedentitsdistribues
Problmatique:Emergence,Morphogense,ApprentissagedeFormes,Structures,Comportements
Agentsautomates(tatcorporelsansreprsentations):agentssitus(environnementmdiateur),ArtificialLife
Agentsinformationnels(KBdumondereprsentations):ModlesBDI,Simulationsociologique
Agentshumains(Collectifshumainsmdis):tracesdinteractionsformelleset/oulangagires,extractiondepratiques
ApplicationsLogiciellesDistribues
Problmatique:Dployerdesservicesdanslinfospace
Architecturedynamiques:plateformesagents,agentsmobiles
AgentCommunicationLanguages (ACL),audessusdesprotocolesobjetsdistribus(RMI,CORBA)
Travailcoopratif:coopration(planificationdistribue),ngociation(rpartitionderessources:brokers)
InteractionetCommunicationavecdesHumains
Problmatique:OrdinaryPeopledanslinfospace
Dlgationdetche(Doitforme)et/ouderle(Actonmybehalf)
Mdiation:
agentsassistantsdinterface(Help)
agentsavatarsconversationnels
agentsubiquistes:Ambiant.
JeanPaulSansonnet LIMSICNRS 6
Conceptsfondamentauxdesagents
BODY:Dimensionphysicaliste
Unagentestuneentitautonomesituedansun
environnementouvert
Situation
Autonomie
Ouverture
MIND:Dimensionpistmique
Unagentestuneentiteninteractionavecdautresagents
dansunchampsocial
Population
Interaction
Intention
JeanPaulSansonnet LIMSICNRS 7
AGENT=BODY+MIND
Fonction=calculdcontextualis
Unefonctionestuneentitpassivequinapasde
dehors[ilfautlappelerpourquelleagisse]:
Elleneperoitpasdextrieur(normalementellenaffectepas
devariablesglobales),
Ellenapasdhistoire(chaqueexcutionestindpendantedes
prcdentes)
Ellenagitpassurleschoses.Ilnypasdeffetdebordnisurles
argumentsx,y(calculerznemodifiepasxety)nisurles
variablesglobales
BAD !
F[ x_] : = ( CPT++; x+CPT)
CPT=1; Pr i nt [ f [ 1] ] ; Pr i nt [ f [ 2] ]
3
5
LavariableglobaleCPT peuttrevuecommeun
environnementminimalistepourF quinestplusune
purefonction.
Entitsitue
Agent=agirinsitu
UnagentA0estsituen(x,y)dansunespace etilpossde
unvoisinage :
Ilpeutlepercevoirlocalementetnonglobalement
Ilpeutselereprsenter
Ilpeutagirsurcetenvironnement:
Relativement :parexempleensedplaant
Absolument :parmodificationdeltatphysiqueoumentaldeschoses
duvoisinage(choses=desobjets,dautresagents,deshumains)
Ilexisteunedimensiontemporelle(t):Chaque
changementdtatdelagentet/oudeschosesmodifie
lenvironnementetfaitprogresserletemps.
JeanPaulSansonnet LIMSICNRS 8
F
x
i
y
i
Z
i
temps
y
x
Voisinage
localdeA
0
A
0
espace
Unobjetestractif
Unobjetestuneentitpassive(ouractive).Sipersonne
nedemandelavaleurdunattributounactiveune
mthodedelobjet,alorsilnesepasserien.
UnagentestProactif
Unagentpossde,enplusdesattributsetmthodes,des
processusinternesquifonctionnentmmeenlabsence
desollicitationsexternes.Unagentpeutdoncagirmme
sipersonneneluidemanderien.
Entitautonome
Unagentestpersistant
Siunagentestproactifcestdabordparcequilestmuni
daumoinsunbutquilcherchesatisfairedemanire
persistantetantque:
Ilpensequecestencorepossible(prconditionlogique)
Ilpossdelesressourcespourlefaire(prcondition
physique)
Unagentestadaptatif
Faceunenvironnementperptuellementchangeant(Cf.
