Ile de Porquerolles
|
|
Ile de Porquerolles |
|
news address: http://www.gemas.fr/dphan/PorquerollesXAgents/programme.htm/programme.htm
Ecole thématique CNRS
http://www.gemas.fr/dphan/PorquerollesXAgents/
Contact : frederic.amblard@univ-tlse1.fr
Comité d’organisation
Frédéric Amblard
(Université de Toulouse 1, IRIT)
Nils Ferrand (CR Cemagref, IRMO)
Denis Phan (CNRS, Université de
Rennes I, CREM)
Programme
L’école sera organisée autour de quatre approches complémentaires. (1) Le matin, des cours magistraux communs à l’ensemble des élèves seront dédiés à la synthèse des principes communs utiles à tous les types d’approches. (2) L’après midi, de 16h à 19h30, des ateliers thématiques permettront d’explorer pratiquement une des approche spécifique suivante : Modélisation théorique fondée sur des modèles analytiques (D.Phan, G.Deffuant) modélisation participative et usages de terrain (N.Ferrand, P. Perez), Simulation multi-agents de phénomènes spatiaux et géographiques (E. Daudé, P. Langlois). (3) Le soir, des conférences seront proposées par des spécialistes SHS (sociologie, économie, géographie, philosophie et épistémologie des SHS). Enfin (4) une séance de l’après midi sera consacrée à des exposés proposés par les participants, préalablement sélectionnés par le Comité Scientifique. Les participants pourront également présenter leurs travaux dans le domaine sous forme de Posters.
Lundi 19
9h-12h30 : Introduction
générale à la modélisation et à la simulation multi-agents de systèmes complexes
adaptatifs pour les SHS
(D. Phan)
Présentation des différents ateliers (D. Phan, N. Ferrand,
P.Langlois, E. Daudé)
21h-23h : Artificial Society and Simulations
in Social Sciences (N. Gilbert, Univ. Surrey)
attention ! pdf 16Mo
Mardi 20
9h-12h30 : Introduction aux concepts et méthodologies de conception
multi-agents
(J. Ferber) JFerber_part1.pdf
(0.5Mo) - JFerber_part2.pdf (1.8 Mo)
21h-23h : Agent-based computational economics (R. Axtell, The
Brookings Institution) robAxtell_part1.pdf
(305 Ko) - robAxtell_part2.pdf (2,61
Mo)
Mercredi 21
9h-12h30 : Introduction à la simulation :
principaux concepts (E. Ramat) (1,1Mo)
21h-23h : Statut épistémologique de la simulation en SHS (P.Livet,
Univ. Aix-Marseille) pierreLivet_Texte.pdf
(152 Ko)
Jeudi 22
9h-12h30 :
Introduction aux traitements de
résultats de simulation, comparaison aux données, comparaison de modèles (V.
Ginot, G. Deffuant)
vincentGinot.pdf (594 Ko) -
guillaumeDeffuant.pdf (1,28 Mo)
21h-23h : Simulation multi-agent et géographie (Léna Sanders,
(CNRS Géographie-cités) lenaSanders.pdf
(3,24 Mo)
Vendredi 23 :
9h-12h30 :
Introduction
a la validation dans les modèles
multi-agents - Frédéric Amblard, (IRIT) (929 Ko)
21h-23h: Acteurs, interactions et agents : méthodes d’enquêtes et
d’intervention utilisant la modélisation (N.Ferrand, F. Bousquet)
nilsFerrand_part1.pdf (1,56 Mo) -
nilsFerrand_part2.pdf (1,56 Mo) -
françoisBousquet.pdf (1,09 Mo)
Conférenciers : R. Axtell (Economiste, The Brookings Institution) N. Gilbert (Sociologue, Univ. Surrey), P.Livet (Philosophe, Univ. Aix-Marseille) L. Sanders (géographe, Géographie-cités -CNRS)
(en construction)
Introduction : qu’est ce qu’un système multi-agent ? Utilisation des systèmes multi-agents pour la modélisation et la simulation.
Niveaux cognitifs des agents et leur architecture. Présentation de quelques architectures classiques (réflexe, BDI, modulaire, Subsomption, neuronales, classifieurs, multi-agents..)
L’importance de l’environnement : différents modèles de l’environnement. Avantages et inconvénients. Situations d’émergence et stigmergie.
