REPUBLIQUE TUNISIENNE 0 MINISTERE DE LENSEIGNEMENT SUPERIEUR 0
REPUBLIQUE TUNISIENNE -----0 -----MINISTERE DE L’ENSEIGNEMENT SUPERIEUR --------0 ---------UNIVERSITE 7 NOVEMBRE DE CARTHAGE ----0 ----FACULTE DES SCIENCES DE BIZERTE ----0 -------ANNEE UNIVERSITBIAIRE 2008/2009 ----o---- Les Agents Intelligents Proposé par: MME KAABI SAFE Présenté par: MLLE BAAROUN NAJET
2 Plan: Introduction Définitions Les types d’agents Propriétés de l’environnement Architecture Domaines d’application Conclusion
3 Introduction • La naissance de l’IA dans les années 60 avait comme but l’initiation des comportements humains; c. à. d. donner un certain degré d’intelligence aux machines. Les chercheurs étaient extrêmement ambitieux et voulaient avoir la possibilité de modéliser: l’intelligence La connaissance Les émotions • Un peu de ces objectifs ont était atteint, mais avec les avancées de l’IA et sa rencontre aux réseaux et l’informatique, un concept d’agent intelligent est né.
4 Introduction Définitions Propriétés de l’environnement Les types d’agents Architecture Domaines d’application Conclusion
5 Définitions • Agent: Un Agent est une personne chargée des affaires et des intérêts d’un individu, d’un groupe ou d’un pays, pour le compte desquels elle agit. • Intelligence: L’intelligence est un processus qui crée une représentation mentale d’un problème, trouve dans la mémoire les informations liées au problème, et manipule cette représentation pour obtenir une solution.
6 Définitions • Agent intelligent : tout ce qui perçoit son environnement à l’aide de ses capteurs, interprète et agit sur son environnement à l’aide de ses effecteurs. Pour un humain: Perceptions • Capteurs: oreilles, yeux, nez, peau, … • Actionneurs: mains, bras, jambes, bouche, … Pour un robot: Comportement Environnement • Capteurs: caméra vidéo, laser, capteur infrarouge, tactile, … • Actionneurs: bras robotisé, roues, pinces, … Effecteurs Pour un agent logiciel (softbot): • Capteurs: données, chaînes de caractères, … • Actionneurs: données, chaînes de. Actions caractères, … Capteurs
7 Introduction Définitions Propriétés de l’environnement Les types d’agents Architecture Domaines d’application Conclusion
8 Propriétés de l’environnement Pour modéliser la structure de l'agent il faut avoir un modèle de l'environnement. ▫ L'environnement peut être vu comme étant dans un état e parmi un ensemble d'états E={e 1, . . , ei, . . } ▫ L'environnement peut changer son état soit d'une manière spontanée soit comme résultat des actions de l'agent.
9 Propriétés de l’environnement • Complètement observable / partiellement observable: ▫ Complètement observable si les capteurs d’un agent le donne accès à la totalité de l’environnement à tout moment. • Déterministe / stochastique: ▫ Déterministe si l’état suivant de l’environnement est complètement terminé par l’état courant et par l’action qu’exécute l’agent. • Épisodique / séquentiel ▫ Dans un environnement de tache épisodique l’expérience de l’agent est divisée en épisode atomique. • Statique / dynamique: ▫ Statique si l’environnement peut changer, alors un agent est entrain de libérer. • Discret / continu
10 Propriétés de l’environnement Environnement Observable Déterministe Episodique Statique Discret / stochastique / séquentiel / dynamique / continu Mots-croisés Complètement Déterministe Séquentiel Statique Discret Conduire un taxi Partiellement Stochastique Séquentiel Dynamique Continu Robot ramasseur de pièces Partiellement Stochastique Episodique Dynamique Continu
11 Introduction Définitions Propriétés de l’environnement Les types d’agents Architecture Domaines d’application Conclusion
12 Les types d’agents • Ce type «d’agent utilise la séquence table-driven agent » perceptive pour accéder à une table contenant les actions possibles. Agent reflexe simple Agent reflexe avec états function TABLE-DRIVEN-AGENT(percept)returns action Static: percepts, table objectifs Agent avec Append percept to the end of percepts action <-Agent LOOKUP(percepts, action) d’utilité avec fonction return action Agent apprenant
13 Les types d’agents Agent reflexe simple • Utilise un système de règles condition-action (système de production), ne possède pas de mémoire des états passés. Capteurs Règles condition -action Quelle action dois-je faire maintenant? Effecteurs Environnement Comment est le monde maintenant? function SIMPLE-REFLEXAGENT(percept)returns action static: rules state <-INTERPRETINPUT(percept) rule <-RULE-MATCH(state, rules) action <-RULE-ACTION[rule] return action
14 Les types d’agents Agent reflexe avec états • Possède une mémoire interne conservant les états antérieurs. Capteurs Etat Function REFLEX-AGENT-WITHSTATE(percept)returns action Comment est le monde maintenant? Environnement le monde évolue? Static: state, rules state <-UPDATE-STATE(state, percept) Quel est l’impact de mes actions? rule <-RULE-MATCH(state, rules) action <-RULE-ACTION[rule] Quelle action dois-je state<UPDATE-STATE faire (state, action) maintenant? Règles return action conditionaction Effecteurs
15 Les types d’agents Agent reflexe avec objectifs • Ils possèdent une information explicite décrivant l'objectif à atteindre. Capteurs Etat Comment est le monde maintenant? Quel est l’impact de mes actions? Comment sera le monde si je fais l’action A? Buts Quelle action dois-je faire maintenant? Effecteurs Environnement Comment le monde évolue?