Ouverture),unagentdoitconstammentmodifierleplan
quilpoursuitpouratteindreunbut.Pourcela:
Ildoit,demanirecontinue,percevoiretvaluerla
situation(contexte)desonaction,
Construiredesreprsentationsencoursmmede
fonctionnement(cestdiretrecapable
dapprentissage).
laborerdesplansdynamiquesquilancentdesprocessus
internesouaucontrairelesstoppent.
JeanPaulSansonnet LIMSICNRS 9
AgentX
ObjetX
A=1
B=2
Sq(x):=x
2
Div[x,y):=x/y
Attributs
Mthodes
Get/Set
Call
Processus
internes
Proactivit
Get/Set
Call
{7,7}
Goal(7,7)
Lemondeestouvert
Laprogrammationclassiqueestferme
Dansl'espace:leprogrammeurauneconnaissanceglobaledulogicielconstruire.Leprincipemmedel'analysedescendante
d'applicationoudelaspcificationd'applicationestdepartirduhaut(oonvoittout)puisdedcomposerenparties
programmer.
Dansletemps:bienquelanotiondecycledevied'unlogicielintroduiseunedosededynamique,ils'agitpluttdecorrigeretde
maintenirunlogicielspcifiunefoispourtoutes.
Danslamodalit:ilexisteunevolontdedvelopperlesapplicationsdemanirelaplushomognepossible:mmespersonnes,
mmeslogicielsdedveloppement.
Danslasmantique:Lesapplicationsontunesmantiqueglobaleetstatique.
Danslacomplexit:Lesapplicationssontbiendlimitesetconuesdemanireanalytique.Cecifaciliteledcoupageenparties
pourleurmiseaupointetl'tudedeleurcomportementquiestconsidrcommedevanttretotalementprdictible.
Al'oppos,lanouvelleprogrammationestouverte(Hewitt86Officesareopensystems)
L'ouvertureestunepropritinhrentedessystmesd'informationactuels.Ellen'estvoulueparpersonnemaisc'estuntat des
chosesquel'onnepeutplussepermettred'ignorer.Pluttqued'essayerdel'enrayer,ilvautmieuxessayerdelamatriser voireen
tireravantage.Cetteouvertures'exprime:
Dansl'espace:lessystmesd'informationactuelssontintrinsquementdistribus(visionlocaleobligatoire)etsedveloppentde
manireagrgative.
Danslamodalit:lesdeuxpointsprcdentsontpourconsquencedirectequelessystmesd'informationactuelssontdeplusen
plushtrognes:environnementsdeprogrammation;pointsdevuesadoptssurunmmesujet:fonctionnel,matriel,structurel
etc.;applicationshybrides.
Danslasmantique:lesmultiplespointsdevueengendrentautantdemondessmantiqueshtrogneslesunsauxautres.
Danslacomplexit:lessystmesactuelsprsententdesinteractionstrsintriquescequilesrenddifficilesprdireetanalyser
dansl'espace:ilestdifficilededcomposerlesystmeenpartiesdboguablesindpendamment;sioncoupeunsystmeendeux onletue.
dansletemps:ilestdifficiled'analyserdessystmesenfonctionnementencontinu;sionarrteunsystmepourl'observeronletue.
JeanPaulSansonnet LIMSICNRS 10
Populationdagents
Variablesglobalesetlocales
Enprogrammationclassiquelesvariableglobalessont
accessiblestousetlesvariableslocalesnesont
accessiblespersonne.
GlobalX,Y
Func foo Locala,b
a
X
Func barLocalu,v,w
u,v
X
DansunSMAriennestcompltementglobal
Lenvironnementtantvaste(sanscompterleproblmede
lareprsentationrcursive jesaisquejesaisquejesais...
)etouvert,ilnestpaspossibleenunlieudonn(par
exemple,dansunagent)destockertoutelareprsentation
dumonde.Parcontre,unagentpeutsedplacerou
encoreinteragiravecdautresagentsquisontdansson
voisinagepourexplorerlenvironnement.
