Intelligence Artificielle Distribue et Systmes MultiAgents IADSMA 1

Intelligence Artificielle Distribuée et Systèmes Multi-Agents (IAD-SMA) 1 N. Kabachi

PLAN GENERAL Bibiliographie Historique De l’IA à l’IAD Thèmes de recherche de l’IAD Problèmes de base en IAD Société d’Agents (SMA) • Concept d’Agent • Communication • Organisation • Coopération • Résolution de conflits Exemple d’application 2 N. Kabachi

Bibiliographie • A. H. BOND et L. GASSER. Reading in distributed artificial intelligence, Morgan Kaufmann publishers, Inc, 1988. • Y. SOHAM. Agent-Oriented Programming. In Artificial Intelligence, vol. 60, pp +139 -159, 1993. • J. FERBER. Les systèmes multi-agents : vers une intelligence collective, Inter. Edition, Paris, 1995. • Y. DEMAZEAU et J. P. MULLER. Decentralized Artificial Intelligence (2), Y. Demazeau and J. P. Muller (Eds. ), Elsevier Science Publisher B. V. (North-Holland), pp. 3 -10, 1991. 3 N. Kabachi

Historique (1) Le Système HEARSAY (II) de B. Hayes-Roth : premier système d’IAD pour la reconnaissance de la parole. 1973 (Erman 80). Les Acteurs de Hewitt, MIT: résolution de problèmes d’IA, 73. Le Système DVMT de Lesser, Distributd Vehicle Monitoring Testbed, un système de trafic routier par synthèse des observations de capteurs, 83 La Société de l’Esprit de Minsky, the Society of Mind, 86. Le Système MACE de Gasser, 1987 Le Contract Net de Smith, utilisation du concept de négociation pour adjuger des contrats, 1988 Les Micro-Robots de Brooks, 1989 4 N. Kabachi

Historique (2) Une nouvelle approche s’est développée depuis, elle essaye de faire Coopérer des Entités auxquelles sont rattachées des caractéristiques de haut niveau. Ces entités seront désormais nommées Agents et les systèmes correspondants seront appelés Systèmes Multi-Agents (SMA) 5 N. Kabachi

De l’IA à l’IAD Contrairement à L’IA classique qui s’appuie sur la concentration de l’expertise et du raisonnement à un système simulant un raisonnement humain L’IAD considère que la résolution des problèmes complexes nécessite : • la distribution du contrôle • la distributions des connaissances • la distributions des informations nécessaires parmi une communauté d’acteurs (Agents). 6 N. Kabachi

Thèmes de recherche de l’IAD Trois Axes Fondamentaux : 1. Les Systèmes Multi-Agents (SMA) Faire coopérer un ensemble d’agents dotés d’un comportement intelligent et de coordonner leurs buts et leurs plans d’actions pour la résolution d’un problème. 2. La Résolution Distribuée des Problèmes (RDP) Comment diviser un problème particulier sur un ensemble d’entités distribuées et coopérantes et comment partager la connaissance du problème et d’en obtenir la solution. 3. L ’Intelligence Artificielle Parallèle (IAP) Concerne le développement de langages et d ’algorithmes parallèles pour l ’IAD. 7 N. Kabachi

Problèmes de base en IAD (1) Six Problèmes essentiels (Bond et Gasser en 88, 91) : 1. Comment formuler, décrire, décomposer, allouer des problèmes et synthétiser les résultats parmi un groupe d’agents. 2. Comment permettre aux agents de communiquer et d ’interagir quels langages ou protocoles de communication utiliser, quoi et quand communiquer. 3. Comment s’assurer que les agents agissent d’une manière cohérente dans la phase de prise de décisions ou d’exécution d’actions en évitant les interactions nuisibles. 8 N. Kabachi

Problèmes de base en IAD (2) 4. Comment s’assurer que les agents individuels représentent et raisonnent au sujet des actions, des plans et de la connaissances des autres agents afin qu’ils puissent être coordonnées entre eux. 5. Comment reconnaître et réconcilier des points de vue dispersés et des intentions conflictuelles parmi une collection d’agents qui essayent de coordonner leurs actions. 6. Comment construire des systèmes d’IAD pratiques; comment créer des plates-formes et des méthodologies de développement pour l’IAD. 9 N. Kabachi

