Intelligence artificielle, approche située - Artificial intelligence, situated approach
Dans la recherche en intelligence artificielle , l' approche située construit des agents conçus pour se comporter efficacement avec succès dans leur environnement. Cela nécessite de concevoir l'IA "de bas en haut" en se concentrant sur les compétences perceptives et motrices de base nécessaires pour survivre. L'approche située donne une priorité beaucoup plus faible au raisonnement abstrait ou aux compétences de résolution de problèmes.
L'approche a été proposée à l'origine comme une alternative aux approches traditionnelles (c'est-à-dire les approches populaires avant 1985 environ). Après plusieurs décennies, les technologies d' IA classiques ont commencé à faire face à des problèmes insolubles (par exemple, une explosion combinatoire) lorsqu'elles sont confrontées à des problèmes de modélisation du monde réel. Toutes les approches pour aborder ces questions se concentrent sur la modélisation d'intelligences situées dans un environnement. Ils sont devenus connus comme l'approche située de l'IA.
Émergence d'un concept
De l'IA traditionnelle à la Nouvelle IA
À la fin des années 1980, l'approche maintenant connue sous le nom de Nouvelle IA ( Nouvelle signifie nouveau en français) a été lancée au laboratoire d'intelligence artificielle du MIT par Rodney Brooks . Contrairement à l' intelligence artificielle classique ou traditionnelle , Nouvelle AI a volontairement évité l'objectif traditionnel de modélisation des performances au niveau humain, mais essaie plutôt de créer des systèmes dotés d'une intelligence au niveau des insectes, plus proches des robots du monde réel. Mais finalement, au moins au MIT, la nouvelle IA a conduit à une tentative d'IA humanoïde dans le projet Cog .
De la Nouvelle IA à l'IA comportementale et située
Le virage conceptuel introduit par la nouvelle IA a prospéré dans le domaine de la robotique, laissant place à l' intelligence artificielle basée sur le comportement (BBAI), une méthodologie de développement de l' IA basée sur une décomposition modulaire de l'intelligence. Il a été rendu célèbre par Rodney Brooks : son architecture de subsomption a été l'une des premières tentatives pour décrire un mécanisme de développement de BBAI. Il est extrêmement populaire en robotique et dans une moindre mesure pour implémenter des agents virtuels intelligents car il permet la création réussie de systèmes dynamiques en temps réel pouvant fonctionner dans des environnements complexes. Par exemple, il sous-tend l'intelligence des équipes de robots Sony , Aibo et de nombreuses RoboCup .
Réalisant qu'en fait toutes ces approches visaient à construire non pas une intelligence abstraite, mais plutôt une intelligence située dans un environnement donné, elles sont devenues connues sous le nom d'approche située. En fait, cette approche découle des premières idées d' Alan Turing , décrivant la nécessité de construire des machines équipées d'organes sensoriels pour apprendre directement du monde réel au lieu de se concentrer sur des activités abstraites, telles que jouer aux échecs.
Définitions
Classiquement, une entité logicielle est définie comme un élément simulé, capable d'agir sur lui-même et sur son environnement, et qui a une représentation interne de lui-même et du monde extérieur. Une entité peut communiquer avec d'autres entités, et son comportement est la conséquence de ses perceptions, de ses représentations et de ses interactions avec les autres entités.
boucle d'IA
Simuler des entités dans un environnement virtuel nécessite de simuler l'ensemble du processus qui va d'une perception de l'environnement, ou plus généralement d'un stimulus, à une action sur l'environnement. Ce processus est appelé boucle d'IA et la technologie utilisée pour le simuler peut être subdivisée en deux catégories. L'IA sensorimotrice ou de bas niveau traite soit du problème de perception (qu'est-ce qui est perçu ?) soit du problème d'animation (comment les actions sont-elles exécutées ?). L' IA décisionnelle ou de haut niveau traite du problème de sélection d'action (quelle est l'action la plus appropriée en réponse à une perception donnée, c'est-à-dire quel est le comportement le plus approprié ?).
IA traditionnelle ou symbolique
Il existe deux approches principales en IA décisionnelle. La grande majorité des technologies disponibles sur le marché, telles que les algorithmes de planification , les machines à états finis (FSA), ou les systèmes experts , sont basées sur l' approche d'IA traditionnelle ou symbolique . Ses principales caractéristiques sont :
- Elle est descendante : elle subdivise, de manière récursive, un problème donné en une série de sous-problèmes censés être plus faciles à résoudre.
- Elle est basée sur la connaissance : elle s'appuie sur une description symbolique du monde, telle qu'un ensemble de règles.
Cependant, les limites de l'IA traditionnelle, dont le but est de construire des systèmes mimant l'intelligence humaine, sont bien connues : inévitablement, une explosion combinatoire du nombre de règles se produit en raison de la complexité de l'environnement. En effet, il est impossible de prévoir toutes les situations qui seront rencontrées par une entité autonome.