DansunSMAriennestcompltementlocal
Pourunagentdonn,toutessesentits(informations,
processus,buts,)sontlocalesmaisellesrestent
accessibleslintrospectionpardautresagents.Lemoyen
daccdercetteinformationpasseparlesinteractions
entrelesagents.
JeanPaulSansonnet LIMSICNRS 11
ChampSocialOuvert
Agent
omniscient
(AltaVista)
Voisinage
dordre1
Voisinage
dordre2
Diamtresocial
X,Y
a, b
u,v,w
Modlesdinteraction
1.InteractionAgentAgent
Niveaucommunication
Transactions:AgentCommunicationLanguages (ACL)
ConversationPolicies
Niveauconnaissance(KnowledgeLevel)
Echangedeconnaissances:KIF,XML,DAML
Htrognitsmantique
2.InteractionHumainAgent
Interactionslangagires:AnalysederequtesenLN
Raisonnementsurlestructureetlefonctionnement
Traitementdelarfrence(Drivecognitive,CommonSense)
3.InteractionMultiagents
Rsolutiondistribuedeproblmes(IAD):coopration,conflits,
ngociation,
Extractiondecomportementssurlesflotsdinteraction
4.InteractionMultihumains
Modalitlangagire:chat,mail,forums,formulaires,
Mdiationparlesobjetsinformationnels
Suivideconversations
Extractiondepratiquessociales
JeanPaulSansonnet LIMSICNRS 12
Collectifsmdiatiss Coopration/comptition
DialogueHommeMachine ACL
Agent Humain
11
NN
Typologiedesinteractions
InteractionDirecte
Actiondirecte(interdite)
Unagentpeutagirdirectementsurltatphysiquedunechosede
sonenvironnement(objet,autreagent,humain).Celaserainterdit
dansunSMA:
Requte(formelleoulangagire)
Lagentenvoieunerequteuninterlocuteurquiestunautre
agentouunhumaindesonenvironnement(pasunobjet!).
Linterlocuteurinterprtecetterequteetlasatisfaitounonen
fonctiondesapropresubjectivit(tatphysiqueetmental):
InteractionIndirecte
Blackboard(basedeconnaissances)
Plusieursagentsdposentetrecueillentdesobjetsoudes
informationsdansunepartiedelenvironnementprvueceteffet.
CettepartiecommuneestappeleBlackboard
Partagederessources(Stygmergie)
Lesmodlesdepopulationanimalesparexemplesontfondssur
unecomptitionpourunequantitderessourcespartagerquiest
fixe:laressourcesertalorsdemdiateurentrelesagents.
JeanPaulSansonnet LIMSICNRS 13
A=1
B=2
C=3
AgentX AgentY
Requte
Could you
rise your BLOB
please?
BLOB?Ah
B.NoIwont
A=1
B=2
C=3
AgentX AgentY
Y[B]++
3
Blackboard
P[x]
Q[y]
R[u]
Q[u]
Zonedeconflit
deressources
AgentX
AgentY
ManifestationdelIntention
LIntentiondanslaCommunication
LesagentsinteragissentaumoyendeLangagesdeCommunicationAgent(ACL)quirefltentcertainesdes
propritsdelalanguehumaine:
LanotiondeSpeechAct (AustinSearleBratmanVanderveken)permetunagentAdecommuniquerunagent
BnonseulementunepropositionPmaisaussilIntentionqueAprendausujetdePetdeB:
SoitP= Ilpleut
INFORM
A,B
[BEL
A
(P)]= Jecroissincrement,etjetinforme queilpleut
Consquences:
