Plan du site Aide Abonnement Nous Contacter


Actualité
Editorial
Interviews
Démocratie
Visites virtuelles
Art. Imaginaire
Du côté des labos
Le feuilleton
Manifestations
Biblionet
CD Rom
Echanges
Liens Utiles

 

Accueil > Interviews
Automates Intelligents s'enrichit du logiciel Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront alors définitions, synonymes et expressions constituées de ce mot. Une fenêtre déroulante permet aussi d'accéder à la définition du mot dans une autre langue.
 
Archives
Franck Brancheri
Jean-Pierre Goux
Jean-Claude Lapraz
Jean-Pascal Capp
Henri Boulouet

30 juin 2004
Propos recueilis par Jean-Paul Baquiast et Christophe Jacquemin

Frédéric Kaplan

Chercheur en intelligence artificielle au Laboratoire Sony-CSL




Frédéric Kaplan Frédéric Kaplan est ingénieur, chercheur en Intelligence Artificielle au Laboratoire Sony-CSL à Paris.
Il a publié divers articles et un livre remarqué: "La naissance d'une langue chez les robots" Hermès Science Publications 2001.
Il présente souvent des démonstrations de ses recherches avec l'un ou l'autre des robots quadrupèdes sur lesquels il travaille avec son équipe (voir photo ci-contre).


Pour en savoir plus
Pages personnelles : http://www.fkaplan.com/fr/

Faisons ici une remarque préliminaire, mais son objet mériterait d'être développé dans un livre tout entier. La méthode qu'utilise Frédéric Kaplan et son équipe, exposée par lui ci-dessous, présente un intérêt scientifique et même philosophique considérable. Les comportements humains les plus complexes, ceux par lesquels l'espèce humaine s'appuie pour se donner une place à part dans la nature, par exemple son inépuisable curiosité scientifique; peuvent être décomposés, déconstruits, selon le terme de Frédéric Kaplan, pour être reconstruits et introduits dans un robot. On voit alors que des facteurs très simples, élémentaires, mais s'enchaînant les uns les autres, induisent ces comportements complexes qui à leur tour interagissent et se complexifient davantage. Ce n'est pas en travaillant sur l'homme, trop opaque et trop sensible, que ces déconstructions et reconstructions sont possibles. Au moins dans un premier temps, il faut passer par le modèle plus simple ou plus facilement compréhensible du robot. Commence alors un aller-retour entre le modèle robotique et son équivalent biologique. Cette approche peu conventionnelle du vivant offre, comme l'auteur l'indique en conclusion, des perspectives immenses aux neurosciences comparées. AI.

Automates Intelligents (AI) : Frédéric Kaplan, nous connaissons vos travaux, nous connaissons votre carrière, nous avons d'ailleurs à l'époque rendu compte de votre premier livre, référencé ci-dessus. Voulez-vous cependant, à l'occasion de cet entretien dont nous vous remercions, vous présenter afin que nos nouveaux lecteurs fassent votre connaissance, s'ils ne vous connaissaient pas déjà.

Frédéric Kaplan (FK) : J'ai fait mes études à l'Ecole Nationale Supérieure des Télécommunications à Paris en me spécialisant en intelligence artificielle. En 1997, j’ai rejoint le Sony Computer Science Laboratory pour travailler sur les mécanismes permettant l’émergence d’une langue au sein d’un groupe de robot. Luc Steels, directeur de ce laboratoire, avait eu l'idée quelques années auparavant d’appliquer les principes de l’auto-organisation pour simuler l'apparition des formes lexicales, c'est-à-dire comment petit à petit une population d'agents se met d'accord sur l'utilisation de certains mots associés à certains sens. Le sujet de ma thèse, qui fut également encadrée par Alexis Drogoul du LIP6,  était la compréhension des dynamiques complexes de ce genre de système. Cette recherche a donné lieu à une expérience internationale, baptisé les «têtes parlantes», au cours de laquelle une population de robots a pu progressivement s’accorder sur un lexique commun sans faire intervenir un coordinateur central. Cette expérience est décrite précisément dans mon premier livre.