Coordination d’actions et communications dans l’étude des comportements collectifs de coopération et de conflit.
Organisation dans les systèmes multi-agents. Le modèle AGR de Madkit: présentation et usage pour la modélisation.
Plate-formes de simulation multi-agents
Les analyses possibles : … (dont cohérence numérique, analyses de sensibilité d'incertitude, de robustesse, méta-modélisation…)
Juste une courte intro, les plans particuliers seront traités ensuite au fur et à mesure des besoins
Notion de distance, moindres carrés ordinaires, pondérés, vraisemblance
Plus difficile pour des données non scalaires (petit exemple sur des distributions)
Notion de sensibilité
Calcul empirique des fonctions de sensibilités
Analyse de sensibilité par ANOVA, (extension au GLM ?)
Analyses de sensibilité "globales"
Les recherches actuelles
Notion d'identifiabilité
Les algorithmes classiques
L'approche Bayesienne
Des algorithmes pour les SMA ?
Principe
Les différentes sources d'incertitude, Paramètres corrélés…
Les données non scalaires : distributions, données spatialisées
Le besoin de faire la théorie du modèle, voire le modèle du modèle -> Guillaume
L'apport de l'IA ??
Il faut rendre ces outils plus accessibles au modélisateur
* TD et exercices nécessitent que les participants soient munis d'ordinateurs portables
Organisation générale : 16h30-17h30 : présentation interactive des principes
de modélisation d’un thème donné ; 18h-19h30 TP : en deux sous groupes, selon le
niveau des participants : (1) exercices de simulation* (2) exercices de
programmation*
thème 1 - jeux de population : interactions aléatoires et sur un réseau
d'automates binaires (lundi) Denis Phan
thème 2 - Apprentissages dans les
modèles ACE - algorithmes génétiques (mardi) Christophe Deissenberg
thème 3 - information sur les marchés financiers, modélisation des phénomènes
émergents (vendredi) Gilles Daniel, Denis Phan
thème 4 - modèles de marchés, introduction à la programmation (mercredi) Denis
Phan Gilles Daniel,
Support introduction générale & atelier I:
Phan D. (2004) From Agent-Based
Computational Economics towards Cognitive Economics
in Bourgine P., Nadal J.P. eds. (2004) Cognitive Economics ; Springer Verlag, p.
371-398
full paper (31 pages) : Agent-Based Computational Economics and Cognitive
Economics
http://www.gemas.fr/dphan/papers/ACEPhan.pdf
Supports complémentaires
1 - Réseaux d'automates binaires et dynamiques complexes
L'ouvrage de référence est :
Gérard Weisbuch (1989)
Dynamique des Systèmes Complexes ; une introduction aux réseaux
d'automates,
InterEditions / CNRS
en partie reproduite sur le site de l'Ecole CNRS d'Agay :
http://www.gemas.fr/dphan/AgayComplexiteSHS/programme.html
Compléments :
http://www.gemas.fr/dphan/worksInProgress/TheseDenisPhanch4part.pdf
http://www.gemas.fr/dphan/complexe/intro00.htm
Applets WEB :
http://www.gemas.fr/dphan/complexe/coevolve.html
2 - Choix discrets
Phan D., Pajot S. (2005) Complex Behaviours in discrete choice models with
social influence,
in Aurifeille J.M ed. forthcoming Kluwer
http://www.gemas.fr/dphan/papers/PhanPajot2005.pdf
Phan D. (2005)
Choix binaires avec influences sociales : mode d’emploi et
conséquences économiques
présentation au séminaire CREM
http://www.gemas.fr/dphan/slides/choix_discretsCREM2005.pdf
3 - Apprentissages et algorithmes génétiques (Deissenberg C.) & modèles d'opinion (Amblard F. - Deffuant G.)