1. Bsait queAcrotsincrementP(formellementINFORMimposelasincrit)
2. Bsait queAavouluinformerBausujetdeP(coopration?menace?)
3. Bchoisit ounondadopterlacroyancedeP(ilcrotsontourP)ounon(P= Lesmartienssontdestresverts )
4. Bragit limpactque13peutavoirsursespropresstratgies.
Raisonnementsurlestracesdinteractions
Lesagentsrifientlesinteractionsdanslamesureoilssontcapablesdelestraitercommedesdonnesquils
enregistrentetsurlesquellesilssontcapablesdeffectuerdestraitements:
1. Stockage desfluxdinteraction=constructiondetraces;
2. Extraction decomportementspartirdeladtectiondergularitsdanslestraces;
3. Raction auxcomportementsperus,vuscommedes Intentionsde .
JeanPaulSansonnet LIMSICNRS 14
Architecturesdagents
Architectureinformatiqueparallle
Paralllisme:modlescontrlecentralis(SIMD)grainfin
Distribution:modlescontrledcentralis(MIMD)grainfort
Architecturesractives
Fondessurlephysicalisme(embodiment)
Modlesbasedquationsdiffrentielles,continuesoudiscrtes(automatescellulaires)
Approchesascendantesdesconcepts(mergence,subsomption,)
Paralllismegrainfin
Architecturescognitives
Fondessurlesreprsentationssymboliques(pistmique)
Modlesbasesderglessymboliquesetdelogique
Approchesnormativesdesconcepts(changedeconnaissances)
Distributiongrainfort
JeanPaulSansonnet LIMSICNRS 15
Pourquoidistribuerlintelligence?
Lesproblmessontintrinsquementphysiquementdistribus
Natureintrinsquementparallledelabiologieetdelaphysique
Natureintrinsquementconcurrentedelasociologieetdelapsychologie
Lesproblmessontintrinsquementfonctionnellementdistribus
Ingnierie:satellite=multisavoirfaire/multiexpertises
Htrognitdessavoirs
Lesrseauxdecommunicationimposentunevisiondistribue
Internet,Basesdedonnesmondiales,WebSmantique
Penserglobalagirlocal
Lacomplexitimposeunevisionlocale
NotiondespaceinformationnelTopologie:localglobal
MthodologieGlobalLocal(rpartir)etLocalGlobal(Apprendre)
Ncessitdadaptation(locale)
Changeruncentraltlphoniquenemetpasenprillerseaumondial
Pasdeffetpapillon.
JeanPaulSansonnet LIMSICNRS 16
Lesdeuxclassesdarchitecturesparallles
JeanPaulSansonnet LIMSICNRS 17
DanslemodleSIMD,lesagentsonttouslammestructure:commeles
instancesd'unemmeclasse,ilspossdentlesmmesvariablesd'tat
(slots)etlemmecomportement(mmesmthodes).Auniveaude
l'interactionaveclesautresagents,onretrouvecetteuniformit:lerseau
interactifestrgulier,homogne,symtriqueetleprotocoled'interaction
estunique.Aucoursdufonctionnement,seuleslesvaleursd'tatdes
agentssontdiffrentesetcesontellesquidessinentlaformedursultat
attendu.Onparlealorsd'Emergenceoud'IntelligenceCollective.
DanslemodleMIMD,lesagentsonttousunestructurediffrente:
ilsontdesvariablesd'tatsdiffrentesetilsexcutentdes
programmesdiffrents.Auniveaudel'interaction,ilenestdemme
;leschangessonthtrognes:entemps,envitesse,enquantit,en
topologie...Chaqueagentpossdeenquelquesortesapropre
personnalit:ilasaproprespcialit,ilpeutrsoudreuntypede
problmeparticulier.OnparlealorsdeSocitsd'Expertsoude
SystmeMultiAgents(SMA).
SIMD
MIMD
C
o
n
t
r

l
e

c
e
n
t
r
a
l
i
s

Contrle
Dcentralis
AlgorithmiqueParallle SystmesConcurrents
Architecturescontrlecentralis
JeanPaulSansonnet LIMSICNRS 18
NEST[f,S
0
,n]
Scalaire
Multiple
Newton
Recuit
May,
Topologie:Array
Voisinage
Interactionsstatiques
Contrlesynchrone
ACs,ALife,RNs
Topologie:Set
Voisinage(Ether)
Interactionsrandom
Contrleasynchrone
Ags,Cham,Gamma
0. 2 0. 4 0. 6 0. 8 1
0. 2
0. 4
0. 6
0. 8
1
Point de depart
= 2. 9
SituationS
0
Domaine : Modlisation et simulation de Processus Dynamiques Discrets.
