Differences

This shows you the differences between two versions of the page.

--- scenario-lum [2025/12/30 09:39]
47.128.47.125 old revision restored (2025/10/27 18:57)
+++ scenario-lum [2026/01/09 06:07] (current)
47.128.17.95 old revision restored (2025/12/17 06:13)
@@ Line 136: / Line 136: @@
 à dire le seuil qui leur fait dire si oui ou non deux instances sont similaires.
 === Couple Association Similarité (A-S) ===
+<note important>
+Le fonctionnement des couples A-S décrit
+dans cette section n'est pas celui décrit dans la
+thèse de Mazac, mais plutôt une interprétation.
+Pour moi ils devraient fonctionner comme suit, mais
+la discussion reste ouverte.
+</note>
 Déterminer l'intérêt d'associer un flux à un autre est
@@ Line 175: / Line 183: @@
 </note>
-=== L'espace de marquage ===
+==== L'espace de marquage ====
 A partir des éléments de la section précédente, décrivant les
@@ Line 202: / Line 210: @@
 **Exploiteurs**.
-== Les explorateurs ==
+=== Les explorateurs ===
 Comme leurs nom l'indique, ceux sont les couples "bougeant"
@@ Line 216: / Line 224: @@
 l'emplacement de l'intérêt maximum trouvé, puis se redéplacent.
-== Les exploiteurs ==
+=== Les exploiteurs ===
 Ce type de couple se fixe sur les emplacements les plus
@@ Line 227: / Line 235: @@
 un emplacement.
-=== Feedback d'intérêt ===
+==== Feedback d'intérêt ====
 Dans la section précédente nous avons parlé du marquage
@@ Line 237: / Line 245: @@
 correspondant à la variable et aux paramètres des agents.
-<note>
+=== L'intérêt intrapersonnel ===
-L'intérêt est calculé légèrement différemment pour les couple
-D-S et A-S.
-</note>
-== L'intérêt intrapersonnel ==
 Une découpe de variable, ou une association de flux, est évalué sur
@@ Line 264: / Line 267: @@
 évènement.
-== L'intérêt interpersonnel ==
+=== L'intérêt interpersonnel ===
 Pour nuancer le poids de l'intérêt intrapersonnel sur l'intérêt
@@ Line 287: / Line 290: @@
 <note tip>
-Un autre facteur pouvant être pris en compte est la "direction" du motif
+Concernant les motifs "d'intéraction" :
-lors d'une association entre un flux interne et un flux externe.
-Pour éviter qu'un même motif soit appris par plusieurs systèmes échangeant
+Une certaine redondance de l'apprentissage se retrouve lors de la
-entre eux.
+découverte de motifs dit "d'intéraction", c'est à dire mettant
+en jeux plusieurs systèmes, donc des associations entre un flux
+interne et un flux externe. Un même motif peut potentiellement
+être appris et diffusé par deux systèmes différents.
-En partant du prédicat qu'il y aura potentiellement de la latence entre
+Exemple (en restant du point de vue du système d'éclairage) :
-l'émission d'une instance par un flux d'un système et la réception de
+le store m'indique qu'il s'est ouvert (V2:2, ou V2:1, voir un motif
-cette instance par un autre système, nous pouvons dire qu'il serait
+associant les deux), je capte une augmentation de la luminosité (V1:2)
-plus pertinent pour un système de rechercher des motifs qu'il "fini" et
+que je communique aussi. L'association de l'ouverture du store (e1) et de
-dont il peut avertir les autres.
+l'augmentation de la luminosité (e2) est faite par les deux systèmes et
+les deux systèmes créent des flux correspondant à cette association, il
+y a donc redondance.
+Cette redondance est elle un mal ?
+Doit-on utiliser cette redondance à notre avantage et l'utiliser
+pour faire un consensus sur des motifs communs à certains objet ?
+Si oui comment détecter qu'un même motif a été découvert par deux
+systèmes différents et comment arriver à un consensus et comment
+décider lequels des systèmes aura pour rôle de notifier les autres
+des instances de ce motif ?
+D'un autre point de vue, cette redondance est elle nécessaire ?
+Ne pourait on pas faire en sorte "d'orienter" l'apprentissage
+pour qu'un minimum de système, au mieux un seul, découvre ce motif ?
+Personellement je penche plus vers ce second point de vue. Nous
+pourrions par exemple donner plus d'intérêt à un concept d'association,
+ou d'interaction, si l'évènement e2 de cette association est capté par un flux
+interne.
+Pour reprendre l'exemple: dans l'association "ouverture store" -> "augmentation
+luminosité", e2 provient d'un flux interne pour le système d'éclairage l'association
+et d'un flux externe pour le store. L'association aura donc un plus fort intérêt à
+être exploité par le système d'éclairage que par le store électrique.
