Figure

Objet

Une des limitations de la compréhension d'une langue naturelle par des machines est le fait que ces systèmes ne fondent pas leur sémantique sur la perception d'un environnement, l'action sur celui-ci et les valeurs (besoins) internes au système. On doit fournir à ces systèmes une définition purement formelle du langage, par exemple un treillis des concepts et une syntaxe formelle. En revanche, notre approche étudie des capacités élémentaires de communication sur des agents qui possèdent des capacités sensori-motrices simples ainsi que des valeurs internes [1].

Description

L'expérience présentée ici étudie l'émergence de propriétés syntaxiques pour un code de communication, afin de tester l'idée de représenter celles-ci à l'aide d'une Grammaire d'Arbres Adjoints (TAG). En effet, après l'étude d'un mécanisme très élémentaire de catégorisation [1], nous explorons un aspect plus spécifique de la communication entre agents. Dans cette expérience, les agents sont supposés capables de catégoriser leur environnement, qui contient des formes géométriques munies d'attributs et de propriétés relationnelles. La représentation conceptuelle des situations est donnée aux agents sous la forme d'arbres de dérivation, qui sont considérés en TAG comme une représentation très élémentaire du sens (figure 1, haut).

Le but des agents est d'établir des conventions pour nommer les concepts qu'ils perçoivent et pour ordonner ceux-ci dans le message de sortie à l'aide d'une représentation arborescente (figure 1, bas). Celle-ci est obtenue à partir de l'arbre de dérivation grâce à la combinaison des arbres élémentaires pour chaque concept (TAG est dite lexicalisée). Des dialogues sont établis aléatoirement entre les agents (figure 2), et ceux-ci sont récompensés si le message envoyé peut être analysé par le récepteur et mis en correspondance avec la situation perçue (ou une partie de celle-ci). Initialement, les agents ne possèdent aucun mot ni arbre élémentaire pour les concepts, mais on leur permet d'en créer des nouveaux. De même, lorsqu'un agent reçoit un message, il peut ® deviner ¯ de nouveaux mots, enrichissant ainsi sa base de connaissances.

Résultats et perspectives

La convergence des noms de concepts et des arbres élémentaires au niveau de la population est prouvée dans le protocole d'apprentissage standard. Par exemple, il faut environ 20 000 dialogues pour qu'un groupe de cinq agents établisse des conventions communes lorsque l'apprentissage est incrémental, c'est-à-dire quand la complexité des situations est progressivement augmentée. D'autres situations on été testées : insertion d'un nouvel agent, utilisation par des agents de descriptions partielles (ces deux cas convergeant), évolution non-incrémentale, mélange de populations (ces deux cas ne convergeant pas pour la durée observée).

Les travaux à venir concernent un meilleur contrôle du processus d'apprentissage, afin de pouvoir imposer, à l'aide d'agents <<instructeurs>>, des conventions proches de celles de la langue française.

Références

[1] Popescu-Belis A. : <<Design of an Adaptive Multi-Agent System Based on the Neural Darwinism Theory>>, First International Conference on Autonomous Agents, Marina del Rey, California, p.484-485. 1997.
[2] Allexandre C. et Popescu-Belis A. : <<Emergence of Grammatical Conventions in an Agent Population Using a Simplified Tree Adjoining Grammar>>, International Conference on Multi-Agent Systems (ICMAS'98), Paris, France, 1998.

Gpe Langage et Cognition		Dpt CHM		Sommaire		Présentation