Les Systèmes Multi-Agents et la recherche dinformations Pr. Khaled GHEDIRA

Les Systèmes Multi-Agents

et la recherche d’informations Pr. Khaled GHEDIRA

JEI Veille stratégique, Lyon 26-27 Mars 2010 Khaled GHEDIRA, LI3

LI3 Création : 1999 avec un chercheur sénior et 6 masters Ex-URIASIS, ex-SOIE + MIAD LI3 32 chercheurs séniors, 60 doctorants, 20 masters Diplômes : 40 masters, 20 thèses www.soie.isg.rnu.tn/li3


Motivations Limites du raisonnement centralisé : pluralisme, ‘un

être humain ne peut se développer…’ Distribution physique (soulever un poids lourd),

fonctionnelle, naturelle (réseau de transport) Problèmes complexes Systèmes multi-experts Aspect dynamique Limites du séquentiel, synchrone,… Les réseaux (Pbs d’interopérabilité, de routage, de

saturation,…) Internet (Données hétérogènes et volumineuses,…)Internet (Données hétérogènes et volumineuses,…) Simulation de phénomènes complexes: Science du

vivant (Impact des comportements individuels sur le niveau global, Éco-système,…)

Historique Motivations Concepts de base

des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA

pour la RI ? Exemples

2


Concepts de base des SMA

SMA = Société d’entités en interaction en vue de satisfaire au mieux un ou plusieurs buts

Contrôle décentralisé Deux niveaux de description

Individuel/Local : L’agent/entité Collectif/Global : La société MA/SMA

Les interactions: Communication, Coopération, Négociation, Concurrence,…

Optimisation locale/globale & mono/multi-critère Modélisation multi-agent: Conception, spécification Implémentation

Historique Motivations Concepts de base

des SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour

la RI ? Exemples

3


Caractéristiques

Autonomie Communication Coopération Mobilité Apprentissage Aspect asynchrone et auto-

déclenchement Localité Flexibilité

Historique Motivations Concepts de base des

SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’ approche MA pour

la RI ? Exemples

4


Comment spécifier un agent?

Recette???? Granularité? Capacité de raisonnement? Accointances? Connaissances sur l’environnement? sur les

autres agents? Capacité de réaction aux aléas? Apprentissage? Position sociale? hybride, rationnel,proactif, situé,…



la RI ? Exemples

5


Caractéristiques (2) Historique Motivations Concepts de base des


la RI ? Exemples

statique

migration

conversation

dynamique

statique

Autonomie

Intelligence

Mobilité

CommunicationCapacité de coopération

négociation

délégation

isolation

Apprentissage

Raisonnement

planification

Exécution distante

isolé

préférence

Systèmes multi-agents

Agents mobiles

6


Les agents réactifs

Pas de connaissances explicites ni de l’environnement, ni des autres agents, ni du passé,

Pas de plan d’actions Comportement simple de type réflexe qualifié

aussi de biologique Nombre assez important

Emergence



la RI ? Exemples

7


Les agents cognitifs

Connaissances explicites partielles de l’environnement, des autres agents, du passé

Plan d’actions Comportement intelligent qualifié de social Nombre assez réduit Base de connaissance assez importante Coopération, coordination Des explications



la RI ? Exemples

8


Quelques architectures Agent

Architecture modulaire Architecture à base de tableaux noirs Architecture BDI Architecture connexionniste Système à base de connaissances Architecture Multi-Agent KG : {boite aux lettres, accointances,

connaissances statiques, connaissances dynamiques et un comportement basé sur la recherche de satisfaction}



la RI ? Exemples

9


Quelques rôles

Médiateur Décideur Fournisseur Exécutant Agents d’information/Internet: gestionnaire de courrier,

secrétaire virtuelle, moteur de recherche Agents de détection d’intrusion Agents de base de données: répartition, collecte, Agents de data-mining Agents de commerce électronique: shopping agents

(prospection pour le compte des clients), merchandising agents (prospection pour le compte du producteur afin de connaître les goûts et les besoins du consommateur)

Planificateur Ordonnanceur



la RI ? Exemples

10


Comment spécifier un SMA

Les agents? Qui connaît qui? Qui connaît quoi? Qui fait quoi?

Assurer la cohérence des interactions (contrôle)?

