|
Modélisation logique d’agents cognitifs (BDI : Belief, Desire, Intention)
Projet SMA 2003
Un des buts de l’Intelligence Artificielle est d’élaborer des programmes qui soient capables d’agir comme des agents rationnels autonomes. Il s’agit de construire des systèmes qui puissent, de façon indépendante, prendre des décisions sur les actions à entreprendre. Mais il ne suffit pas que les programmes conçoivent la bonne action à accomplir, nous désirons en outre qu’ils exécutent ces actions. En d’autres termes, nous voulons créer des agents rationnels plongés dans un environnement donné qui vivent et agissent dans cet environnement comme nous le faisons nous-mêmes dans le nôtre. Dans l’idéal, les agents que nous désirons créer devraient être aussi aptes que nous le sommes nous-mêmes à prendre des décisions et à agir en conséquence.
Une des approches les plus prisées actuellement est celle dite BDI (Belief, Desire, Intention) qui est fondée sur les trois notions de croyance (la connaissance que possède un agent sur son environnement), de désir (les états de fait qu’il souhaite voir réalisés), et d’intention (les projets qu’il a l’intention de mener à bien).
Prenons un exemple : « Je croyais que le cours de M. Sansonnet était à 9h, et donc j’avais l’intention de rentrer de vacances la veille. Je croyais que le train n’aurait pas de retard, et je désirais avoir ma soirée libre, donc j’avais l’intention d’arriver à 18h. »
Trois avantages à utiliser ce type de représentation :
L’approche BDI se manifeste dans trois domaines distincts : le premier est celui de la philosophie, où il s’agit d’analyser les comportements raisonnés humains (essentiellement, il s’agit des travaux philosophiques de Bratman) ; le deuxième est celui de la logique mathématique (systèmes de logique BDI) ; le troisième est celui des applications (implémentation de systèmes utilisant des agents de type BDI).
Un exemple typique et influent de l’approche BDI est décrite dans le livre de M. Wooldridge « Reasoning about Rational Agents », publié en 2000 au MIT Press. Ce livre donne une présentation synthétique des trois aspects mentionnés ci-dessus:
Dans la suite de ce document, nous allons successivement :
On peut considérer que les origines des logiques BDI remontent aux travaux de Cohen et Levesque qui se limitent à deux attitudes de base des agents rationnels : les croyances et les buts. D’autres attitudes sont définies à partir de ces dernières. C’est chez Rao et Georgeff que l’on trouve la définition d’une théorie des agents fondée sur les trois modalités primitives que sont les croyances, les désirs et les intentions (Rao et Georgeff 93, 91a et b). Leur formalisme utilise un modèle de temps ramifié (Emerson et Halpern, 1986), et les mondes accessibles par les croyances, les désirs et les intentions sont eux-mêmes des structures temporelles ramifiées. Par la suite, ce formalisme de base s’est enrichi de différentes notions telles que les plans collectifs (Kinny et al. 92, Rao et Georgeff 92).
De manière technique, les logiques BDI relèvent des logiques multi-modales. Sur une base de logique du premier ordre, elles introduisent des opérateurs pour chacun des différents agents considérés. Ces opérateurs ont pour but de représenter les croyances, les désirs, et les intentions de ces agents. De plus, comme ces croyances, désirs et intentions changent au cours du temps, il s’y rajoute des opérateurs temporels. Elles relèvent donc techniquement de ce qu’on pourrait appeler des logiques temporelles, multi-modales et multi-agents.
Selon les choix effectués pour ces différents éléments, on obtient des systèmes variés. Les propriétés de chacune des composantes et leurs interactions sont décrites par des axiomes de la logique.
Les principaux problèmes sur lesquels ont porté les travaux concernent :
Conformément à la philosophie BDI, une logique BDI comporte :
Les propriétés axiomatiques expriment tout d’abord les propriétés de chacun des opérateurs, par exemple :
Elles décrivent d’autre part les interactions entre les différentes modalités. Par exemple, Cohen et Levesque affirment que sept propriétés de base doivent être satisfaites par l’intention, telles que : les agents pensent que leurs intentions sont possibles, ils ne pensent pas qu’on puisse avoir pour intention φ si φ est impossible, mais par contre, le fait que φ implique y et que l’agent ait pour intention φ n’implique pas qu’il ait pour intention y (problème du dentiste !).
