Simulation multi-agents de l'évolution culturelle d'ontologies par l'interaction

Multi-agent simulation of cultural ontology evolution through interaction

• Auteur / Autrice : Yasser Bourahla
• Direction : Jérôme Euzenat, Manuel Atencia
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 11/07/2023
• Etablissement(s) : Université Grenoble Alpes
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'informatique de Grenoble
• Partenaire(s) de recherche : Equipe de recherche : Equipe-projet Evolution de la connaissance (Montbonnot, Isère ; 2016-....)
• Jury : Président / Présidente : Julie Dugdale
• Jury : Examinateurs / Examinatrices : Patrick Taillandier
• Jury : Rapporteurs / Rapporteuses : Valentina Tamma, Nicolas Maudet

Mots clés

Mots clés contrôlés

Ontologies (informatique)

Intelligence artificielle répartie

Mots clés libres

Simulation multi-Agents

Systèmes multi-Agents adaptatifs

Évolution culturelle

Multi-Agent simulation

Adaptive multi-Agent systems

Cultural evolution

Résumé

Les agents artificiels, comme les humains, utilisent leurs connaissances pour se comporter dans un environnement et au sein d'une société. Les humains font évoluer leurs connaissances en les adaptant suite à leurs interactions avec leur environnement et leur société. La question soulevée dans cette thèse est la suivante: ``La connaissance peut-elle évoluer dans une société d'agents artificiels, comme elle le fait dans une société humaine?'' En particulier, si les agents adaptent leurs connaissances pour améliorer leurs interactions sociales, comment cela peut-il affecter la qualité des connaissances de la population sur l'environnement? Et comment cela affecte-t-il la diversité des connaissances?Pour répondre à ces questions, l'évolution des ontologies est simulée sur la base des principes de l'évolution culturelle expérimentale à travers un cadre expérimental dans lequel: les agents apprennent initialement des ontologies, à partir d'échantillons d'objets, qu'ils adaptent ensuite en interagissant les uns avec les autres sur des objets de l'environnement. En utilisant ce cadre expérimental, nous montrons que (1) les agents atteignent un état où ils s'accordent dans leurs interactions, (2) ils ils améliorent la qualité de leurs connaissances sur l'environnement, et (3) ils préservent la diversité de leurs connaissances.Afin de caractériser l'évolution des connaissances sur plusieurs générations, nous avons mené des expériences avec des agents dotés de capacités de reproduction. Les résultats montrent que (1) la variation fournie par la transmission entre générations permet aux agents d'améliorer la qualité de leurs ontologies; (2) par le biais de la transmission intra-générationnelle, les agents sélectionnent les connaissances à préserver, ce qui compense l'absence de sélection des enseignants dans la transmission inter-générationnelle; et enfin, (3) la diversité reste stable d'une génération à une autre.Ce travail fournit non seulement une base pour la mise en œuvre d'agents capables de faire évoluer culturellement leurs connaissances, mais suggèrent également que la simulation d'un tel comportement peut servir d'outil pour tester des hypothèses sur l'évolution des connaissances culturelles humaines.

Artificial agents, as humans, use their knowledge to behave in an environment and within a society. Humans evolve their knowledge by adapting it in response to interactions with their environment and society. The question that is raised in this thesis is:``can knowledge evolve in a society of artificial agents, as it does in a human society?'' In particular, if agents adapt to improve their social interactions, how can this affect the quality of the population's knowledge about the environment? And how does it affect knowledge diversity?To address the questions, ontology evolution is simulated based on principles from experimental cultural evolution through an experimental framework in which: agents initially learn ontologies, from object samples, which they later adapt by interacting with each other about objects in the environment. Using this experimental framework, we show that: (1) agents reach a state of agreement in their interactions, (2) they improve the quality of their knowledge about the environment, and (3) they preserve the diversity of their knowledge.In order to characterise knowledge evolution through multiple generations, experiments are conducted with agents endowed with reproduction capabilities. Results show that (1) the variation provided by inter-generation transmission allows agents to further improve the quality of their ontologies; (2) agents select the knowledge to be preserved through intra-generation transmission which compensates for the lack of teacher selection in inter-generation transmission; and finally, (3) diversity remains stable from one generation to another.This work not only provides a basis for implementing agents capable of culturally evolving their knowledge, but also suggests that simulating such behavior can serve as a valuable tool for testing hypotheses about human cultural knowledge evolution.