Gérer les conflits entre agents Coordonner l’exécution des agents Éviter les comportements chaotiques Plateforme pour implanter ou simuler le SMA Les relations sociales



la RI ? Exemples

11


Mise au point d’un SMA

Approche fonctionnelle Un agent par fonction/sous problème Evt hiérarchisation

Approche orientée composant/objet physique ou virtuel Un agent par composant Evt hiérarchisation



la RI ? Exemples

12


Techniques de modélisation Historique Motivations Concepts de base des


la RI ? Exemples

Les modèles algébriques: le langage Z, agent logic [Wooldridge 96], logique temporelle,…

Les modèles opératoires: automates à états finis, réseaux de Petri,…

Méthodologie de conception (basée sur le cycle de vie: spécification, conception et implémentation: Alaadin (AGR), Gaia, AUML,…

MA-UML

13

MA-UMLUML

AUML+= Nouveaux diagrammes


Les interactions Communication Qui communique quoi? à qui? quand? pourquoi? et

comment? langage de communication: KQML, FIPA ACL

Actes de langage [Austin 62] : Structure: locutoires (énonciation), illocutoires (donner un

ordre, poser une question) et perlocutoire (convaincre, faire croire)

Typologie: les assertifs, les directifs, les promissifs, les expressifs et les déclaratifs

Coopération Négociation


SMA L’agent Le SMA Les interactions MA Modélisation SMA Plateformes MA Pourquoi une

approche MA pour les SI ?

Exemples


Définition d’une plateforme MA

Un langage de construction d’agents Un langage de communication Mécanisme de simulation du parallélisme et de

l’asynchronisme Gestion de l’environnement Interface: débogage,…

Comment choisir une plateforme? Norme FIPA (http://drogo.cselt.stet.it/fipa/) : Des spécifications

afin d’assurer l’interopérabilité entre plateformes hétérogènes Disponibilité, configuration (OS), documentation, généricité,

nombre d’application, hétérogénéité, adaptabilité, standard (communication…), interopérabilité, distribution (plusieurs sites), facilité de développement (outils, éditeurs,…), simulation



la RI ? Exemples

15


Concluons sur les SMA: pluridisciplinarité

Systèmes distribués IA BD Langage naturel Réseaux et télécommunication Robotique Psychologie Sociologie Biologie Éthologie Et la recherche d’informations



la RI ? Exemples

16


Recherche d’informations vs SMA


SMA L’agent Les SMA Les interactions MA Modélisation SMA Plateformes MA L’approche MA pour

la RI ? Exemples

Gestion de Production

Sources différentes, distantes géographiquement, autonomes, flexibles, Éventuellement conflictuelles

+ Informations hétérogènes, volumineuses, complexes, évolutives, connues partiellement, interactions pour transactions, etc.

Réseau d’informations

requête Informations

17 Informations: hétérogènes, volumineuses, complexes


L’approche Multi-Agent pour la recherche d’informations

et la veille stratégique

1 + 1 1 + 1 > 2> 2

2 types d’agents : Agents de recherche d’information Agents d’internet Agents intelligents


Agents de recherche d’informations Recherche d’informations non structurées et semi-structurées Exécution des recherches proactives afin de maintenir, négocier

l'information appropriée au nom de leurs utilisateurs ou d'autres agents. Recherche, filtrage, analyse, manipulation et fusion de l'information

hétérogène Visualisation et guidage de l'utilisateur selon son profil Exemples :

Warren : SMA qui intègre l'information trouvée et filtrée pour aider un utilisateur dans le contrôle de son portefeuille financier

InfoSleuth : SMA pour la recherche coopérative d’informations dans des bases de données distribuées.

NetSA : Un agent ontologie pour le maintien de la cohérence des concepts UMDL : C’est un système d’informations coopératif pour la recherche des documents dans

une librairie digitale

:

19


Agents d’Internet

Annuaires (sites), moteurs de recherche généralistes (robots/spiders/crawlers par mots clefs, titre, contenu), moteurs de recherche spécialisés (par types de documents (image, vidéo) ou par thème, base de données propre et algo propre),

Métamoteurs de recherche génération 1 : même interface pour plusieurs moteurs et outils. Pas d’nterrogation

simultanée mais un gain de temps. génération 2: simultanément plusieurs outils de recherche. Mais ils affichent les

résultats moteurs par moteurs sans éliminer les doublons ni procéder à l'analyse de pertinence.

génération 3: Plus sophistiqués, sélectionnent les sites dans différents moteurs, éliminent les doublons et affichent les résultats selon des critères de pertinence ou par type de document. Avantage : exhaustivité mais pb de syntaxe Exemple : Metacrawler, profusion