En 1999, au moment où les premiers prototypes de robots de loisir étaient développés par Sony, je me suis rendu au Japon pour travailler plusieurs semaines avec les équipes de Recherche et Développement. C'était une expérience fascinante car ces ingénieurs étaient véritablement en train de mettre au point une machine d’un genre nouveau. J’ai appris à programmer ces premiers prototypes et je suis revenu avec un de ces robots autonomes quadrupèdes à Paris. Nous avons commencé à l'utiliser pour faire des recherches sur l'apprentissage du langage, mais cette fois-ci dans le contexte de la communication homme-machine.

Ces nouvelles expériences m’ont progressivement conduit à diriger mes recherches vers des questions qui touchent plus aux neurosciences et à la psychologie du développement qu'à la linguistique. Il s’agissait d’essayer de comprendre cette formidable odyssée qu’effectue le bébé durant les premiers mois de sa vie  depuis le contrôle sensori-moteur jusqu’à la maîtrise des premiers mots. Les recherches que je mène aujourd’hui avec le groupe «Developmental Robotics» (robotique du développement) portent principalement sur les mécanismes qui permettent ce développement extraordinaire.

AI : Dans les Têtes Parlantes dont vous parlez, l'homme n'interagissait pas, n'injectait pas ses propres savoirs ?

FK : Effectivement, ces robots construisaient leur propre langue de manière autonome. Mais pour faire cela, ils maîtrisaient déjà un certain nombre de savoir-faire complexes. Ils savaient par exemple  jouer à des «jeux de langage». Il s’agissait d’interactions simples comme celles que nous pratiquons lorsque nous conversons entre humains : quand l'un a parlé, c'est à l'autre de parler, des procédures apparemment simples mais qui en fait sont essentielles pour l'acquisition du langage.  Ce genre de savoir-faire, le bébé doit l’apprendre. Ils étaient également capables de se mettre dans des situations d’attention conjointe, en indiquant quel était le sujet d’une interaction au moyen d’un geste par exemple. Il s’agit à nouveau d’un savoir-faire que le jeune enfant ne commence à maîtriser que vers son premier anniversaire. Ces robots avaient donc déjà tout un bagage que nous leur avions fourni au départ.

AI : Ne pouviez-vous les laisser acquérir ce bagage seuls ?

FK : C’est l’objectif final de ces recherches. Préprogrammer les compétences du robot au minimum et laisser la machine apprendre par elle-même de nouveaux savoir-faire. Mais souvent à certaines étapes de notre travail  nous devons donner au robot certains «échafaudages» pour l’aider à se construire. Mon travail depuis les «têtes parlantes» a principalement consisté à progressivement enleverles multiples «échafaudages» que nous avions placés.

Lors de cette déconstruction, l’importance des mécanismes gérant l’attention du robot est apparue de manière très visible. Il est facile par exemple d’apprendre à un robot le nom de certains objets rouges, si ce robot est de manière «innée» attiré par cette couleur. Si on enlève ce biais dans les mécanismes d’attention de la machine, il devient beaucoup plus complexes d’interagir avec elle. Cela force à se demander à quoi ressemble le monde quand on est robot quadrupède autonome. Quels aspects de son environnement sont important pour lui ? Quels sont les «objets» présents dans son univers ?

AI : Quand on étudie la cognition chez les animaux, on retrouve la même chose. Une mouche ne voit que ce qu'elle est organisée pour voir, en fonction de ses intérêts vitaux...

FK : Exactement. Si nous regardons ce bureau et comparons notre point de vue sur lui à celui d'une mouche, ou d'un chien, nous voyons que ce qui pour nous constitue des «objets» correspondent à des savoir-faire particuliers. Nous, nous voyons la table qui est associée à la possibilité de travailler ou lire, le chien, lui y verra plutôt un obstacle à contourner. La mouche percevra avant tout les quelques restes de nourriture qui peuvent se trouver encore sur ce meuble. La notion d' «objet» est intimement lié à la notion de savoir-faire.

Qu'est-ce que tout cela veut dire pour un robot ? Qu’une caméra ne suffit pas pour «voir» et que l'augmentation des capacités d'attention d’une machine correspond en fait à l’accroissement de ces savoir-faire. Pour que les robots puissent étendre leur monde perceptif au-delà des frontières posées par leurs programmeurs, ils doivent être capables d’apprendre à agir sur leur environnement.

AI : Quel est le rôle de l'homme dans cet apprentissage ?

