2. Plan
Historique
Qu'est-ce que l'intelligence artificielle
Domaines de l’IA
limites de l'approche classique de l'IA
Intelligence artificielle distribuée
IA vs IAD
Les Trois Axes Fondamentaux de l’IAD
Système multi-agent
Conclusion
3. • Depuis les années 50 l’homme réussissait à réaliser
une machine qui ressemble à l’être humain, mais il a
marqué un problème d’intelligence pour une
meilleure simulation du comportement de l'être
humain.
Can
machine
think??!!
4. Qu'est-ce que l'intelligence
artificielle ?
L'intelligence artificielle est souvent abrégée avec le
sigle « IA ». Cette invention a pour but de reproduire
au mieux les fonctions, les gestes, les pensées, le
raisonnement d'un cerveau humain. Afin
d'imiter l'homme, et utilise pour cela des robots.
5.
Domaines de l’IA
Analyse de texte: vise à la compréhension, la traduction, ou la
production du langage (écrit ou parlé).
Reconnaissance de formes: des visages et la vision en général.
Représentation des connaissances: traite le problème de la
représentation des connaissances et de la mise en œuvre du
raisonnement.
Robotique : vise à réaliser des agents physiques qui peuvent agir dans
le monde.
6. Limites de l'approche classique
de l'IA 1/2
• L'évolution des domaines d'application de l'IA pour recouvrir
des domaines complexes et hétérogènes tels que l'aide à la
décision, la reconnaissance et la compréhension des fromes, la
conduite des processus industriels, etc.. a montré les limites de
l'approche classique de l'IA qui s'appuie sur une centralisation
de l'expertise au sein d'un système unique.
7. Limites de l'approche classique
de l'IA 2/2
• Les travaux menés au début des années 70 sur
la concurrence et la distribution ont la
contribué à la naissance d'une nouvelle
discipline : l'Intelligence Artificielle Distribuée
IAD.
8. Intelligence artificielle distribuée
IAD a pour but de remédier aux insuffisances de l'approche
classique de l'IA en proposant la distribution de l'expertise
sur un groupe d'agent.
L' IAD peut alors être définie comme étant la branche de
l'IA qui s'intéresse à la modélisation de comportement
intelligent par la coopération entre un ensemble d'agents
opèrent collectivement et de façon décentralisée pour
aboutir à un objectif global.
9. Comparaison entre l'IA et l'IAD
1/2
• A la différence de l'intelligence artificielle classique qui
modélise le comportement intelligent d'un seul agent,
l'intelligence artificielle distribuée IAD s'intéresse à des
comportements intelligents qui sont le produit de
l'activité coopérative de plusieurs agents.
• Le passage du comportement individuel aux
comportement collectifs est considéré comme un
enrichissement de l'IA.
10. Comparaison entre l'IA et l'IAD
2/2
A travers cet enrichissement L’IAD considère que la
résolution des problèmes complexes nécessite :
La distribution du contrôle.
La distribution des connaissances
La distribution des informations nécessaires parmi une
communauté d’acteurs .
11. Les Trois Axes Fondamentaux
de l’IAD
Les Systèmes Multi-Agents (SMA)
La Résolution Distribuée des Problèmes (RDP)
L ’Intelligence Artificielle Parallèle (IAP).
Parmi les trois axes de l’IAD nous intéressons à étudier
les Systèmes Multi-Agents.
12. Système multi-agent
Définition d’un Système Multi-Agents
Un système multi-agents est une communauté d’agents
autonomes travaillant en commun, selon des modes parfois
complexes de coopération, conflit, concurrence, pour
aboutir à un objectif global.
13. Qu’est-ce qu’un agent ?
Un agent est une entité réelle ou virtuelle
évoluant dans un environnement, capable de le
percevoir, qui peut communiquer avec d’autres
agents.
14. Caractéristiques des agents
• Capable de percevoir et d’agir dans un environnement,
• peut communiquer directement avec d’autres agents,
• possède des ressources propres,
• possède des compétences et offre des services,
• peut éventuellement se reproduire.
15. Types d'agent intelligent
• Agents réactifs: leur comportement est de type stimulus/
réponse.
• Agents cognitifs: habileté a raisonner sur leurs
connaissances.
• Agents hybrides : combinaison de ces deux approche.
16. Caractéristiques des SMA
• Le contrôle de système est réparti.
• Les données manipulés sont décentralisé
• Les traitements sont asynchrones.
D’autre part un SMA peut être :
• Ouvert : les agents rentrent et sortent librement.
• Fermé : l’ensemble des agents reste le même.
• Homogène : tout les agents sont construit sur le même
modèle .
• Hétérogène : les agents sont construits à partir des modèles
différents.
17. Domaines d’applications
des systèmes multi-agent
• Une grande partie des applications de système multi-
agents est dans le domaine de recherche d'informations.
Cette architecture de système multi-agents permet la
recherche d'informations dans des sources hétérogènes
et réparties :
18. Conclusion
• les applications à base de systèmes multi-agents sont
utilisées de plus en plus dans la vie réelle
• Permettre de modéliser des systèmes et des
phénomènes du monde réelle.
• Offre plusieurs avantage (robustesse, …) mais leurs
principales inconvénients résident dans la conception et
la modélisation ainsi que la communication entre agents.
•