IA située ou comportementale
Afin de répondre à ces problèmes, une autre approche de l'IA décisionnelle, également appelée IA située ou comportementale , a été proposée. Il ne cherche pas à modéliser des systèmes qui produisent des processus de raisonnement déductif, mais plutôt des systèmes qui se comportent de manière réaliste dans leur environnement . Les principales caractéristiques de cette approche sont les suivantes :
- Elle est bottom-up : elle s'appuie sur des comportements élémentaires, qui peuvent être combinés pour mettre en œuvre des comportements plus complexes.
- Elle est comportementale : elle ne s'appuie pas sur une description symbolique de l'environnement, mais plutôt sur un modèle des interactions des entités avec leur environnement.
Le but de l'IA située est de modéliser des entités autonomes dans leur environnement. Ceci est obtenu grâce à la fois à la robustesse intrinsèque de l'architecture de contrôle et à ses capacités d'adaptation aux situations imprévues.
Agents situés
En intelligence artificielle et en sciences cognitives , le terme situé désigne un agent qui s'encastre dans un environnement. Le terme situé est couramment utilisé pour désigner les robots , mais certains chercheurs soutiennent que les agents logiciels peuvent également être situés si :
- ils existent dans un environnement dynamique (en évolution rapide), qui
- ils peuvent manipuler ou changer par leurs actions, et qui
- ils peuvent sentir ou percevoir .
Les exemples peuvent inclure des agents Web, qui peuvent modifier des données ou déclencher des processus (tels que des achats) sur Internet, ou des robots de réalité virtuelle qui habitent et modifient des mondes virtuels, tels que Second Life .
Être situé est généralement considéré comme faisant partie de l' incarnation , mais il est utile de considérer chaque perspective individuellement. La perspective située souligne que le comportement intelligent dérive de l'environnement et des interactions de l'agent avec lui. La nature de ces interactions est définie par l'incarnation d'un agent.
Principes de mise en œuvre
Décomposition modulaire
L'attribut le plus important d'un système piloté par l'IA située est que l'intelligence est contrôlée par un ensemble de modules semi- autonomes indépendants . Dans les systèmes d'origine, chaque module était en fait un périphérique séparé ou était au moins conçu comme s'exécutant sur son propre thread de traitement . En général, cependant, les modules ne sont que des abstractions . À cet égard, l'IA située peut être considérée comme une approche d' ingénierie logicielle de l'IA, peut-être apparentée à la conception orientée objet .
L'IA située est souvent associée à la planification réactive , mais les deux ne sont pas synonymes. Brooks a préconisé une version extrême du minimalisme cognitif qui exigeait initialement que les modules de comportement soient des machines à états finis et ne contiennent donc aucune mémoire ou apprentissage conventionnel . Ceci est associé à l'IA réactive car l'IA réactive nécessite de réagir à l'état actuel du monde, et non à la mémoire ou à la préconception d' un agent de ce monde. Cependant, l'apprentissage est évidemment la clé d' une IA forte et réaliste , donc cette contrainte a été assouplie, mais pas entièrement abandonnée.
Mécanisme de sélection des actions
La communauté de l'IA située a présenté plusieurs solutions pour modéliser les processus de prise de décision, également appelés mécanismes de sélection d'action. La première tentative pour résoudre ce problème remonte aux architectures de subsomption , qui étaient en fait plus une technique d'implémentation qu'un algorithme. Cependant, cette tentative a ouvert la voie à plusieurs autres, notamment les hiérarchies de free-flow et les réseaux d'activation . Une comparaison de la structure et des performances de ces deux mécanismes a démontré l'intérêt d'utiliser des hiérarchies à flux libre pour résoudre le problème de sélection d'action. Cependant, les schémas moteurs et les langages de description de processus sont deux autres approches qui ont été utilisées avec succès pour les robots autonomes.
Notes et références
- Arsenio, Artur M. (2004) Vers une IA incarnée et située , In: Proceedings of the International FLAIRS conference, 2004. (en ligne)
- La voie de la vie artificielle vers l'intelligence artificielle : la construction d'agents intégrés, situés , Luc Steels et Rodney Brooks Eds., Lawrence Erlbaum Publishing, 1995. ( ISBN 978-0805815184 )
- Rodney A. Brooks Cambrian Intelligence (MIT Press, 1999) ISBN 0-262-52263-2 ; collection d'articles anciens, dont « Intelligence sans représentation » et « Intelligence sans raison », de 1986 et 1991 respectivement.
- Robotique basée sur le comportement Ronald C. Arkin (MIT Press, 1998) ISBN 0-262-01165-4
- Hendriks-Jansen, Horst (1996) Se prendre en flagrant délit : activité située, émergence interactive, évolution et pensée humaine . Cambridge, Mass. : MIT Press.