logo EDITE Sujets de doctorat

L'Intelligence Collective dans les Environnements d'Intelligence Ambiante

Sujet proposé par
Directeur de thèse:
Doctorant: Marius Tudor BENEA
Unité de recherche UMR 7606 Laboratoire d'informatique de Paris 6

Domaine: Sciences et technologies de l'information et de la communication

Projet

Description du sujet de thèse












- Le domaine de l'Intelligence Ambiante (AmI), [1], a l'objectif ambitieux de faire les dispositifs travailler de concert pour soutenir les gens dans l'accomplissement de leurs activités de la vie quotidienne, de leurs tâches et de leurs rituels, d'une manière facile et naturelle, à l'aide de l'information et de l'intelligence qui sont cachées dans le réseau reliant ces dispositifs. Selon Shadbolt, dans [9], AmI est basé sur les sujets suivants: • informatique ubiquitaire ou omniprésente – un modèle qui suit l'ordinateur personnel au niveau de l'interaction homme-machine dans lequel le traitement de l'information a été complètement intégré dans tous les objets des activités quotidiennes; • systèmes intelligents – responsables avec les algorithmes d'apprentissage, le filtrage par motif, la reconnaissance vocale, les traducteurs de langue, la reconnaissance des gestes, l'évaluation des situations, etc.; • sensibilité au contexte – domaine basé sur l'idée que les ordinateurs peuvent à la fois sentir et réagir en fonction de leur environnement. Ils sont censés être conscients de la situation dans laquelle ils (ou l'utilisateur) sont; • une appréciation des interactions sociales des objets dans l'environnement. AmI est un nouveau domaine pour lequel des résultats commencent à apparaître progressivement, tandis que de nombreux problèmes restent sans solution. Le dernier problème, celui d'apprécier les interactions sociales de ces objets dans un scénario particulier, est un problème difficile et, pourtant, il a une grande importance. Les dispositifs dans AmI sont censés être petits, afin d'être intégré dans l'environnement avec aisance et dans un grand nombre. Leur nature embarquée impose des limites à leur puissance de traitement et à leur mémoire, donc il ne serait pas possible de mettre en œuvre des comportements très intelligents à l'intérieur de chaque dispositif. Dans le même temps, un grand avantage est représenté par le grand nombre d'eux. Sur la base des interactions sociales entre les dispositifs, les systèmes AmI sont censés mener à l'émergence de l'intelligence collective, [2], intelligence qui ressort de la collaboration et de la concurrence de nombreux individus, représentés dans notre cas par les dispositifs qui forment les systèmes AmI. Cette intelligence est l'une des ressources les plus importantes et influentes que les environnements AmI utilisent. Certaines façons de prédire sa émergence dans les environnements AmI aurait un grand impact positif sur le domaine. L'objectif de cette thèse est d'étudier l'intelligence collective qui émerge dans les environnements AmI. Pour faire ça dans un environnement normal AmI, les aspects suivants doivent être étudiés: • les capacités de tous les dispositifs qui interagissent et les tâches assignées à chaque dispositif en vue de résoudre un problème plus important, le problème abordé par l'application AmI, en ensemble. Ces aspects sont considérés du point de vue de certains scénarios AmI particuliers; • les interactions individuelles entre les dispositifs. Les aspects concernant les situations dans lesquelles les interactions se produisent et la complexité des interactions seraient considérées; • l'influence des interactions individuelles sur le comportement intelligent qui émerge dans l'environnement AmI. Cet aspect serait basé sur des observations de la façon dont différentes interactions sociales influencent le comportement global d'un système. • l'influence de la topologie du réseau d'interactions, sous-tendant le système, sur son comportement. Cet aspect serait étudié dans le but de trouver des graphes d'interactions optimals dont les structures conduiront à des résultats remarquables du système pour le problème qu'il tente de résoudre, tout en gardant le coût des dispositifs et de la communication le plus bas possible. Dans les aspects présentés ci-dessus, il n'y a pas de définition généralement valable pour les comportements intelligents qui devraient émerger. Ainsi, une autre tâche serait de définir des aspects particuliers du comportement intelligent collectif attendu, pour chaque scénario différent étudié. Comme une caractéristique générale, cependant, un environnement intelligent AmI doit être capable de prédire avec précision les actions de l'utilisateur, avec une quantité limitée de données d'entrée, et de réagir en conséquence, afin d'aider l'utilisateur dans la meilleure façon possible. De toute évidence, la nécessité pour certaines autres définitions se pose, comme la définition de la meilleure manière dont l'application aide