+Partir sur ce principe permettrait de trouver plus rapidement des motifs "d'intéraction"
+complexe, c'est à dire mettant en jeu plusieurs avatars.
+De plus vérifier qu'un motif est "vrai" est plus facile que de détecter une redondance
+(avis personnel), quand bien même qu'avant d'être diffusé un motif est passé par une
+longue phase vérification, donc les systèmes n'ont pas vraiment de "raison" vérifier la
+véracité d'un motif, juste de regarder si il leur est utile ou non. De plus les systèmes
+ont les mêmes capacités d'apprentissage, raison de plus pour qu'ils se fasse "confiance"
+leur de l'apprentissage de motif d'intéraction (je ne parle ici que d'apprentissage et non
+de synchronisation entre eux).
-remarque : prendre en compte ce facteur permettrait certes de réduire
-la redondance mais risque de renforcer l'apparition de motifs "cyclique",
-cependant ce types de motifs sont surement plus facilement indentifiable
-que des redondances de motifs.
 </note>
-== Calcul du feedback ==
+=== Calcul du feedback ===
-Le feedback d'intérêt Ί d'un évènement e se calcule donc à partir du rapport
+Le feedback d'intérêt **Ί** d'un évènement e se calcule donc à partir du rapport
 de son intérêt intrapersonnel **Ί<sub>α</sub>** sur son intérêt interpersonnel
 **Ί<sub>ε</sub>**.
@@ Line 331: / Line 369: @@
 </code>
-== Feedback Prédictif ==
+<note>
+Cette formule d'intérêt peut aussi bien être utilisé par les couples
+D-S ou A-S, puisque pour l'intérêt **Ί** d'un découpage :
+Ίε(e) = (Nb_Var_Necessary(e) + 1) - Nb_Internal_Var_Used(e)
+= 1 + 1 - 1 = 1.
+=> Ί(e) = Ία(e) = s(e) * π(e)
+avec p(e) = 1.
+Donc nous retrouvons la formule proposée par Mazac
+</note>
+=== Feedback Prédictif ===
 Lorsqu'un motif créé par un couple A-S semble "intéressant", celui-ci
@@ Line 343: / Line 395: @@
 fréquence d'apparition de e2.
 et d'une confiance **rel**, qui est le rapport de prédictions juste sur
-le nombre de prédiction tentés.
+le nombre de prédictions tentés.
 <code>
@@ Line 386: / Line 438: @@
 </note>
+==== Flux d'instances ====
+Lorsqu'un concept d'évènement, qu'il soit découvert part un couple D-S
+ou A-S, est déterminé comme "intéressant" alors un **flux d'instances**
+correspondant au concept d'évènement est créé pour pouvoir y partager
+les instances de ce concept (c'est à dire les instances similaires
+au concept d'évènement) avec les autres systèmes.
+=== Identification ===
+Du point de vue d'un système, et donc de ses agents, un flux est perçu
+comme un **flux interne** si celui-ci a été créé par le système, et
+comme un **flux externe** si il a été créé par un autre système.
+<note>
+Par exemple :
+Du point de vue du système d'éclairage, les flux d'instances correspondant
+aux concepts : augmentation soudaine de la luminosité,
+augmentation progressive de la luminosité, diminution soudaine de la luminosité,
+interrupteur passe à ON, interrupteur passe à OFF, etc... seront perçus
+comme des **flux interne** car créé par le système d'éclairage.
-====== A remettre en forme ======
+A l'inverse, les flux correspondant aux concepts : store s'ouvrent, store
+se ferme; seront perçu comme des **flux externes**.
+</note>
+Pour aider à l'identification d'un flux par un système, et ses agents,
+est associé au flux URI du système l'ayant créé (donc l'URI de l'avatar)
-== Création de Flux ==
+et l'URI du concept correspondant au flux (généré par le système). Les
+agents d'un système connaiteront l'URI de l'objet.
-La découverte d'évènements récurrents se fait à l'aide d'un couple
-d'agent Découper et Similarité. L'agent Découper faisant varier
-ses paramètres de découpe et l'agent Similarité faisant varier
-ses paramètres de différenciation, les deux en fonction de la
-variable d'entrée à laquelle ils sont associés.
-La qualité des paramètres, évaluée à partir d'un feedback //d'intérêt//,
-est sauvegardé dans un **espace de marquage** à trois dimensions
-(la variable sélectionné, les paramètres de l'agent Découper et
-les paramètres de l'agent Similarité).
-Cet espace de marque sert à garder, dans un espace commun de recherche
-de paramètres à tous les couples d'agents, la trace de l'utilisation de
-certains paramètres et leurs qualités.