Apprentissage dans les modèles
multi-agents
par Christophe Deissenberg (Faculté des Sciences Economiques, Université de la
Méditerranée, et GREQAM)
- Apprentissage et évolution
- Apprentissage individuel et apprentissage social
Bibliographie et logiciels
Références complémentaires :
http://www.gemas.fr/dphan/complexe/AlgoGen00.htm (Thomas Vallée)
http://www.univ-tlse1.fr/ceriss/soc/perso/Amblard/publications.html
4 - Agents cognitifs, coordination et émergence
Dessalles J.L, Phan D. (2005)
Emergence in multi-agent systems: cognitive hierarchy, detection, and
complexity reduction,
11th annual meeting of the Society of Computational Economics, Washington
DC, 23-25 June
include -part I: methodological issues, in Mathieu, Beaufils, Brandouy
(eds.),
Agent-Based Methods in Finance, Game Theory and their Applications,
Series: Lecture Notes in Economics and Mathematical Systems, Vol. 564 Springer
http://www.gemas.fr/dphan/worksInProgress/DessallesPhan2005.pdf
Phan D. (2005)
L’émergence de « croyances sociales » dans un Système Multi-Agents (SMA)
groupe de travail « Interactions » GREQAM - EHESS, Vieille Charité, Marseille 21
mars 2005
version révisée de la présentation du CREA et de l'IHPST
http://www.gemas.fr/dphan/slides/emergengeSMAGREQAM.pdf
Phan D. (2005) Coordination, cognition et
réflexivité aux fondements des « croyances sociales »
12° journées de Rochebrune : rencontres interdisciplinaires sur les systèmes
complexes naturels et artificiels,
"Réflexivité et auto-référence dans les systèmes complexes" ENST 2005
S 001, Paris
http://www.gemas.fr/dphan/papers/phanRochebrune2005.pdf
Annexe Moduleco sur Madkit
Projet "Intégration Moduleco-Madkit-Mimosa
http://www.gemas.fr/dphan/papers/smagetIMP.pdf
http://www.gemas.fr/dphan/ProjetIntegrationMMM.pdf
Références complémentaires à télécharger sur le web :
Robert L. Axtell, The Brookings Institution
Why Agents? On the Varied Motivations for Agent
Computing in the Social Sciences
CSED Working Paper No. 17
http://www.brookings.edu/es/dynamics/papers/agents/agents.pdf
Effect of Interaction Topology and Activation Regime in
Several Multi-Agent Systems
Santa Fe Working Paper # 00-07-039
http://www.santafe.edu/research/publications/workingpapers/00-07-039.pdf
Robert
Axelrod
Advancing the Art of Simulation in
the Social Sciences
forthcoming in Handbook of Research on Nature Inspired Computing for Economy and
Management,
Jean-Philippe Rennard (Ed.).Hersey, PA: Idea Group
http://www-personal.umich.edu/~axe/research/AdvancingArtSim2005.pdf
Robert Axelrod and Leigh Tesfastion,
Agent-Based Modeling As a Bridge Between Disciplines*
http://www-personal.umich.edu/~axe/research/ABM_Perspectives.pdf
On line Guide for Newcomers to Agent-Based Modeling in
the Social Sciences*
http://www.econ.iastate.edu/tesfatsi/abmread.htm (pdf)
Leigh
Tesfastion
Agent-based Computational Economics: A constructive approach to
economic theory
http://www.econ.iastate.edu/tesfatsi/hbintlt.pdf
Nicolaas J. Vriend, Queen Mary, University of London
ACE Models of Endogenous Interactions
Department of Economics
Working Paper No. 542, Queen Mary, University of London, 2005
http://www.qmw.ac.uk/~ugte173/abs/abs.wp542.html
* forthcoming in Leigh Tesfatsion and Kenneth L. Judd
(Eds.),
Handbook of Computational Economics, Vol. 2:
Agent-Based
Computational Economics
Handbooks in Economics Series, North-Holland, Amsterdam, 2006.
Depuis plus de dix ans, un champ important des travaux de modélisation multi-agents a porté sur la conception, l’utilisation et l’évaluation de modèles et de simulations avec et pour les acteurs, aux fins soit de l’analyse, soit de l’intervention à visée de changement. Dans ce contexte, des équipes souvent issues d’organismes à forte composante d’ingénierie de politiques publiques (CIRAD, Cemagref, INRA, IRD…), ont développé des méthodes et des outils spécifiques faisant appel à la modélisation participative (avec et par les acteurs non scientifiques) et à la modélisation d’accompagnement (comme partie d’un cycle progressif de décision et de construction collective de représentation de la situation dans les modèles).