Principe : Algorithme itratif (Nest) excut sur une seule machine.
Architecturescontrledistribu
JeanPaulSansonnet LIMSICNRS 19
KnowledgeLevel
SoftwareLevel
HardwareLevel
Collectiondynamique
dagents
Graphestatiquedetches
Rseaumatrielde
machines
T1
T4
T3
T2
T..
M1 M2
M3
M
M
Rseauxintranet
Internetglobal(Web)
Multitches
Communication
Protocoles
Routage
Pratiques
CSPdeHoare
RMI
CORBA
Transactions
Polices
n
n
2
Agentsractifsetcognitifs
AgentsRactifs
Lesagentsractifssontissusdelamodlisation
physicalistedumonde:ilssontassimilsdes
fonctionsdetransition:
JeanPaulSansonnet LIMSICNRS 20
S
t
T S
t+1
=T(S
t
)
Fonctionde
transition
Situation
Modledetypeblackbox(fonctions)
Comportementsrflexessimples
Reprsentationspurementsensorimotrices
Pasdanticipation.
Comportementstlonomiques(lisdesbuts)
Reprsentationssymboliques
Planification
Raisonnementsur
lesreprsentations
Reprsentations
dumonde
desoi(buts)
Actionssur
lemonde
Retoursdeffort
surlesactions
AgentsCognitifs
Lesagentscognitifssontissusdelamodlisation
mentalistedumonde:ilssontassimilsdessystmes
experts:
Exempledagentractifetcognitif
JeanPaulSansonnet LIMSICNRS 21
Rob r ac t i f
Lafonctiondetransition Testunensemblenonordonnderglesdetype
Si condition alors action
quisontexcutesdansuneboucleinfinieetnondterministe:
Si DP PO Alors SORTIR
Si DP PF Alors OUVRIR
Si DP PFC C Alors DEVEROUILLER
Si DP PFC Alors RANDOM-WALK
Si DC C Alors RANDOM-WALK
Si DC C Alors PRENDRE-CLE
Question:
prouverquelesystme{rgles+CI}oCI=conditionsinitialesquelconques,
converge cestdirequeRobfinitbienparsortirauboutduncertaintemps.
Rob c ogni t i f
Lagentpossdeunplan Ppoursortirquilexcutedemaniresquentielleet
dterministequellequesoitsapositiondedpartetquelquesoitltatinitialdu
monde:
ALLER-A DP appeldusousplan ALLERA(x,y)
Si PO Alors SORTIR
Sinon Si PF Alors OUVRIR;SORTIR
Sinon Si PFC
Alors Si C Alors DEVEROUILLER;OUVRIR;SORTIR
Sinon ALLER-A DC
PRENDRE-CLE
ALLER-A DP
DEVEROUILLER;OUVRIR;SORTIR
Porte
Serrure
DP
DC
Porte ouverte : PO
Porte Ferme : PF
Porte Ferme cl : PFC
Rob
Rob possde la cl : C
Rob ne possde pas la cl : C
Problme:
Roblerobotdoitsortir
delapice.
