Le web : révolution épistémologique majeure ?. Considérations liminaires Définitions.
Simulation multi-agent de phénomènes collectifs : quelques questions dordre épistémologique...
-
Upload
lianne-colin -
Category
Documents
-
view
104 -
download
0
Transcript of Simulation multi-agent de phénomènes collectifs : quelques questions dordre épistémologique...
Simulation multi-agent de phénomènes collectifs :
quelques questions d’ordre épistémologique
Frédéric AMBLARDInstitut de Recherche en Informatique de Toulouse Equipe Systèmes Multi-Agent
CoopératifsUniversité Toulouse 1 Sciences Sociales)
Séance Philosophie de la SimulationGroupe de travail Anne Fagot-Largeault
Collège de France, 30 Avril 2009
Objectif de la présentation
• Donner une idée générale de ce qu’est l’approche de modélisation / simulation multi-agent
• Illustrer à l’aide d’un exemple (simpliste ?)
• Poser des questions…
Modèle multi-agents
Modèle de l’environnement
Modèle des règles d’interactions
Phénomène collectif à étudier/comprendreQuestion de modélisation/Hypothèses
Modèle de l’organisation et son évolution
Hypothèses sur les conditions initiales
Expérience de simulation
Observables de la simulationIndividuels ou agrégés
Modèle(s) comportementaux au niveau individuel
Comparaison avec les attendus / données / théories
La reconstruction comme source de compréhension
• Reconstruire les phénomènes pour les comprendre– Pappert (Logo), Resnick (NetLogo)
• Quels pourraient être les règles individuels qui produisent un phénomène (collectif) donné ?– Approche par
expérimentation/modélisation essai/erreur– ex: Regroupement des morts chez les
fourmis en dehors de la fourmilière
Principales caractéristiques des simulations multi-agents
• Approche individus-centrée – Individualisme méthodologique– Mécanismes générateurs des régularités
macroscopiques
• Simulation– Abstraction (modèle) plongé dans le temps
• Formalisation algorithmique souple– Hypothèque numérique cependant
Principaux éléments d’un modèle multi-agents
• Une question • Un système• Formalisé dans les SMAs
– Les agents• Attributs• Règles de décision• Comportements• Communication entre agents
– Organisation (ex.: réseau social)– Environnement– Facteurs exogènes– Gestion du temps– L’utilisateur ?
Orientent l’abstraction
Exemple …
Interprétation(s) des résultats
• Différents niveaux d’interprétation des résultats:– Niveau du modèle : qu’est-ce qui dans la
mécanique interne du modèle a produit les résultats observés ?
– Niveau du système modélisé : quelle signification donner aux résultats obtenus compte tenu des hypothèses de modélisation retenues
Points faibles…
• Compréhension difficile de la production des résultats du modèle– Reproduction de la complexité du système
modélisé
• Lien empirique– Niveau microscopique (trajectoires
individuelles)– Niveau macroscopique (phénomène coll.)– Données nécessaires ≠ Données
disponibles
Risques observés…
• Modéliser pour construire un modèle– sans question de modélisation clairement
définie
• Réaliser des modèles trop simples– Producteurs de tautologies
• Réaliser des modèles trop complexes– Difficulté à comprendre les mécanismes
de production des résultats
• Attache théorique – Nécessaire pour que le modèle soit autre
chose que la représentation du seul modélisateur
Positionnement épistémologique
• Modèles comme formalisation d’une théorie discursive
• Modèles comme substrat pour l’aide à la projection – D’hypothèses dynamiques– Portant sur un grand nombre d’entités en
interaction
• Processus de modélisation comme aide à la clarification/désambiguïsation conceptuelle
• Modèle comme accompagnement de la réflexion (i.e. le modèle n’a pas forcément de légitimité en dehors de ce contexte)
Applications existantes
• Artefact pour la réflexion– Par la formalisation– Par la comparaison des attendus et des
résultats– Par la compréhension précise des
mécanismes de production des résultats au niveau du modèle
• Test qualitatif d’hypothèses– Aménagement du territoire– Gestion de l’eau
• Artefact pour la négociation• Formation/entraînement• Anticipation/Prédiction
Quelques questions…
Quelques questions …
• Evolution du rôle / métier du modélisateur – De l’analyse à l’expérimentation …
• Approche méthodologique reste à proposer – Keep It Simple Stupid … – Keep It Descriptive Stupid …– Pourquoi se priver de modèles
complexes…
Quelques questions …Positionnement délicat par rapport aux
approches de modélisation/simulation classiques :
• Evaluation des modèles– De la vérification / calibration / validation– Vers une évaluation plus générale en terme
d’atteinte des objectifs– Voire une évacuation de cet aspect (évaluation
de la feuille de papier ?)
• Des propriétés classiques qui ne sont plus applicables– Robustesse des modèles– Critère décisif des données