Ce type d’approche requiert souvent des compétences mixtes en analyse de la situation socio-environnementale et en modélisation. Mais les outils existants permettent désormais aux chercheurs de sciences sociales (comme l’expérience de nombreux collègues l’a montré) de s’approprier la méthode et même de devenir autonomes dans la démarche.
On trouve dans celle-ci trois dimensions principales :
- l’augmentation des capacités exploratoires des sciences sociales en construisant des situations spécifiques d’interaction, observables et partiellement programmables, au travers de jeux et autres exercices de simulation avec les acteurs « réels »
- une dimension pédagogique relativement à une situation environnementale ou sociale, par « mise en situation » des acteurs
- l’induction progressive de nouvelles conditions de communication voire de collaboration, avec l’introduction d’objets intermédiaires répondant aux sollicitations, et aptes à terme à produire des changements dans les pratiques individuelles et collectives des participants
Cependant, et de façon encore plus marquée que pour les autres champs de recherche en modélisation et simulation multi-agents, les conditions d’exercice de ce type d’approche nécessitent un construction méthodologique très structurée, une réflexivité critique constante et l’introduction de protocoles d’évaluation et de suivi. Ainsi, si au premier abord ces approches sont assez accessibles, leur pleine validité nécessite beaucoup de rigueur. Nous proposons de donner aux participants à ces ateliers les bases de cette acquisition.
NB : De par l’expérience des intervenants, les exemples abordés porteront majoritairement sur des cas relatifs à la gestion sociale de ressources environnementales
Sur 4 demi-journées :
|
Lundi 19 – Nils Ferrand |
Evaluation ex ante - Introduction – Formulation des attentes et cas d’application espérés par les participants Présentation des principaux concepts et des formes de modélisation – Présentation d’exemples - Présentation d’un cas de référence pour la discussion - Discussion pour en analyser les caractéristiques et envisager une démarche d’analyse |
|
Mardi 20 – Jean-Pierre Muller |
Présentation et mise en œuvre d’une démarche de modélisation à partir d’un cas – Ingénierie de connaissances – Présentation des méthodes et outils - Introduction au formalisme UML – Exemple d’application |
|
Mercredi 21 – Nils Ferrand |
Modéliser pour analyser vs. modéliser pour intervenir – Construction des protocoles d’interaction et usage des modèles – Evaluation et validité de la démarche – Positionnement par rapport aux sciences sociales |
|
Vendredi 22 – François Bousquet |
La démarche de modélisation d’accompagnement – Exemple pratique de mise en œuvre autour d’un jeu de rôle |
La session plénière du vendredi soir reprendra les principes généraux et proposera une discussion avec les autres ateliers sur les conditions de construction et d’usage de modèles multi-agents en relation avec le terrain.
Cet atelier s’efforcera dans son organisation de suivre les principes qu’il entend défendre en terme de participation et de contribution des participants à la construction. La durée courte ne permettra pas de donner aux participants une maîtrise autonome d’une plateforme de simulation, mais il permettra d’explorer une démarche à partir d’exemples, puis de discuter le(s) cas intéressants les participants.
CM1 : Aspects Conceptuels d’un simulateur Géographique (Automate cellulaire, Système Multi-Agents)
TD1* : Automate cellulaire géographique : Initiation à la modélisation spatiale sur une plate-formes de simulation simple : SpaCelle
CM2 : Structurations de l’espace (maillage, hiérarchie, topologie) dans un contexte IAD.
TD2* : Système Multi-agents : Initiation à la modélisation sur une plate-forme de simulation simple : présentation et exercices dans StarLogo
CM3 : Exemples de simulation en Géographie : organisation et évolution de structures spatiales (Une ville artificielle) ; dynamiques dans l’espace (diffusion spatiale) ; représentation et structuration spatiales.
TD3* : Système Multi-agents : Initiation à la modélisation sur une plate-forme de simulation simple : programmation d’un modèle de diffusion spatiale dans StarLogo.
CM4 : Exemples de simulation en Géographie : organisation et évolution de structures spatiales (Rouen 1954-1994) ; dynamiques dans l’espace (Ruissellement de surface) ; diffusion dans un automate à maillage hiérarchisé (Union européenne).
TD4* : Système Multi-agents : Initiation à la modélisation sur une plate-forme de simulation simple : programmation d’un modèle de diffusion spatiale (suite) dans StarLogo.