FK : L’homme ne peut pas directement transférer ses connaissances vers le robot, car la machine à un corps différent du sien et une manière de percevoir l’environnement inédite par rapport à la nôtre. Le terme professeur n’est donc pas très bon pour décrire son rôle. Le meilleur terme que nous ayons trouvé avec Luc Steels est celui de médiateur. L'homme peut orienter dans une certaine mesure le robot vers certains aspects de son environnement, mais son influence doit rester indirecte. Il joue juste le rôle de guide. Il permet au robot, en créant un environnement adéquat, de se développer d'une manière harmonieuse. C’est en fait un rôle très similaire à celui des parents pour leurs enfants.

AI : Vous ne semblez plus faire intervenir comme facteur d'apprentissage, à ce stade, l'interaction avec les autres robots...

FK: C’est évidemment au programme. Dans un premier temps, il est important de bien comprendre les dynamiques qui assurent le développement d’un robot seul. Comprendre le développement est difficile car les effets des dynamiques d’apprentissage internes, de l’ancrage corporel et de l’environnement se conjuguent pour créer un système complexe. Le système résultant du couplage de deux robots est dans le cas général encore plus subtil à analyser. Mais comprendre ces dynamiques est un pas nécessaire pour petit à petit percer les secrets des mécanismes qui conduisent au développement ouvert.

AI : Jean-Louis Dessalles avait insisté, dans son livre ["Aux origines du langage" - Voir notre article] sur le rôle joué au sein du groupe par le leader, manipulant le geste et le langage afficheur. Envisagez-vous de recréer de telles situations entre robots ?

FK : Les problèmes auxquels s’attaque Jean-Louis Dessalles sont d’une nature un peu différente par rapport au genre de questions qui m’intéresse. Dans ma démarche scientifique, je travaille surtout sur ce qui se passe entre le bébé et ses parents. Les systèmes complexes qui se mettent en place dès que l’homme est en collectivités sont assez différents. Tous ces niveaux d’analyses peuvent être aujourd’hui abordés en parallèle par des modèles simulés ou robotiques. Cette multiplicité des niveaux montre bien que cette nouvelle manière de comprendre le vivant n’est en aucun cas une approche réductionniste.

AI : Que veut dire alors la relation d'interaction du bébé avec sa mère ?

FK : Pour comprendre les liens qui unissent le bébé à son père ou à sa mère, il faut s’interroger sur les systèmes de motivations de l’enfant. Que recherche le bébé ? La nourriture, l’affection ? J’explore en ce moment avec mon collègue Pierre-Yves Oudeyer
(voir notre interview), des systèmes de motivations basés non pas sur des récompenses extérieures (nourriture, caresses, etc.) mais sur des renforcements internes. Nous essayons de doter les robots d’une forme de «curiosité», une pression interne qui les pousseraient à explorer leur environnement et à essayer d’apprendre de nouveaux savoir-faire. Ces robots sont motivés par apprendre. Ils recherchent des situations qui ont conduit à des progrès d’apprentissage dans le passé. D’autres robots ou des humains peuvent être à l’origine de ces «niches» d’apprentissage, dans la mesure où ils aménagent l’environnement du robot immature de façon à faciliter ses progrès.

AI : Que faites-vous des théories de Konrad Lorenz relatives à l'empreinte ?

FK : Il n’est pas très difficile de construire des robots capables de s’attacher pendant une période critique à un objet ou une personne. Mais je ne crois pas que ce phénomène d'«empreinte» que l’on a constaté chez plusieurs espèces animales résume à lui seul l’attachement du bébé pour ses parents. L’empreinte est un attachement spécifique, se produisant à un moment donné du développement, et persistant ensuite tout au long de sa vie. Ce mécanisme conduit parfois à certaines aberrations que l’on connaît bien. Les images des oies qui suivent partout Konrad Lorenz comme s’il s’agissait de leur propre mère peuvent faire sourire. Ces phénomènes d’empreinte existent peut-être chez le bébé humain dans une certaine mesure, mais l’attachement du bébé à ses parents est un phénomène bien plus complexe. Pour le comprendre, il faut le mettre en correspondance cette capacité qu’a l’enfant d’apprendre en permanence des savoir-faire nouveaux.