16 Les types d’agents Agent basé sur l’utilité • Ce type d’agent fonde ses décisions rationnelles sur une mesure d'utilité Capteurs Etat Quel est l’impact de mes actions? Utilité Comment est le monde maintenant? Comment sera le monde si je fais l’action A? A quel point je vais être satisfait dans un tel état? Quelle action dois-je faire maintenant? Effecteurs Environnement Comment le monde évolue?
17 Les types d’agents Agent apprenant Permet : De simplifier la conception A l’agent d’avoir plus de flexibilité A l’agent d’agir dans des environnements inconnus. Standards de performance Capteurs Critique Changements Module d’apprentissage Buts d’apprentissage Module de performance Connaissances Générateur des problèmes Effecteurs Environnement Rétroaction
18 Introduction Définitions Propriétés de l’environnement Les types d’agents Architecture Domaines d’application Conclusion
19 Architecture Informations sur l’environnement et et sur d’autres agents qui existent dans le le même environnementt Les désirs que l’agent aa décidé d’accomplir Architecture BDI Architecture réactive Langages de programmation des BDI agents les états de les étatsles deétats de l'environnement quel'agent que aimerait voir réalisés.
20 Architecture BDI croyances Révision des croyances Perceptions Procès de décision action intentions désirs exécution Filtre Intentions structurées dans des plans partiels plans
21 Architecture réactive • Architecture de subsomption: L'architecture réactive la plus connue et la plus influente • comporte plusieurs modules, chaque module étant responsable de la réalisation d'une tâche simple. • Ces modules correspondent à des comportements spécifiques pour accomplir une tâche particulière, et s'appellent modules de compétence.
22 Architecture réactive Module de compétence (2) Exploration de l’environnement inhibition Module de compétence (1) déplacement dans Composante sortie l’environnement exécution suppression entrée Composante perception Module de compétence (0) Eviter les obstacles
23 Architecture Langages de programmation des agents • Conçus dans le but d’offrir des constructions spéciales pour bâtir nos agents et permettre de développer plus vite nos applications. • La programmation orientée agents a été proposée par Yoav Shoham en 1993 comme un nouveau paradigme de programmation, que l'on peut voir comme une spécialisation de la programmation orientée objets parce que les modules du programme sont maintenant des agents, c'est-à-dire des objets avec un état qui définit les notions mentales associées • Le langage de programmation proposé par Shoham comme démonstration de ce nouveau paradigme s'appelle AGENT 0
24 Introduction Définitions Propriétés de l’environnement Les types d’agents Architecture Domaines d’application Conclusion
25 Domaines d’application ØApplications industrielles ØGestion de processus de business ØCommerce électronique ØSystèmes d'information coopératifs ØInteraction homme-machine ØMondes virtuelles ØDivertissement
26 Conclusion Aujourd'hui, quelques existentd'attention d'ores et déjà Les technologies agentapplications attirent beaucoup des dans les domaines de la gestion documentaire industriels de nos jours, particulièrement pour sur des le Web et du commercelargement électronique, mais Comme on a pu le applications distribuées et ouvertes. constater, le fonctionnement de la mobilité et de l’intelligence repose sur des idées simples, mais souvent Ces applications présupposent l'interopérabilité des agents insuffisantes pour donner des solutions à tous les problèmes issus de différentes infrastructures. Ainsi, la technologie multi que l’homme pouvoirpour résoudre avec la technologie -agent semblevoudrait être la solution le développement des Agent. logiciels de demain.
27 Merci pour votre Attention
- Slides: 27