Vers des dynamiques ouvertes en vie artificielle et intelligence artificielle : une perspective eco-evo-devo

Towards open-ended dynamics in Artificial Life and Artificial Intelligence : an eco-evo-devo perspective

• Auteur / Autrice : Gautier Hamon
• Direction : Clément Moulin-Frier
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 17/03/2025
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Centre de recherche Inria de l'université de Bordeaux (Bordeaux)
• Jury : Président / Présidente : Nicolas Rougier
• Jury : Examinateurs / Examinatrices : Lisa Soros, Antoine Cully
• Jury : Rapporteurs / Rapporteuses : Nicolas Bredèche, Daniel Polani

Mots clés

Mots clés contrôlés

Méta-apprentissage

Algorithmes évolutionnaires

Systèmes complexes

Apprentissage automatique

Vie artificielle

Mots clés libres

Systèmes complexes

Vie artificielle

Algorithmes évolutionnaires

Meta-Apprentissage

Open-Endedness

Apprentissage par renforcement multi-agent

Evolutionary algorithms

Multi-Agent reinforcement learning

Meta-Learning

Artificial life

Complex systems

Open-Endedness

Résumé

L’évolution naturelle a, au fil de milliards d’années, généré progressivement l’impressionnante diversité de formes de vie complexes qui peuplent notre planète. Ce phénomène illustre ce que nous appelons un processus ouvert (open-ended): un système capable de générer continuellement des structures de plus en plus diversifiées et complexes. Inspiré par ce phénomène ainsi que par d’autres processus ouverts tels que l’apprentissage développemental humain et l’évolution culturelle, cette thèse explore les mécanismes clés qui supportent les processus ouverts et la complexité émergente. Située à l’intersection de la vie artificielle, de l’apprentissage automatique et de l’open-endedness, cette thèse explore, à travers des simulations, la complexité émergente à différents niveaux d’abstraction. Nous mettons l’accent sur l’importance de la dynamique de l’environnement et de son interaction avec les agents adaptatifs dans cette quête de dynamiques ouvertes. En particulier, nous mettons en lumière les effets majeurs des boucles de rétroaction dynamiques, telles que la co-adaptation au sein d’un groupe d’agents ou la causalité réciproque agent-environnement – dans laquelle les agents s’adaptent à l’environnement tout en le modifiant par leur comportement, ce qui, à son tour, modifie l’environnement et façonne leur adaptation. Pour ce faire, nous nous appuyons sur des méthodes de pointe issues de la vie artificielle et de l’apprentissage automatique, notamment les automates cellulaires, la recherche de diversité, la neuroévolution, les systèmes multi-agents et le méta apprentissage par renforcement. La thèse explore la complexité émergente à différents niveaux d’abstraction. Tout d’abord, elle examine la genèse de l’individualité dans un environnement simulé initialement sans vie, composé d’éléments atomiques simples et de règles physiques locales, explorant aussi comment de tels environnements peuvent amorcer des dynamiques évolutives. Ensuite, en supposant l’existence d’agents et de processus évolutifs, l’accent est mis sur la manière dont les agents adaptatifs modifient activement leurs environnements – potentiellement à leur avantage – modifiant ainsi les pressions évolutives. Ces nouvelles pressions influencent à leur tour les adaptations ultérieures des agents et donc leurs actions sur l’environnement, créant des boucles de rétroaction qui entraînent perpétuellement de nouvelles adaptations de manière potentiellement ouverte. Enfin, la recherche explore comment ces changements environnementaux continus peuvent favoriser le développement de mécanismes d’adaptation plus rapides, permettant aux agents de faire face à cette grande variabilité environnementale. Plus précisément, nous examinons comment des environnements variables peuvent faciliter l’émergence de comportements exploratoires efficaces au sein de groupes d’agents. En investiguant ces phénomènes, cette recherche apporte des éléments pour concevoir des systèmes capables de démarrer et de maintenir des processus ouverts, reflétant ainsi la richesse et la complexité adaptative du monde naturel — de l’origine de la vie à l’évolution d’agents généralistes.

Natural evolution has, over billions of years, gradually generated the astonishing diversity of complex life forms that populates our planet. This phenomenon exemplifies what we call an open-ended process: a system capable of continuously generating increasingly diverse and complex structures. Inspired by this phenomena as well as other open-ended processes such as human developmental learning and cultural evolution, this thesis investigates key mechanisms that underpin open-ended processes and emergent complexity. Situated at the intersection of artificial life, machine learning, and open-endedness, this thesis explores, in simulations, emergent complexity across varying levels of abstraction. We focus on the importance of environment dynamics and its interplay with adapting agents in this quest of openended dynamics in silico. In particular, we highlight the major effects of feedback loop dynamics, such as co-adaptation in a group of agents or agent-environment reciprocal causation – wherein agents adapt to the environment but also alter it through their own behavior, which in turn modify the environment and shape their adaptation. For this aim, we rely on diverse state-of-art methods from artificial life and machine learning, including cellular automata, diversity search, neuroevolution, multi-agent systems and meta reinforcement learning. The thesis explores emergent complexity at different levels of abstraction. First, it explores the genesis of individuality within an originally lifeless simulated environment composed of simple atomic elements and local physical rules, also probing how such environments can bootstrap evolutionary dynamics. Next, assuming the existence of agents and evolutionary processes, the focus shifts to how adapting agents actively modify their environments – potentially to their advantage –thereby altering evolutionary pressures. These new pressures, in turn, influence the agents’ subsequent adaptations and therefore actions on the environment, creating feedback loops that perpetually drive new adaptations in a potentially open-ended way. Finally, the research explores how these continual environmental changes may foster the development of faster adaptation mechanisms, enabling agents to cope with this high environmental variability. Specifically, we examine how variable environments can facilitate the emergence of efficient exploratory behaviors within groups of agents. By investigating these phenomena, this research contributes foundational insights toward designing systems capable of bootstrapping and sustaining open-ended processes, ultimately reflecting the rich, adaptive complexity of the natural world – from the origins of life to the evolution of generalist agents.