Intelligence Artificielle

&Systèmes Multi-

Agent Présenter par HACHIMI Abdeldjalil DJEBBARI Noureddine

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

• 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??!!

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.

 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.

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.

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.

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.

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.

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 .

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.

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.

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.

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.

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.

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.

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 :

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.•