Réflexions sur l'apprentissage dans un univers multi-agents
Résumé
La faculté d'apprentissage est nécessaire à tout système intelligent. L'apprentissage est d'ailleurs étudié dans le but d'améliorer le fonctionnement du système en lui permettant d'évoluer. Dans les systèmes d'Intelligence Artificielle Distribuée, le système dans son intégralité est capable d'exécuter des tâches dont la complexité est supérieure à la somme des tâches exécutées par les agents pris individuellement. Aussi l'apprentissage est plus complexe que dans les systèmes d'IA classiques car il faut prendre en compte le collectif. Apprendre dans les systèmes d'intelligence artificielle distribuée et dans les systèmes multiagents peut être vu soit comme un apprentissage du collectif, soit comme un apprentissage individuel à partir du groupe. La première partie de l'article est consacrée à présenter quelques méthodes ou modèles d'apprentissage mis en oeuvre en IAD et dans les systèmes multi-agents. Dans la seconde partie, sont définies les principales caractéristiques de l'activité d'apprentissage telles que : la distribution, le respect de l'autonomie des agents et l'utilisation de la coopération. Enfin, les réflexions en cours sur l'apprentissage au sein du projet LIAC sont exposées. Le papier se termine par la présentation d'un mécanisme permettant de mettre en oeuvre l'apprentissage au sein d'une organisation : la relaxation restreinte.
Origine | Fichiers éditeurs autorisés sur une archive ouverte |
---|