Pour ce qui concerne la sémantique, elle est généralement exprimée en termes de modèle de Kripke, avec des relations d’accessibilité pour chaque opérateur. Par exemple, le opérateur correspondant à B est euclidien (axiome 5), sériel (axiome D) et transitif (axiome 4). L’opérateur de but est sériel (axiome D). Cela conduit à des modèles que l’on peut visualiser comme formés, pour chaque monde accessible pour une modalité donnée, comme une structure temporelle arborescente correspondant à l’évolution possible dans le temps.
Si la richesse et la rigueur des modélisations logiques n’est pas remise en cause, des critiques ont été émises par divers auteurs concernant en particulier l’utilité pratique des logiques multi-modales BDI : on ne dispose pas toujours d’axiomatisation complète ; les théories proposées ont une trop forte complexité algorithmique. Plus généralement, l’approche BDI elle-même est contestée : du côté de la théorie de la décision et de la planification, la nécessité d’introduire les trois notions de Belief, Desire et Intention est contestée ; du côté de la sociologie et de l’IA distribuée, on considère souvent que ces trois notions ne sont pas suffisantes.
Un autre reproche porte sur la distance souvent considérable entre les motivations philosophiques, les formalismes théoriques, et les applications du modèle BDI. Des travaux plus récents tels que ceux de Rao et Georgeff (95) tentent de porter des réponses à ces critiques en montrant en particulier comment des aménagements et des simplifications adéquates des formalismes théoriques permettent de mettre ces derniers en œuvre dans des applications réelles.
Du fait de ses principes assez simples et clairs, le formalisme BDI sert de point de référence dans de nombreuses applications, avec des adaptations spécifiques dans chaque cas particulier.
Un des premiers systèmes agent fondé sur l’architecture BDI était le PRS (Procedural Reasoning System, Georgeff et Lansky, 1986, Ingrand et al., 1992), suivi du dMARS (distributed Multi-Agent Reasoning System). Les applications de PRS/dMARS ont porté sur le contrôle aérien (système OASIS, comportant jusqu’à 80 agents, Ljungberg et Lucas, 1992), le diagnostic de navettes spatiales (Ingrand et al., 1992), ou la modélisation de combats aériens (Rao et al., 1992).
Plus récemment, on peut citer des travaux qui, s’inspirant des travaux d’Allen sur la représentation des actes de parole et actes de communication (Allen, 1999), utilisent l’approche COLLAGEN de Grosz et Sidner pour la réalisation d’un système d’interface en langue parlée.
Articles de base P. R. Cohen et H. J. Levesque. Intention is choice with commitment. Artificial Intelligence, 42(3): 213-261, 1990. Article de référence sur les aspects logiques.
A. S. Rao et M. Georgeff. BDI Agents : From Theory to Practice, In V. Lesser (ed.): Proceedings of the first International Conference on Multi-Agent Systems, pages 312-319. MIT Press, 1995. Tentative d’intégration des fondements théoriques des BDI et des aspects d’implémentation.
A. S. Rao et M. Georgeff. Decision procedures of BDI logics. Journal of Logic and Computation, 8(3): 293-344, 1998. Techniques de raisonnement en logique BDI.
BDI
[CiteSeer; NEC Research Institute; Steve Lawrence, Kurt Bollacker, Lee
Giles]
Ouvrages M. E. Bratman. Intentions, Plans, and Practical Reason. Harvard University Press: Cambridge, MA, 1987. La référence de base pour les aspects philosophiques.
M. Wooldridge. Reasoning about Rational Agents. Intelligent Robots and Autonomous Agents. MIT Press, Cambridge, Massachussetts, 2000. Synthèse présentant l’approche BDI autour de la logique LORA.
Tutoriels R. Schmidt, D. Tishkovsky, U. Hustadt, M. Fisher, C. Dixon. Proof Methods for Multi-Agents Systems. Séminaire de Dagstuhl, Nov. 2002. Résultats de complétude et de complexité pour quelques-unes des logiques les plus utilisées.
M. Pauly et M. Wooldridge. BDI Logics. 1st North American Summer School in Logic, Language, and Information with the 11th Logic, Language, and Computation, Colloquium, NASSLLI '02, Stanford, CA, June 24-30, 2002. Présentation succincte des langages de description logique.
M. Luck. Introduction to Autonomous Agents and Multi-Agent Systems. CACM, 1994. Présentation de quelques architectures agents. Problèmes d’interaction et de partage de ressources.
Equipes et Conférences
Groupe Système Multi-agent Intelligent Logique et Évolutif de l'Université de Caen Centre de Recherche en Intelligence Artificielle de Kaiserslautern et Saarbrücken Département d'Informatique de l'Université de Toronto. AgentLink : Réseau de Recherche sur les Agents
|