Pays : France
Langue(s) : français
Auteur(s) : LANA DE CARVALHO Léonardo
Date de soutenance : 2008
Thèse délivrée par : Université Lumière-Lyon 2
Section(s) CNU : section 16 : Psychologie, psychologie clinique, psychologie sociale
Discipline(s) : sciences de l'éducation, informatique et communication
Sous la direction de : Robert MARTIN & Salima HASSA
Jury de thèse : LOPES Ederaldo José, FERBER Jacques, GORDON Mirta, BASTIEN Claude, FRECON Claude, CADET Bernard
« La complexité des systèmes cognitifs naturels nous pousse à envisager l’évolution de l’acte de « computation » vers des systèmes complexes auto-adaptatifs capables d’auto-développement. Nous pensons que les représentations émergentes sont les mécanismes de transition entre les systèmes artificiels intelligents actuels et des systèmes cognitifs artificiels. Le concept de représentation est abordé au travers du concept de représentation matérielle et du concept de représentation sociale à partir d’une perspective émergentiste. Le concept de représentation matérielle est aux origines de la psychologie cognitive. L’hypothèse que l’esprit soit un Système Symbolique Physique veut expliquer le mental comme système de manipulation de symboles. En opposition à l’hypothèse symbolique de la représentation, nous pensons que les représentations ne sont pas des symboles matériels statiques mais des systèmes dynamiques, émergents, complexes et auto-organisateurs.
Les représentations sont essentielles pour définir les systèmes cognitifs, l'esprit et le niveau intentionnel. Pourtant ni l’approche symbolique ni l'approche dynamique ne sont suffisantes pour une bonne définition de la représentation. Dans l’approche dynamique, le problème majeur est de différencier le concept de cognition de celui de représentation quand on considère que tout les deux sont dynamiques et que l’un fait partie de l’autre.
Entre la psychologie cognitive et l’Intelligence Artificielle Distribuée (IAD), dans une approche multi-agents, nous concevons des systèmes intelligents artificiels capables de résoudre des problèmes non-triviaux (ici, des problèmes d'optimisation). Nous nous basons sur quelques concepts communs à la psychologie cognitive et à l’IAD : représentations, auto-organisation, systèmes complexes, couplage structurel, émergence, intentionnalité, complexité systémique, complexité de calcul, etc. La méthode est celle de la psychologie informatique où les systèmes artificiels sont utiliser pour réaliser des expériences numériques afin d’évaluer les théories de la cognition.
L’approche des systèmes complexes par multi-agents permet de mettre en interaction plusieurs unités autonomes de traitement de l’information et ainsi d’avoir non seulement un processus dynamique mais aussi un couplage entre une structure émergente et un processus dynamique. L’objectif est de montrer l’émergence de systèmes complexes qui peuvent résoudre des problèmes d’optimisation tout en gardant une mémoire de la solution. Un système complexe (une structure et un processus émergents) émerge et garde une valeur informationnelle stable et non-réactive aux changements de problèmes.
Cette vision nous a amené à développer le concept de représentation émergente (introduit par Steels en 2003) à partir d’une décomposition selon deux axes : collectif-individuel et interne-externe. Dans la composition collectif/interne, un modèle spécifique est proposé, le Modèle d’Emergence de Représentations (MER). Quatre principes caractérisent le MER et un diagramme de classes UML le décrit. D’après le MER, les représentations émergentes sont vues en tant que systèmes complexes internes adaptatifs stables et non-réactifs. L’application du MER dans la résolution de problèmes a été faite à partir des algorithmes d’optimisation naturels, comme l'Optimisation par Essaim de Particules et l'Optimisation par Colonie de Fourmis. Ces systèmes inspirés de la nature nous ont conduit à l’adaptation du modèle de ségrégation de Schelling pour la résolution de problèmes d’optimisation. Un nouvel algorithme d’optimisation est présenté, appelé Optimisation par Tolérance à la Différence (OTD). Il ne s’agit pas pour autant d’une nouvelle méthode d’optimisation car un travail de standardisation reste à réaliser. L’intérêt de l’OTD est : (i) de montrer comment les représentations peuvent émerger du modèle de ségrégation de Schelling, (ii) de résoudre de problèmes d’optimisation, (iii) de montrer un système complexe qui s’adapte aux changements des problèmes et qui garde encore une mémoire stable et non-réactive aux changements de l’environnement. La différence entre l’OTD et les autres algorithmes d’optimisation naturelle porte sur l’émergence de représentations.