Position DP =Devant la Porte
Position DC =Devant la Cl
Architecturesdesubsomption
JeanPaulSansonnet LIMSICNRS 22
LarchitecturedeSubsomptiondeRodneyBrooks(1986)at
proposepourconstruireunenouvellegnrationdeRobots
noncognitifscommectaitlecasdanslesannesprcdentes
maisfondssurdescouchesorganisesdebasenhaut,
partirdesorganessensorimoteurs,enunehirarchiede
modulescomportementlimit.Chaqueniveauaunrapport
dedominancesurlemoduledeniveauinfrieur:
Behavior N
Behavior N1
S
R
inhibition
S
R
N2
Eviterlesobjets
Rcuprerdelnergie
Optimiserleschemins
Construireunecarte
Explorer
Prendreetdposerdesobjets
Avancerdemanirealatoire
Capteurs Effecteurs
Agenthyperractif:un
robotexplorateuren
gologie
Environnement Environnement
Architecturesdynamiquesdecontrleurs
ArchitecturesConnexionnistes
Linfluencedesrseauxdeneuronesattrsvivedanslesannes
8090etdesarchitecturesdagentsonttpropossquipossdent
uncontrleurbassurunrseaudeneuronesformels:
ArchitecturesEvolutionnistes
Demme,lesAlgorithmeGntiquesontapportdestechniques
quionttutilisespourlever(slectionnerparvolution
gntique)lesmeilleurscontrleurspossiblespourunagent
donn.Attention,danscecas,onnapasunsystmemultiagent
maisunepopulationdagents:lafin,onchoisitunseulagent:le
meilleurindividu.Danscemodle:
Lesfaitssontdeschanesbinaires,
Lesrglesintgrentenplusdesjokers#quireprsententaussi
bienun0queun1.
Unergleprendenpartiegaucheunpatternquimatchelesfaitset
enpartiedroiteceenquoilefaitdoittrercrit.Plusieurs
rglespeuventmatcherunmmefait :cestpourquoionassocie
chaquergleunpoidsquipermetdeffectuerunchoixalatoire
biaisentrelesrglesconcurrentes:
JeanPaulSansonnet LIMSICNRS 23
Basedergles:
0.4:1#10 1001
0.8:01## 0000
0.6:011# 0110
Basedefaits:
1101
0101
0011
Algorithmegntique
(Reproductiondiffrentielledesrgles)
Perception Excution
Poidsw
i
dterminer
] . [

=
i i
x w F y
RseaudeHopfield
RseauxtotalementConnects
MultiLayerPerceptron(MLP)
Rseauxcouches
1
-1
F =Sigmode
x
i

Entres
Sortiey
LesVhiculesdeBraitenberg
En1985,ValentinoBraitenbergacritunlivreintitul Vehicles
ExperimentsinSyntheticPsychologyquiproposeunmodle
dagenttotalementractif.CemodleainfluenceBrooksetfut
implmenteparLucSteelsen1994.larchitecturedelagentest
fondesurlanotiondesystmedynamique:lescapteursen
entressontdirectementrelisauxeffecteursdesortiepardes
quationsdiffrentielles.
ContrairementlarchitecturedesubsomptiondeBrooks,oles
behaviorssontexclusifsethirarchiss(leniveauNinhibeles
niveaux<N).Onaunpaquetdquationsimbriquesdodes
possibilitsdedvelopperdescomportementschaotiques(ausens
dessystmesdynamiques).
JeanPaulSansonnet LIMSICNRS 24
Capteur
Moteurgauche
Moteurdroit
Cblage
Inhibition
Peur
Attirance
Capteurs
dintensit
lumineuse
a
b
c
S R
x
y
y
dx/dt = F
1
(a, b, c, x, y, z)
dy/dt = F
2
(a, b, c, x, y, z)
dz/dt = F
3
(a, b, c, x, y, z)

= +

= +
=
10
) ( ) 1 (
10
) ( ) 1 (
:
default G G
G G
default D D
D D
V V
t V t V
V V
t V t V
Avancer
Moteurdroit
Moteurgauche
ConditionInitiale
Effecteurs Capteurs
ArchitecturesRglesdeProduction
Agent=SystmeExpert
DanslesarchitecturesbasedeRgles,onassigneun
systmeexpert(ousystmedergles)unseulagent.
Unsystmeexpertestcomposdetroisparties
essentielles:
Unebasedefaits(BF)quicontientladescriptiondestats
physiquesetmentauxdumonde,
Unebasedergles(BR)quipermetdedduiredesfaitspartir
dautresfaits,
Unmoteurdinfrence:ensembledheuristiquesde
planificationquiutilisentBFetBRpoureffectuerunetche
donne.