AI : Nous allions vous le dire. Il semble qu'en ce moment, beaucoup de gens réfléchissent à la raison pour laquelle les hommes ont cette impulsion à apprendre, pourquoi par exemple ils font de l'abduction au lieu de la déduction. Est-ce une propriété seulement humaine ou bien pourrait-elle se trouver ailleurs, de façon éventuellement cryptée ? Il y aurait une sorte de mouvement cosmique qui pousse les organismes à dépasser leurs connaissances. On pourrait retrouver un peu cela dans les robots tels que vous les concevez.

FK : Pour doter un robot d’une forme de curiosité, nous définissons des modèles relativement précis qui permettent de réaliser cette pression pour apprendre. Le plus difficile est de trouver un système permettant au robot de mesurer ses propres progrès. Dans nos modèles les plus récents, cette évaluation est réalisée en mesurant la dimimution des erreurs que fait le robot pour prédire son environnement. La curiosité est donc intimement liée aux capacités du robot pour prédire les effets de ses propres actions sur l’environnement. Au fur et à mesure qu’il apprend, le robot devient capable de mieux anticiper les effets de ses actions, ses erreurs en prédiction diminuent, ce phénomène est catégorisé comme une situation de progrès que le robot essaie alors de reproduire. Je ne sais pas si l’on pourrait trouver des équivalents à un tel système pour d’autres espèces, mais c’est possible.

La psychologie du développement propose de nombreux modèles descriptifs pour caractériser le développement ouvert de l’enfant. Piaget montre de manière très convaincante comme les savoir-faire de l’enfant s’organisent selon une construction continue qui commence par les capacités sensori-motrices pour aboutir vers la possibilité d’effectuer des raisonnements abstraits et de manipuler des symboles. Mais les mécanismes qui poussent l’enfant dans cette construction restent trop peu précis pour être programmé dans un robot. Nous espérons que notre nouvelle approche de la curiosité, dans la mesure où nous montrons qu’elle est biologiquement plausible, permettra de progresser dans cette compréhension.

AI : Quand vous dites "un modèle", vous désignez une suite d'algorithmes que vous implémentez sur le robot. Ensuite vous les mettez en oeuvre et vous constatez les résultats par rapport aux objectifs de chaque tâche ?

FK : Oui. En nous basant sur certains progrès récents en neurosciences, nous programmons une sorte de moteur générique qui pousse le robot à agir de façon à mieux apprendre. Nous associons ensuite ce moteur à un corps particulier équipé de senseurs et d’actuateurs et nous plaçons cet agent dans un environnement qui lui aussi a des dynamiques particulières. Nous étudions alors le système complexe formé par l’association de ces trois éléments.

Par exemple, l’an dernier, nous avons associé le moteur générique à un système de vision active, auquel nous présentions divers environnements visuels. Cette caméra mobile dirigeait donc son «attention» vers les situations qui était les plus intéressantes en termes d’apprentissage. Nous avons pu montrer que dans certains cas ce système était attiré par les visages et les mouvements. Il s’agissait d’une certaine manière d’une propriété émergente qui résultait de l’imbrication entre une dynamique interne, un certain corps et l'environnement.

AI : Utilisez-vous des algorithmes génétiques ?

FK : Non, pas dans ce contexte. Nous étudions comment deux systèmes identiques au départ, mis dans des environnements différents, peuvent évoluer librement et le cas échéant différemment. Dans les algorithmes génétiques, il faut définir une fonction d'évaluation extérieure qui précise explicitement le but à atteindre, la fonction à laquelle s'adapter. Comme nous nous intéressons à la façon dont les robots peuvent apprendre à apprendre, sans définir de tâches à l'avance, nous ne voulons surtout pas fixer des critères d'évaluation pour des tâches précises.

AI : Tout ce travail que vous décrivez, nous le retrouverons sans doute un jour dans les robots de Sony ?

FK : En octobre prochain, nous montrerons la première démonstration de ce principe de curiosité sur des robots réels. Mais la route reste longue entre les prototypes dont nous faisons des démonstrations et leur commercialisation sous forme de produits. Notre travail est avant tout de la recherche fondamentale. Dans notre démarche, nous rencontrons sans cesse de nouvelles questions. Ainsi, nous sommes partis du langage, puis avons travaillé sur l'attention, puis sur l’acquisition de nouveaux  savoir-faire, puis sur la curiosité. Aujourd’hui, nous nous apercevons que, dans certains cas, la curiosité conduit à des comportements auto-destructeurs. Le robot découvre par exemple qu’il est «intéressant» de se cogner contre les murs.