-{{wiki:hemis_marquage.png}}
-Une fois qu'un couple, ou plutôt l'agent Similarité d'un couple d'agent,
-aura déterminé qu'un //concept d'évènement// est assez récurrent il créera
-un //flux d'instances d'évènements// dans lequel il fera passer les //instances//
-correspondants au //concept d'évènement// du flux, et auxquels pourra se connecter
-les agents Association du système d'apprentissage, mais aussi les agents
-Association des autres systèmes d'apprentissage.
-{{wiki:flux_creation.png}}
-Pour connaitre la similarité, ou plutôt le pourcentage de similarité, entre deux
-instances d'évènement, l'agent Similarité utilise une fonction d'intersection des
-histogrammes représentants les instances.
-{{wiki:similarite.png}}
-=== Partage d'évènements ===
-A peu près même moment que le système d'apprentissage de l'éclairage
-créé ses //flux d'instances//, des //flux d'instances externes// font
-leur apparitions.
-Une notation possible est présentée ci-dessous. Noté **F**, un flux est
-identifié par l'ip de l'objet fournissant le flux et l'id de ce flux.
-De la même manière sont notés **e** les //concepts d'évènements// associés
-à un flux, il sont donc identifiés de la même manière que les flux, avec
-id et ip.
 {{wiki:flux_notation.png}}
-Pour simplifier la notation pour le scénario, l'ip du système d'éclairage
+<note>
-sera 1 et l'ip du store électrique sera 2. L'ip 0 est considéré comme un
+TODO : mettre à jour l'image quand une notation aura été définie.
-"localhost", se sont les flux identifiés comme personnels par l'objet,
+</note>
-le fait de donner un ip 0 pour identifié le "moi" est totalement
-arbitraire, un flux pourrait garder l'ip de l'objet apprenant, cependant
-les agents du système d'apprentissage, en particulier les agents Découper,
-devraient être capables de différencier les flux personnels et les flux
-extérieurs.
-Ainsi le système d'apprentissage voit apparaître, à peu près au même moment,
+=== API de transfert d'instances ===
-des flux d'instances //interne// (avec un ip 0) et des flux d'instances
-//externes// (avec un ip différent de 0).
-Les couples d'agents formés par des agents Association et Similarité vont
+<note important>
-alors rechercher différentes Association de concepts d'évènements possibles
+Le fonctionnement de l'API de flux n'est, pour le moment, pas clairement
-et pertinents.
+définie. Ce qui est écrit dans cette section sont des idées sur le fonctionnement
+général de l'API et sur l'adaptation possible de protocoles, API ou frameworks déjà
+existant pour les besoins du système d'apprentissage.
+</note>
-{{wiki:flux_association.png}}
+== Fonctionnement hypothétique ==
-Les Associations vont être faites en prenant prioritairement en références
+Si nous prenons le point de vue d'un avatar, le principe des flux
-les flux internes du système d'apprentissage. Cet aspect "égoïste" de
+reviens à proposer un service de notification d'évènements aux autres
-l'apprentissage est nécessaire pour éviter une redondance de l'apprentissage
+avatars de la société.
-dans tous les avatars de la société, et permet aussi une spécialisation
-de ces mêmes avatars. En effet, les avatars d'objets possédant peu de
-capteurs et d'actionneurs seront plus enclin a tenter d'associer des évènements
-provenant de flux externes; à l'inverse des avatars d'objets possédant beaucoup
-de capteurs et d'actionneurs seront plus enclin à se concentrer uniquement sur
-le découpage de leur variables d'entrées et sur la découverte de concepts d'évènements
-"intéressants".
-==== Point de vue du store électrique (Orienté Scénario) ====
-Dans le point de vue précédent, l'accent a été mis sur le fonctionnement
-globale du modèle. De ce point de vue, au contraire, nous allons nous
-concentré, pas à pas, sur les suites logiques d'évènements pouvant arriver
-à un système d'apprentissage.
-=== Variables d'entrées et Découpe ===
-Reprenons à partir de la découpe d'une variable d'entrée,
-par exemple V<sub>2:2</sub>.
-{{wiki:V2_2.png}}
-== Couple Découper - Similarité (D-S) ==
-L'apprentissage de la découpe d'une variable
-d'entrée est implémenté par un couple D-S. Leurs
-interactions, dont nous allons voir le fonctionnement,
-permet de connaître la "pertinence" du découpage
-d'une variable en particulier. Ils font varier leurs
-paramètres en explorant l'espace de marquage vu précédemment.
-== Découpe ==
-L'agent Découper d'un couple D-S associé à la variable V<sub>2:2</sub>
-a pour paramètre un Δt qui est la taille de la fenêtre de découpe.
-{{wiki:decoupe.png}}
-L'agent Découper va alors parcourir la variable d'entrée en faisant
-"glisser" sa fenêtre de découpe le long des variations. La fenêtre
-peut être simplement glissante, ou bien glissante et suivant les
-variations de la variable d'entrée, comme sur l'image ci-dessus.