Agents Intelligents

20


Agents intelligents

AFNOR : Objet utilisant les techniques de l'intelligence artificielle : il adapte son comportement à son environnement et en mémorisant ses expériences, se comporte comme un sous-système capable d'apprentissage : il enrichit le système qui l'utilise en ajoutant, au cours du temps, des fonctions automatiques de traitement, de contrôle, de mémorisation ou de transfert d'informations

- - - Un agent intelligent est un logiciel mis au point pour remplir et automatiser une tâche

sur un réseau pour le compte de son utilisateur. L'utilisateur définit les critères de la mission que l'agent va remplir de façon autonome

fichiers particuliers, pages web, bases de données, forums de discussions, etc. Ce logiciel agit comme un humain à qui on a confié une tâche une entité autorisée à agir à la place d’une personne et en son nom Il modifie son comportement en fonction de l’environnement et est capable

d’anticiper, autrement dit est proactif

21


Agents intelligents : pourquoi ? Lesquels ? Pourquoi ?

Recherche ponctuelle d’infos Veille thématique : suivre en permanence l’évolution d’informations Gestion de l’information récoltée : éditer, archiver, … Analyse des documents rapatriés : ressortir des informations pertinentes,

résumés automatiques Navigation off-line

Lesquels ? Deux grandes familles d'agents intelligents Les agents de veille : suivre et analyser les stratégies et tactiques développées par

les concurrents, scruter leurs ressources, leurs modes de développement, leurs actions, etc.

Les agents conversationnels : dialoguer directement avec son interlocuteur (en

anglais, chatterbot), répondent aux questions d'un utilisateur , effectuer le travail de plusieurs conseillers commerciaux. Avantage pour le CRM (Customer Relationship Management)

22


Pourquoi utiliser un agent intelligent au service de l'entreprise ?

Prévoir et anticiper l'évolution des marchés Référencer le site de l'entreprise, promouvoir le dernier produit développé Récupérer automatiquement l'ensemble de l'information disponible autour

d'une problématique Produire automatiquement des documents de synthèse Suivre au jour le jour la notoriété de l'entreprise Localiser automatiquement les experts dans un domaine particulier Effectuer des recherches multidimensionnelles stratégiques Créer automatiquement des rapports d'analyse sur un sujet critique Installer des groupes de travail collaboratif sans frontières géographiques

A noter : Les agents intelligents sont parfois aussi utilisés de façon abusive,

23


Monsieur tout le monde Accélérer les téléchargements Supprimer la publicité Gérer le courrier Utilient des outils statistiques, linguistiques pour analyser les infos Apprennent vos préférences Vous proposent Search agent : musique, vidéo, … Shopping bots, charger un agent humain virtuel pour lire et écouter les

messages, Converser avec des chatterbots Un monde d’assistants virtuels Et pourquoi pas des agents pour la décoration, frigo, …

La linguistique pour parler, écouter et analyser

24


Travaux réalisés au Laboratoire Makram Soui : "Contribution à l'évaluation des systèmes d'information

personnalisés, Application au transport collectif de personnes", Janvier, 2010

Soufiène Lejmi : ‘Une approche d'Apprentissage distribué pour la composition de services Web’, Juin 2010

Besma ZEDDINI : "Modèles d'Auto-Organisation Multi-Agent pour le Transport à la Demande« , Décembre 2009

Héla Hachicha : ‘Conception et implémentation des agents mobiles sur la base d'UML’, Mars 2009

Nader Kolsi ‘Approche Multi-Agents pour la Gestion des Données d'un Data Warehouse’, soutenance prévue en 2011

Farah Barika : ‘Vers un IDS Intelligent à base d’Agents Mobiles’, soutenance prévue au mois de Juin 2011 25


Nader Kolsi : Gestion de Datawarehouse

Répartir au mieux les données

SD

Professional Workstation 6000

PRO

SD


PRO

SD


PRO

SD


PRO

SD


PRO

SD


PRO

DWHP1

DWHP2

DWHPn

Utiliser au mieux les ressources disponibles dans une entreprise (mémoire, espace disque, processeurs) pour accélérer le temps d’accès.