* TD et exercices nécessitent que les participants soient munis d'ordinateurs portables
Les objets de la modélisation urbaine: ménages, quartiers,
villes, aires
urbaines (Echelles de modélisation, temporalités du
changement)
Des modèles dynamiques à la simulation multi-agents:
formalisation des
théories urbaines (Bifurcation, émergence,
auto-organisation/macro-décisions, bottom-up/top-down)
Modèles hybrides et apport du couplage de modèles de simulation avec les systèmes d’information géographique
validation par des similarités avec des processus collectifs, et avec des habitus individuels
validation par similarité des saillances ou traits
reconnaissables soit par la perception individuelle des phénomènes sociaux soit
collectivement
(statistique).
validation par similarité avec les formes cognitivement
saillantes pour notre perception de formes issues de combinaisons d'un niveau
inférieur.
Est ce alors la société, la reconnaissance de la société par ses agents, ou bien
la reconnaissance des formes perceptibles et identifiables qui nous
servent pour touts les phénomènes multi-niveaux qui sont alors l'objet ou le
résultat retenu dans les simulations ?
A l'inverse, au lieu de se poser la question de la
validation des simulations par leur correspondance avec d'autres objets, on
peut se
demander si notre activité sociale toute entière n'est pas une vaste
"simulation", au sens d'une re-constitution d'opérations ou de processus
auxquels nous n'avons pas un accès direct et qu'il nous faut reconstituer en
simulation interne pour pouvoir les appréhender.
Ce serait là une transposition de l'hypothèse de Metzinger sur
la conscience au domaine de la connaissance du social.
Cette hypothèse pourrait s'appuyer sur une ontologie à la Varela, où
n'existeraient que des activités auto-poiétiques, chacune tournant sur
elle-même, et développant ses propres réactions internes aux perturbations qui
constituent pourtant - perturbations et réactions- le mode
d'interaction avec l'environnement, une interaction qui va dans les deux sens
(l'enaction).
Mais il faut ré-insister sur le fait que la simulation n'est pas constitution ni même re-constitution, mais simulation, donc supposée différente de la réalité qu'elle simule. Le problème est alors de savoir comment apprécier et penser cette distance, ce décollement entre phénomènes à simuler et simulation.
Une voie pour y parvenir est de poser une question à
première vue étrange: est ce que nous pouvons simuler une connaissance vague
? Les ensembles
flous , etc. ne simulent pas ce vague là. Il s'agit du vague fondamental qui
tient par exemple à ce qu'à la question: "avec quel degré de précision est
déterminée et définie telle limite précise? ", nous sommes obligés de
répondre "vaguement" (alors même qu'il s'agit de précision - cf. l'histoire
des désillusions successives des définitions de la notion de continuité).
C'est le vague qui est inséparable de la relation de qualification d'un
objet par un des ses aspects (c'est rouge? non, pour être honnête, vaguement
rouge).
C'est aussi le vague nécessaire quand on veut constituer dans la
réalité des structures qui coordonnent différents objets et aspects de ces
objets.
En effet, si pour qu'une telle coordination et structuration soit possible, il
fallait une précision ultime, aucune structuration ne pourrait être stable.
Ce vague ne peut guère être traité à notre niveau que par une "mise en
suspension", qui consiste à prendre certaints traits saillants comme valides par
défaut, tant que d'autres traits saillants ne sont pas incompatibles avec eux
pour le problème de coordination et de structuration posé.
Il est alors possible de tenir les simulations pour des constructions qui nous permettent d''expérimenter dans quelle mesure les saillances par défaut que nous mettons en suspension à un certain niveau des phénomènes conservent ou modifient d'autres saillances par défaut que l'on rencontre à un autre niveau de phénomènes, lesquels phénomènes sont supposés résulter de coordinations des phénomènes du premier niveau, donnant lieu à des structures.
Autrement dit, les simulations ont comme statut épistémologique de relier deux formes de vague.
On peut montrer en conclusion que cette position évite les
objections que l'on peut faire aussi bien à une ontologie à la Varela qu'à
l'hypothèse de
Metzinger, ou encore l'objection de notre première partie, qui était de
limiter la simulation à la révélation de nos biais cognitifs sur ce qui est
retenu comme formes reconnaissables dans des configurations issues de
micro-interactions.