Suite à nos résultats et à l’analyse statistique des performances, l’impact du MER nous conduit à soutenir que les processus mentaux possèdent des représentations émergentes et que celles-ci guident le développement cognitif, de la cognition de bas niveau à celle de haut niveau, en utilisant l’information interne, stable et non-réactive que le système s’est construit spontanément. Les représentations émergentes sont nécessaires pour organiser et guider le système parmi les formes optimales les plus adaptés à un événement. »
7La représentation émergente, étudiée par des expériences numériques, est particulièrement intéressante dans la psychologie, les sciences de l’Homme et les sciences cognitives, puisqu’elle se rapporte à l’hypothèse matérielle ou naturelle de l'intelligence et de la cognition. Les perspectives de ce travail gravitent autour de trois points : (i) utilisation de l'algorithme OTD pour optimiser l’apprentissage des réseaux de neurones, en particulier sur l’apprentissage de la fonction logique XOR ; (ii) standardisation d'une nouvelle méthode d'optimisation naturelle (Optimisation par Tolérance à Différence - OTD) et (iii) applications en sciences humaines et économie (simulation de l'équilibre local de Nash). »
mot(s) clé(s) : représentations
Représentations émergentes : Une approche multi-agents des systèmes complexes adaptatifs en psychologie cognitive
Auteur(s) : LANA DE CARVALHO Léonardo
Date de soutenance : 2008
Thèse délivrée par : Université Lumière-Lyon 2
Section(s) CNU : section 16 : Psychologie, psychologie clinique, psychologie sociale
Discipline(s) : sciences de l'éducation, informatique et communication
Sous la direction de : Robert MARTIN & Salima HASSA
Jury de thèse : LOPES Ederaldo José, FERBER Jacques, GORDON Mirta, BASTIEN Claude, FRECON Claude, CADET Bernard
« La complexité des systèmes cognitifs naturels nous pousse à envisager l’évolution de l’acte de « computation » vers des systèmes complexes auto-adaptatifs capables d’auto-développement. Nous pensons que les représentations émergentes sont les mécanismes de transition entre les systèmes artificiels intelligents actuels et des systèmes cognitifs artificiels. Le concept de représentation est abordé au travers du concept de représentation matérielle et du concept de représentation sociale à partir d’une perspective émergentiste. Le concept de représentation matérielle est aux origines de la psychologie cognitive. L’hypothèse que l’esprit soit un Système Symbolique Physique veut expliquer le mental comme système de manipulation de symboles. En opposition à l’hypothèse symbolique de la représentation, nous pensons que les représentations ne sont pas des symboles matériels statiques mais des systèmes dynamiques, émergents, complexes et auto-organisateurs.
Les représentations sont essentielles pour définir les systèmes cognitifs, l'esprit et le niveau intentionnel. Pourtant ni l’approche symbolique ni l'approche dynamique ne sont suffisantes pour une bonne définition de la représentation. Dans l’approche dynamique, le problème majeur est de différencier le concept de cognition de celui de représentation quand on considère que tout les deux sont dynamiques et que l’un fait partie de l’autre.
Entre la psychologie cognitive et l’Intelligence Artificielle Distribuée (IAD), dans une approche multi-agents, nous concevons des systèmes intelligents artificiels capables de résoudre des problèmes non-triviaux (ici, des problèmes d'optimisation). Nous nous basons sur quelques concepts communs à la psychologie cognitive et à l’IAD : représentations, auto-organisation, systèmes complexes, couplage structurel, émergence, intentionnalité, complexité systémique, complexité de calcul, etc. La méthode est celle de la psychologie informatique où les systèmes artificiels sont utiliser pour réaliser des expériences numériques afin d’évaluer les théories de la cognition.
L’approche des systèmes complexes par multi-agents permet de mettre en interaction plusieurs unités autonomes de traitement de l’information et ainsi d’avoir non seulement un processus dynamique mais aussi un couplage entre une structure émergente et un processus dynamique. L’objectif est de montrer l’émergence de systèmes complexes qui peuvent résoudre des problèmes d’optimisation tout en gardant une mémoire de la solution. Un système complexe (une structure et un processus émergents) émerge et garde une valeur informationnelle stable et non-réactive aux changements de problèmes.
Cette vision nous a amené à développer le concept de représentation émergente (introduit par Steels en 2003) à partir d’une décomposition selon deux axes : collectif-individuel et interne-externe. Dans la composition collectif/interne, un modèle spécifique est proposé, le Modèle d’Emergence de Représentations (MER). Quatre principes caractérisent le MER et un diagramme de classes UML le décrit. D’après le MER, les représentations émergentes sont vues en tant que systèmes complexes internes adaptatifs stables et non-réactifs. L’application du MER dans la résolution de problèmes a été faite à partir des algorithmes d’optimisation naturels, comme l'Optimisation par Essaim de Particules et l'Optimisation par Colonie de Fourmis. Ces systèmes inspirés de la nature nous ont conduit à l’adaptation du modèle de ségrégation de Schelling pour la résolution de problèmes d’optimisation. Un nouvel algorithme d’optimisation est présenté, appelé Optimisation par Tolérance à la Différence (OTD). Il ne s’agit pas pour autant d’une nouvelle méthode d’optimisation car un travail de standardisation reste à réaliser. L’intérêt de l’OTD est : (i) de montrer comment les représentations peuvent émerger du modèle de ségrégation de Schelling, (ii) de résoudre de problèmes d’optimisation, (iii) de montrer un système complexe qui s’adapte aux changements des problèmes et qui garde encore une mémoire stable et non-réactive aux changements de l’environnement. La différence entre l’OTD et les autres algorithmes d’optimisation naturelle porte sur l’émergence de représentations.
Suite à nos résultats et à l’analyse statistique des performances, l’impact du MER nous conduit à soutenir que les processus mentaux possèdent des représentations émergentes et que celles-ci guident le développement cognitif, de la cognition de bas niveau à celle de haut niveau, en utilisant l’information interne, stable et non-réactive que le système s’est construit spontanément. Les représentations émergentes sont nécessaires pour organiser et guider le système parmi les formes optimales les plus adaptés à un événement. »
7La représentation émergente, étudiée par des expériences numériques, est particulièrement intéressante dans la psychologie, les sciences de l’Homme et les sciences cognitives, puisqu’elle se rapporte à l’hypothèse matérielle ou naturelle de l'intelligence et de la cognition. Les perspectives de ce travail gravitent autour de trois points : (i) utilisation de l'algorithme OTD pour optimiser l’apprentissage des réseaux de neurones, en particulier sur l’apprentissage de la fonction logique XOR ; (ii) standardisation d'une nouvelle méthode d'optimisation naturelle (Optimisation par Tolérance à Différence - OTD) et (iii) applications en sciences humaines et économie (simulation de l'équilibre local de Nash). »
mot(s) clé(s) : représentations
