L'IA et les simulations

Vers une simulation comportementale plus réaliste

Personnalisation

• Des modèles identiques mais des personnalités différentes
• Des comportements différents liés aux personnalités, aux émotions

De la vie

• Emotions
• Comportement coopératif
• Comportement d'opposition
• Adaptation
• Mémoire
  

Une méthode de conception accessible

"Diviser pour régner"

• Une conception décomposée
• Concevoir le traitement de chaque sous problème indépendamment
• Centre d'intérêt = module de traitement d'un seul sous problème : il apporte une solution locale
• Motivation et Opportunité
• Concurrents : lors de la production, chacun est conçu séparément
• Coopérants : lors de l'utilisation, le système détermine la meilleure solution globale à partir des solutions locales

Une intégration simplifiée

• Intégration dans la chaîne de production :
  • Les concepteurs posent les bases des modèles (40%)
  • Les scripteurs les terminent et les afinent (50%)
  • Les programmeurs interfacent SpirOps avec la simulation (10%)
• Interfaçage aisé :
  • Vers la simulation : les actuateurs et leurs paramètres
  • Depuis la simulation : les percepteurs

Depuis les informations vers les actions : les blocs de traitement

• Calculer les motivations des centres d'intérêt
  • Importance de la personnalité : influence sur le choix du comportement
  • Importance des émotions : influence sur le choix du comportement
• Calculer les opportunités correspondant aux différents actuateurs et centres d'intérêt
• Calculer les différents paramètres pour les actuateurs
  • Importance des émotions : paramètres différents donc comportements différents
  • Chaque paramètre permet de décrire l'action à entreprendre

---

Un outil à l'écoute des contraintes (CPU - Mémoire)

Un modèle qui s'adapte automatiquement au temps CPU alloué

• La simulation peut l'interrompre n'importe quand
  • grâce à un compte CPU consommé par les blocs de traitement
  • grâce à une fonction d'arrêt
  • l'agent affiche quand même un comportement valable
• Le système est capable de reprendre son raisonnement
  • le raisonnement peut se poursuivre sur plusieurs cycles
  • les décisions sont de plus en plus précises et optimales

Un modèle adapté aux besoins

• Econome en temps machine
  • Factorisation des calculs
  • Niveau de détail comportemental
• Econome en mémoire
  • Partage des modèles par plusieurs agents
  • Mémoire allouée lors de la conception et gérée par le modèle automatiquement
• Adapté à tous types de projets
  • Multiplateformes
  • Extensible via un SDK orienté objet

---

Des modèles en avance sur leur temps

Des comportements cohérents

• Une solution globale est déterminée, tenant compte de tous les sous problèmes
• Des comportements stables, sans oscillations
  • L'opportunité converge en fonction de la proximité
  • La motivation intègre la personnalité et les émotions de l'agent
  • Un mécanisme de Satiété permet de faire durer les actions dans le temps

Des comportements adaptatifs

• Des agents capables de modifier leur comportement en fonction d'expériences vécues
• Une adaptation très contrôlée : pas de modifications incontrôlées
• Une adaptation dynamique, dépendante du jugement qu'il porte sur son vécu

Des agents dotés de mémoire et capables de s'en servir

• Mémoriser des informations pertinentes
  • Cartographie
  • Enchaînements de situations
• Utiliser ces informations pour un raisonnement anticipateur
  • Planification dynamique du déplacement
  • Raisonnement sur le terrain
  • Anticipation stratégique de l'adversaire

 

Exemple de conception d'un modèle décisionnel simple Cliquer ici

Retour à l'interview