Société d’Agents (1) SMA un système <O, E, A> où : O est un ensemble d’objets, A est un ensemble composé d’agents, O et A étant immergés dans un environnement E J. Erceau & J. Ferber, 93. SMA = Agents + Environnement + Interactions + Organisations (AEIO) Y. Demazeau, 95 L’étude des SMA permet de représenter le comportement de communautés d’agents «intelligents» en société. 10 N. Kabachi

Société d’Agents (2) Décision le monde Per cep moi tion Environnement Act ion s m Co un m 11 n tio a ic lui Com mun icati on N. Kabachi

Concepts d’Agent (1) Agent : Un Agent peut être défini comme une entité (physique ou abstraite) capable d’agir sur elle-même et son environnement, disposant d’une représentation partielle de cet environnement, pouvant communiquer avec d ’autre agents et dont le comportement est la conséquence de ses observations, de sa connaissance et des interactions avec les autres agents. J. Ferber et G. Ghallab, 88 12 N. Kabachi

Concepts d’Agent (2) Agent : une entité intelligente, agissant rationnellement et intentionnellement, en fonction de ses buts propres et de l’état actuel de sa connaissance. Y. Demazeau & J. P. Müller, 90 Deux dimensions J. Erceau & J. Ferber, 91 Sociale Individuelle 13 N. Kabachi

Concepts d’Agent (3) Agents Cognitifs vs réactifs AGENTS COGNITIFS AGENTS REACTIFS Représentation explicite de l’environnement Pas de représentation explicite Peut tenir compte de son passé Pas de mémoire locale Agents complexes Fonctionnement stimulus/action Nombre d’agents réduit Nombre d’agents élevé 14 N. Kabachi

Concepts d’Agent (4) n Agent purement situé: – – n l'environnement possède une métrique, les agents sont situés à une position dans l'environnement qui détermine ce qu'ils perçoivent; ils peuvent se déplacer; il n'y a pas communications directes entre agents, elle se font via l'environnement Agent purement communiquant: – – – il n'y a pas d'environnement au sens physique du terme, les agents n'ont pas d'ancrage physique, ils communiquent via des informations qui circulent entre les agents 15 N. Kabachi

Un Modèle Générique d’Agent Cognitif Messages / Décisions Informations (données, variables, . . . ) Messages / Décisions Boites aux Classification lettres Interprétation Création de Message / Décision. Récupération Module de Perception Envoi de Message / Décision. Module de Communication Accointances Tâches à Réaliser Associations Tâches / Contrôles Unité de Contrôle Buts m. à. j Compétences Inférences Raisonnement Base Intent/ Ratio de Méta- Mecanisme d’inférence Règles Modèle Cognitif Module de Raisonnement figure. 3. « Un Modèle Générique d’Agent Cognitif » 16 N. Kabachi

Architecture d’un Agent (1) (modèle spécifique) Agent Contrôle Perception Environnement : flux de contrôle : flux de données Connaissances Communication Communauté d'agents : Processus d'engagement 17 : Connaissances : Fonctionnalités N. Kabachi

Architecture d’un Agent (2) Agent Contrôle Perception Environnement : flux de contrôle : flux de données Connaissances Communication Communauté d'agents : Processus d'engagement 18 : Connaissances : Fonctionnalités N. Kabachi

Connaissances d’un Agent Connaissances du domaine Connaissances de contrôle • Intentions • Croyances • Décisions • Rationalités • Engagements Connaissances de communication • Accointances • Expertises de communication • Messages 19 N. Kabachi

Connaissances du Domaine Base de Faits Compétences Concepts CC : idées directrices pour déclencher les compétences méthodes Compétences Méthodes CM : connaissances sur les méthodes, heuristiques, paramètrages. Exemples : CC : Améliorer la performance du système : productivité, respects des délais, . . CM : Les méthodes de GP, les méthodes de motivation du personnel, etc. . Base de règles Règles de conception des solutions Règles de raisonnement Méta-règles 20 N. Kabachi