60


Gestion de Datawarehouse : Architecture Multi-Agent

Agent Client 1 Agent Client mAgent Client 2

Agent Domaine

1

Agent Domaine

2

Agent Domaine n

Agent Serveur 1

Agent Serveur 2

Agent Serveur i

Agent Serveur j

Agent Serveur k

Agent Dispatcher

Agent Coursier 1

Agent Coursier 2

AgentEclatement

Méta BaseBD Attente

MB MB MB

61


Gestion de Datawarehouse : Dynamique Multi-Agent avec AM

SD


PRO

SD


PRO

MBDWH1

MBDWH2

MBDWH3

SD


PRO

MB

SD


PRO

Capacité AM

Capacité ADom

Permissio

nOk

Permission

PermissionOk

Non____________________________________________________________________________________

62


Téléexpertise Médicale

Avantages Favoriser le travail coopératif Partager le savoir et le savoir faire

Améliorer la qualité des soins et diminuer les coûts en réduisantles déplacements des patients et des experts du domaine

Téléexpertise Médicale : utilisation de services télématiques entre des professionnels et des experts du domaine médical pour l’assistance au diagnostic ou thérapeutique ou à d’autres types de services sanitaires

63


Téléexpertise Médicale

(1) Permettre l’interopérabilité entre des systèmes médicaux distribués et hétérogènes

(2) Recherche, collecte et distribution rapide et intelligente de l ’information

Concevoir et mettre en œuvre un Système de Télé-expertise Médicale à base d’Agents Mobiles

64


Téléexpertise Médicale : Architecture

Architecture du centre du demandeur

AC AS

BDP

BDE

Gestionnaire d’agent

Requête Réponse

Demandeur : médecin

ARD GR

Agent Sélecteur d’Expert

Centre de Demandeur

APD

Contrôleur de Notification

AD

Migrer

Agent Interface

Demandeur

Centre d’expertise

Données Patient

AP

Réseau de téléexpertise

Légende:BDE : Base de Données Expert AD : Agent Dispatcheur ARD: Agent Requête Demandeur BDP : Base de Données Patient APR : Agent Présentateur Requête GR : Gestionnaire de Requête AC: Agent Constructeur AP: Agent Patient AS: Agent Sécurité ASE : Agent Sélecteur Expert

GR

Gestionnaire d’Agent

Contrôler de Notification

Centre d’expertise

Requête Réponse

Expert

Agent Interface Expert

APR ARE

BDE

Agent Gestionnaire

d’Expert

Données Patient

AP AD SA

Connections, identification et authentification

Réseau de téléexpertise

Légende:ARE : Agent Réponse Expert SEA: Agent Sécurité BDE : Base de Données Expert AD : Agent Dispatcheur APR: Agent Processeur de Requête GR : Gestionnaire de Requête AP : Agent Patient

Architecture du centre d’expertise

Système de Télé-expertise Médicale à base d’Agents Mobiles


Les agents mobiles

Définition: Une entité logicielle autonome capable de se déplacer sur le réseau. Elle peut échanger des informations avec d’autres entités qui résident sur d’autres machines, rechercher des informations en faveur de l’utilisateur…

Modèles: Agent, cycle de vie, traitement, sécurité, communication et navigation.

Environnement: Un système logiciel distribué sur un réseau d’ordinateurs hétérogènes.

Caractéristiques Migration: forte et faible Acquisition de données Détermination d’itinéraires: pré, post et hybride Communication: orientée réseau ou nœud Interactions

Avantages: Réduction du trafic réseau, alternative à l’architecture client/serveur,…

Applications: Commerce électronique, veille technologique, assistance, recherche d’information



la RI ? Exemples

74


Architecture modulaire Historique Motivations Concepts de base des


la RI ? Exemples

Prise de décision

PlanificationReprésentation

ExécutionPerception

Croyances, intentions,

passéObjectif

Environnement79


31

Système de Détection d’Intrusions Décisionnel Auto-adaptatif : Le Modèle IMA-IDS

Agents CollecteursAgents Collecteurs

A. A. hybrideA. A. hybride A. A. (comportemental)A. A. (comportemental) A. A. (scénario) A. A. (scénario)

Agents Décisionnels Agents Décisionnels

Bas niveau

Prétraite-ment

Noyau

Niveau supérieur

Agents ClassificateursAgents Classificateurs

Événements réseau (E. R.)

Événements filtrés (E. F.)

(E. F.) (E. F.)

Événements analysés (E. A.) (E. A.) (E. A.)

Mise à jour filtres

Mise à jour paramètres de collecte 68

Documents

Les Systèmes Multi-Agents et la recherche dinformations Pr. Khaled GHEDIRA