l'utilisateur. Tous ces seront également l'objet de cette thèse. Une autre tâche sera également d'imaginer des scénarios de base pour les observations qui seront faites, des scénarios qui seront possible de mettre en œuvre en utilisant les outils et les ressources présentés ci-dessous. Les environnements AmI qui seront la base pour la recherche que sera menée, seront des applications mises en œuvre utilisant S-CLAIM. S-CLAIM (ou CLAIM2), [7], est un langage de programmation orienté agent qui soutient la mobilité des agents et d'autres aspects inspirés du calcul ambiant, [8], comme la migration des hiérarchies d'agents. S-CLAIM, qui a été conçu et développé, avec sa plate-forme associée, dans la période février - septembre 2011 à LIP6 (Laboratoire d'informatique de Paris 6), est basé sur CLAIM (Computational Language for Autonomous, Intelligent and Mobile agents), [5], [6], son prédécesseur. L'approche pour AmI des applications développées dans S-CLAIM est basée sur systèmes multi-agents (SMA). Afin de lier les deux domaines, les scénarios qui représentent la base pour les applications AmI sont agentifiés, les agents étant ceux qui feront toutes les tâches que pourraient être caractérisées comme comprenant d'intelligence. Un exemple d'une telle agentification pour un certain scénario est présenté dans [3]. Il est également montré dans [4] que les principales caractéristiques d'un SMA, comme la distribution naturelle du système, l'intelligence inhérente de ses agents, et leur mobilité aident à adresser une grande famille d'applications distribuées, y compris le domaine de l'intelligence ambiante. Autres fonctionnalités comme la planification multi-agents, la sensibilité au contexte et l'adaptation sont également très utiles car ils apportent une valeur ajoutée, en permettant de mettre en œuvre un comportement intelligent et collectif. Ainsi, l'utilisation d'un SMA comme la base des applications AmI est une bonne idée qui soulage l'effort de donner forme à un comportement collectif intelligent pour tout le système. Elle conduit aussi à la nécessité de considérer les interactions sociales entre les agents tout en étudiant l'émergence de l'intelligence collective dans les environnements AmI. Ainsi, pendant cette thèse les quatre aspects présentés ci-dessus seront adaptés aux agents et aux interactions entre les agents, au lieu des interactions directes entre les dispositifs. Parce que les agents ont la capacité de se déplacer entre les machines et entre les sous-hiérarchies d'agents sur un dispositif, les topologies des réseaux d'interactions changeront également certaines caractéristiques tandis que le système évoluera. Par exemple, plus d'un agent peut être sur un dispositif à un moment de temps spécifique et, dans la version actuelle de S-CLAIM, les agents peuvent s'exécuter sur des ordinateurs supportant Java et sur des dispositifs Android. Considérant cela, nous essaierons de réduire les communications entre les appareils Android et les autres machines, pour des raisons d'économie d'énergie (qui influencera l'autonomie des appareils et, en outre, le comportement de l'application) ou nous essaierons éviter de faire des calculs intensifs sur les appareils Android ou d'exécuter un grand nombre d'agents sur une machine limitée. Dans le même temps, nous allons augmenter la communication entre les agents qui s'exécutent sur les ordinateurs (soit sur des machines différentes, soit sur la même machine) et nous allons planifier des calculs complexes à être faits quand les agents arrivent sur des appareils plus puissants. En conséquence, ils ne seront pas simplement certaines structures constantes pour les réseaux d'interactions entre les agents. La manière dont les agents se déplacent entre les dispositifs et les interactions permises dans ces cas seront considérées et l'intelligence collective sera étudiée pour certaines classes de réseaux qui maximisent (par rapport à un scénario donné) l'intelligence qui émerge dans un environnement AmI tout en utilisant les ressources du système d'une manière intelligente. En conclusion, un autre aspect important à considérer pendant cette thèse est le suivant: • le développement de certaines normes concernant les mouvements d'agents (ou de certaines classes d'agents), de sorte que les réseaux d'interactions appartiendrons aux classes spécifiées ci-dessus, pour l'intelligence collective d'émerger dans la meilleure façon possible. Après avoir fait toutes les observations présentées dans cette proposition, nous espérons que le travail effectué pendant cette thèse apportera des contributions importantes aux domaines de l'AmI et de l'Intelligence Collective (et à autres domaines, comme les Systèmes Multi-Agents, aussi). L'objectif principal sera de réussir à proposer des techniques pour construire des applications distribuées qui présentent des comportements collectifs prévisibles qui se caractériseront par un haut niveau d'intelligence.

