IA développementale - Intelligence Ambiante

Télécharger la vidéo : http://liris.cnrs.fr/sycosma/wiki/lib/exe/fetch.php?media=media:videos:sma_visualisation.7z

La théorie constructiviste de l’apprentissage (Piaget, 1923) a exercé une influence considérable en sciences cognitives et en IA depuis les débuts de la discipline. De nombreux travaux s’inspirent de ce paradigme, car il semble en effet que le constructivisme constitue une piste prometteuse pour dépasser les limites des techniques classiques issues du cognitivisme ou du connexionnisme. Des courants voisins tels que : IA incarnée, IA énactive, Robotique développementale sont de plus en plus étudiés. L’objectif commun à ces approches est de créer des agents intelligents, fortement autonomes car dotés d’une capacité d’adaptation à leur environnement et même d’apprentissage, à l’image des organismes biologiques. Les applications potentielles concernent des systèmes en interaction avec un environnement complexe, dont les objectifs sont variés et non prédéfinis. A l’instar de la robotique, l’Intelligence ambiante (AmI) est un paradigme présentant d’importants enjeux industriels et technologiques, et qui constitue un défi considérable pour l’IA. Dans cette optique, nous abordons notamment le problème de l’amorçage de l’apprentissage sensorimoteur. D’un point de vue constructiviste, l’apprentissage repose initialement sur l’acquisition par l’agent de motifs sensorimoteurs à partir de sa seule expérience. Cette étape est particulièrement difficile à mettre en œuvre pour des systèmes réels, continus et hétérogènes, à partir des seules données brutes et sans modélisation a priori. Pour répondre à ce problème, nous proposons ici un modèle décentralisé d’apprentissage constructiviste pour un système d’intelligence ambiante basé sur une architecture multi-agents.

Apprentissage Développemental, Constructivisme, Intelligence ambiante, Intelligence artificielle, Apprentissage, Système multi-agents

Biblio