Processus de Prise d’Engagements (1) (contrôle) Agent Contrôle Perception Environnement : flux de contrôle : flux de données Connaissances Communication Communauté d'agents : Processus d'engagement 21 : Connaissances : Fonctionnalités N. Kabachi

Processus de Prise d’Engagements (2) Engagements Raisonnement Accointances Actions possibles Compétences Conception Tâche à réaliser Intentions Rationalités (Rs, Re) Décisions Identification Contrôle Croyances Communication Perception 22 N. Kabachi

Algorithme de Contrôle d’un Agent (exemple) Boucle : Attente flots de données (perception, communication, raisonnement) Boucle : Sélection de l’événement à traiter, - Si (Communication) : - Validation « Accointances » , - Si (Décision) : . Mise à jour « Module Cognitif » , . Activer le « Raisonnement » ( but : prendre une décision ), . Attente signal « Raisonnement » , . Activer la « Communication » ( création de décision ). - Si (Message) : . Traiter le type (requête, information, réponse) : - Si (Requête). Identifier le type de problème, . Activer le « Raisonnement » (but : répondre), . Attente signal « Raisonnement » , . Activer la « Communication » (réponse). - Si (Rationalités). Mise à jour « Module Cognitif » , - Si (Information) Fin Boucle -. . . Fin Boucle 23 N. Kabachi

Communication (1) Ensemble des processus physiques et psychologiques par lesquels s’effectue l’opération de mise en relation d’un émetteur avec un ou plusieurs récepteurs, dans l’intention d’atteindre certains objectifs. Anzieu, 68, Searle, 69 et Cohen et Levesque, 90 La communication est un moyen ou une méthode de coopération ou d’interaction entre agents 24 N. Kabachi

Communication (2) Pourquoi communiquer ? les agents communiquent et interagissent • pour synchroniser leurs actions et pour résoudre des conflits (de ressources, de buts ou d’intérêts). • pour s’aider mutuellement ou pour suppléer aux limites de leurs champs de perception. Quand et avec qui communiquer ? les agents communiquent • lorsqu’ils sont face à un problème qu’ils ne savent pas résoudre (manque de compétences ou de ressources), • lorsqu’il est nécessaire de coordonner leurs actions, • lorsqu’il y a un conflit entre plusieurs agents. 25 N. Kabachi

Communication (3) Comment communiquer ? Deux procédures de communication pour véhiculer les messages (porteurs d’informations ou d’actions) entre agents : 1. communication partage d’informations 2. communication par envoi de messages 26 N. Kabachi

Communication (4) 1. communication partage d’informations Mécanisme du Blackboard (Nii. 1986) Agent . . . Agent Structure partagée Dispositif de Contrôle 27 N. Kabachi

Communication (5) 2. communication par envoi de messages Agent Communication sélective Agent Diffusion Agent Communication avec accusé de réception 28 Agent N. Kabachi

Communication (6) Structure Générique d’un Message Numéro Message : Chaque message a un numéro d’identification. Agent Expéditeur : Nom de l’agent expéditeur Agent Destinataire : Nom de l’agent destinataire Nature : Nature du message (décision, rationalité, requête, réponse, etc. ). Type de message (urgent, prioritaire, normal) Etat : Etat du message (traité, non-traité). Contenu : Corps du message. Date : Date d’envoi du message. Type : 29 N. Kabachi

Communication (7) - Exemple Algorithme de Communication Processus d’ « Interprétation » - Scrutation de la boîte aux lettres (périodiquement, ou par signaux d’activation) - Classification en fonction du type de message, - Envoi signal à l’ « unité de contrôle » . Boucle : Attente signaux de contrôle * Processus de « Création » - Si (Décision) . Lire la valeur des paramètre (prédéfinis), . Création d’une décision pour le Centre d’Activité, - Si (Réponse Requête) . Création d’un message réponse pour l’agent demandeur, - Si (Requête). . . * Processus d’ « Envoi » - Envoi du message ou de la décision créée au destinataire. Fin Boucle 30 N. Kabachi