Références




-- [1] Amal El Fallah-Seghrouchni. « Défis scientifiques de l’intelligence ambiante ». Conférence invitée au Colloque Intelligence Ambiante : Réalité augmentée, mondes virtuels, maison connectée, objets communicants. L’intelligence ambiante, la révolution du quotidien ». Le 4 décembre 2008 – EPITA. Paris. [2] Brown, Philip; Lauder, Hugh (2000). "Collective intelligence". In S. Baron, J. Field & T Schuller. Social Capital: Critical Perspectives. New York: Oxford University Press. [3] Andrei Olaru, Amal El Fallah Seghrouchni, Adina Magda Florea; Ambient Intelligence: From Scenario Analysis towards a Bottom-Up Design; Proceedings of IDC'2010, the 4th International Symposium on Intelligent Distributed Computing, pages 165-170, Springer, 2010 [4] Amal El Fallah Seghrouchni, Adina Magda Florea, Andrei Olaru; Multi-Agent Systems: A Paradigm to Design Ambient Intelligent Applications; Invited paper. Proc. of IDC’2010, the 2nd International Workshop on Multi-Agent Systems Technology and Semantics, in conjunction with the 4th International Symposium on Intelligent Distributed Computing, September 16-18, 2010, Tangier, Morocco. [5] Alexandru Suna; CLAIM et SyMPA: Un Environnement pour la Programmation d'Agents Intelligents et Mobiles; PhD thesis, Universite Paris 6 - Pierre et Marie Curie, December 2005 [6] Amal El Fallah Seghrouchni, Alexandru Suna; An Unified Framework For Programming Autonomous, Intelligent and Mobile Agents [7] Marius-Tudor Benea; A language for the implementation of mobile agents on smart devices; Master thesis, Pierre and Marie Curie University, Paris and “Politehnica” University of Bucharest, September 2011 [8] Luca Cardelli, Andrew D. Gordon; Mobile Ambients; In M. Nivat, editor, Foundations of Software Science and Computational Structures, number 1378 in Lecture Notes in Computer Science, pages 140-155. Springer-Verlag, 1998 [9] Nigel Shadbolt ; Ambient Intelligence; IEEE Intelligent Systems Magazine, July/August 2003

Enjeux

Conception de systèmes multi-agents et déploiement dans des environnements AmI

Ouverture à l'international

Thèse en co-tutelle avec l'Université Politehnica de Bucarest Travail dans le cadre du projet AoDAI en collaboration avec l'IFI (Hanoi) et le NII (Tokyo).