AI : C'est ce qu'on dit à propos des robots martiens. Il faut qu'ils soient capables d'éprouver de la peur pour ne pas courir de dangers imparables..

FK : Plus que la peur, c’est aujourd’hui la douleur qu’il nous faut modéliser. Chez les êtres biologiques, la douleur est apparue dans l'évolution comme un système de régulation permettant précisément la conservation du corps. Comment programmer cela de manière générale dans un robot ? Voici donc un nouveau défi. Chaque problème conduit à une nouvelle question. Ceci est tout à fait révélateur du rôle que peuvent avoir ces machines pour nous permettre une meilleure compréhension de nous-mêmes.

AI : JFace à ces développements effectivement assez fascinants, ne regrettez-vous pas de ne pas être plus nombreux à étudier ces questions. Imaginez une équipe de 50 personnes travaillant avec vous, est-ce que vous ne découvririez pas beaucoup plus vite des choses qui éclaireraient de façon significative l'ensemble des sciences biologiques et humaines ? Encore faudrait-il que les chercheurs dans ces disciplines s'intéressent à ce que vous faites.

FK : Aujourd’hui nos équipes sont encore petites, mais il y a de plus en plus de monde qui s’intéresse à ces questions. Nous constatons en particulier des rapprochements très intéressants avec des neurobiologistes étudiant certains aspects du fonctionnement du cerveau. Notre approche tente d’intégrer des résultats provenant de multiples domaines des neurosciences. En réalisant des expériences sur le développement de ces créatures «complètes» (contrairement à des études qui se limitent aux seuls champs perceptif ou moteur), nous pouvons en retour suggérer de nouvelles hypothèses sur le fonctionnement du cerveau. Ces hypothèses peuvent ensuite conduire à de nouveaux modèles biologiques. La coopération entre les études que nous faisons et celles que mènent les biologistes permet la mise en place de dynamiques d'échanges, dont la valeur commence à être reconnue maintenant de part et d'autre.

AI : C'est effectivement un grand enjeu, non seulement scientifique mais de pouvoir, notamment économique. Les Etats-Unis l'ont bien compris...

FK : Je ne me fais donc pas de souci relativement à l'avenir de nos propres recherches et de nos idées. Elles vont inévitablement se propager et modifier beaucoup de choses. Néanmoins elles n'en sont qu'à leur début. Par exemple, il n’y a pas encore de journal scientifique dédié uniquement à la robotique du développement. En termes de géographie, il y a des équipes au Japon, aux Etats-Unis, en Italie...…disons une vingtaine de groupes de recherche au plus dans le monde. En France, nous travaillons avec Philippe Gaussier, qui est professeur de neurocybernétiqueà l'université de Cergy-Pontoise. Il fait depuis longtemps des modèles neuronaux de comportement en collaboration avec Jacqueline Nadel, psychologue à l'hôpital de la Pitié-Salpêtrière. On ne peut pas vraiment dire que, dans ce champ de recherche précis, la France soit en retard par rapport aux autres pays.

AI : Comment se fait pratiquement la relation avec les chercheurs d'autres domaines ?

FK : D'une façon très souple, sans tentative d'abordage en force de notre part - et réciproquement. C'est en lisant ce que les uns et les autres publient que les idées viennent, lesquelles entraînent des contacts et éventuellement des collaborations. Ce sont vraiment des cercles virtueux qui se constituent.

AI : En vous écoutant, on ne peut que vous envier de vivre ce qui apparaîtra peut-être plus tard comme un moment historique, ce rapprochement entre les sciences de la vie, celles du cerveau et cette nouvelle intelligence artificielle que vous faites émerger.

FK : C'est vrai. C’est une aventure scientifique passionnante qui commence.
 

Pour en savoir plus
Sur Sony CSL-Paris : http://www.csl.sony.fr
Sur les Têtes Parlantes : http://talking-heads.csl.sony.fr
Sur Philippe Gaussier, CV :
http://www-rech.ensea.fr/Actualite/bio_gaussier.html
Sur Jacqueline Nadel : http://web.ccr.jussieu.fr/nadel/overview.htm



© Automates Intelligents 2004

 





 

 

 

Qui sommes nous ? Partenaires Abonnement Nous Contacter

© Association Automates Intelligents