Basedefaits(BF):
T en 1
C en 2
GC en 3
B en 3
T en 1
upon[ B, GC]
Basedergles(BR):
Lesrglessontdelaforme:
If <conditionlist>Then <actionlist>
Exemple:unplanentroisrglespourPoserTsurGC.
If f r ee( T) f r ee( GC) then PUTON( T, GC)
If f r ee( T) Then MOVETO( Xupon( T, X) , Yf r ee( Y) )
If f r ee( GC) Then MOVETO( Xupon( GC, X) , Yf r ee( Y) )
Onalesconventionssuivantes:
X, Y sontdesvariablessur{T, C, GC, B}
MOVETOetPUTONsontdautresplans
f r ee etupon sontdesfonctions
JeanPaulSansonnet LIMSICNRS 25
Lemondedecubes
TerryWinograd (1972)
1 2 3
T
GC
C
B
Rob:agentexpert
ArchitecturesBlackboards
LesystmeexpertHearsay II
Loriginedesarchitecturesdesystmesmultiagentsbasedetableauxnoirs(blackboard)vientduprojetHEARSAYII
(Erman etal1980)quitaitunsystmemultiexpertspourlareconnaissancedelaparole.ChaqueexpertdeHEARSAYII
taitunmoduledIAclassiquespcialisdansundesdomainesdelareconnaissancedelaparole.
Unearchitecturetableaunoircomprendtroissoussystmes(HayesRoth1985)
1. UnensembledeKnowledgeSources(KSi),
2. UnebasedeconnaissancespartageouBlackboard,
3. UndispositifdecontrledaccsdeKSi auBlackboard.
JeanPaulSansonnet LIMSICNRS 26
KS
1
KS
2
KS
3
KS
..
KS
n
Contrle
daccs
Blackboard
(connaissancespartages)
AgentsEpistmiques
LaSocitdeLesprit
En1985,MarvinMinskyduMITaprsentsonlivre
fondateurLaSocitdelespritoilbatenbrche
lapprochesquentielledelIntelligenceArtificielleau
profitduneapprochecompltementdistribue.Il
proposededcrirenonpasunepopulationmaisun
sujetuniquecommeunesocitdagentsen
interaction.Leproblmeestalorsinvers:
SystmeMultiagents=Population
Simulationsociale,
Organisationdecomportementscollectifs,
ComptenceDistribue.
SystmeMultiagent=Unagentunique
Individuation(synthsedusujetcommemergent)
Modlisationparallledelacognitionhumaine
Subjectivit(awareness,..).
HomonculusFallacy
Celaadbouchsurdesmodlesdeprogrammationagentde
typercursifotoutoupartiedelagentestluimme
implmentesousformedunedesarchitecturesprcdentes.
CesmodulesrcursifsonttcritiqusparD.C.Dennett
commelhomonculusfallacydanssonlivre
Consciousnessexplained(1991)oleconcepteurenfouit
toujoursplusloinlimplmentationdesconceptsagents.
JeanPaulSansonnet LIMSICNRS 27
SystmeMultiagents
LaSocitdelesprit
Homonculus
fallacy
1 agent =1 SMA
Conclusion
Lanotiondagentestintgrative
ConceptsissusdesSciencesCognitivesetdesSciencesduVivant
ArchitecturesissuesdelInformatiqueDistribue
Ralisationsinformatiquesextrmementvaries
Champapplicatif
LaSimulationdesystmescomplexes(micro oumacroscopiques)
Lalgorithmiqueintrinsquementdistribue
LinteractionHomme(s)/Machines(s)
LaSocioinformatique.
Deuxlivresderfrence
LesSystmesMultiagents,J.Ferber,1995
MultiagentSystems,M.Wooldridge,2002
JeanPaulSansonnet LIMSICNRS 28