-La portion découpée par l'agent Découper est alors représenté sous
-la forme d'un histogramme.
-== Similarité et Différenciation ==
-Les histogrammes produit par l'agent Découper sont alors récupéré
-par l'agent Similarité qui lui associé.
-Celui ci compare les nouvelles instances d'évènement avec ceux qu'il
-a stocké précédemment, ou plutôt avec l'histogramme représentant la moyenne
-de chaque groupe d'instances similaires. Cette "moyenne" peut être considéré
-comme un pré-concept d'évènement.
-La fonction de comparaison utilisée pour différencier les instances découpées
-en une fonction d'intersection entre les deux histogrammes représentant les
-instances.
-{{wiki:similarite.png}}
-Ainsi l'agent Similarité du couple D-S "rangera" les nouvelles instances
-d'évènements avec celles qui lui sont le plus similaire, modifiant par la
-même la moyenne de ce groupe d'instance. Si aucun groupe n'est trouvé pour
-une instance, alors un nouveau lui correspondant sera créé.
 <note>
-le paramètre de l'agent Similarité serait son seuil d'acceptation
+Le mot service utilisé ici ne correspond pas forcément
-de similarité, mais cela reste à confirmer.
+à un service web à proprement parlé, ce n'est peut être pas
+le bon mot à employer.
 </note>
-== Feedback et sélection de concept ==
+Ainsi lorsque le système d'apprentissage créé un flux correspondant
+à un concept d'évènement, un flux/service de notification est alors
+créé par l'avatar et les autres avatars de la société sont avertis
+de la création du service de notification. (par la même, si un service
+de notification est détruit, les autres avatars seront avertis de sa
+destruction, et le flux externe du système d'apprentissage sera détruit).
-Avant que la moyenne d'un groupe d'instance soit considérée comme un réel
+Lorsqu'un avatar est avertis de la création d'un service de notification,
-concept d'évènement, l'agent Similarité d'un couple D-S va calculer l'intérêt
+son système d'apprentissage créera un flux d'instance correspondant.
-de chaque pré-concept, et marquer le maximum de ces intérêts dans l'espace de
-marquage des couple D-S.
-Le feedback d'intérêt d'un pré-concept d'évènement est calculé à partir de la
+Lorsqu'un couple A-S prendra pour référence un flux externe, cela signifiera
-spécificité de cet évènement, c'est à dire si l'évènement "sort du lot", et
+que l'avatar "s'abonne" au service de notification proposé par un autre avatar.
-de la redondance de cet évènement. Pour faire simple, parmi tous les évènements
+De la même manière un avatar "s'abonnera" à un service de notification si un
-"rare", celui qui aura le plus fort intérêt sera celui qui arrive le plus souvent,
+couple A-S tente d'associer son flux référence à un flux externe.
-donc potentiellement le moins dû au hasard.
-<code>
+== Protocoles, API, frameworks déjà existants ==
-    intérêt = spécificité + redondance
+Pour implémenter une API permettant de mettre en place de tel fonctionnalités,
+adapter certains protocole/API/frameworks à nos besoins pourrait être pertinents.
+Ci-dessous sont listés quelques API potentiels :
-</code>
+  * Les flux RSS
+Le mode de fonctionnement des [[https://fr.wikipedia.org/wiki/RSS | flux RSS]] semble
+plutôt bien correspondre au principe des flux d'instances (d'ailleurs c'est de là qu'ils
+tirent leurs noms). Cependant les flux RSS ont quelque faiblesse, se sont des fichiers
+XML où sont écrit toutes les notifications et sont accessible par tous. De plus se sont
+les outils "abonnés" qui regarde, à intervals réguliers, si des modifications on eu lieu
+dans le fichier XML. Ce ne sont donc pas de réelles "notification" fait d'un serveur à un
+terminal (pour notre cas, d'un avatar à un avatar) et il faudrait mettre en place un
+programme permettant de détecter la création (ou la suppression) d'un flux dans la société.
-C'est lorsqu'un couple D-S de type //Exploiteur// se positionnera, dans l'espace
+  * Le réseau Usenet et le protocole NNTP/S
-de marquage, sur les paramètres de découpe de V<sub>2:2</sub> que la création de
-Flux d'instance se fera pour les concept ayant la plus haute spécificité.
+Le réseau [[https://fr.wikipedia.org/wiki/Usenet | Usenet]] est à la base un système
+de réseaux de forums permettant le partage rapide, à des groupes "d'abonnés", de nouvelles
+(ou news) concernant un forum. Il utilise le protocole [[https://tools.ietf.org/html/rfc3977 | NNTP]]
+qui a été conçu spécialement pour le transport de news dans un réseau, il existe en version
+"sécurisé": NNTPS. La [[https://tools.ietf.org/html/rfc1036 | RFC1036]] décrit le format
+standard des échanges de messages dans un réseau Usenet.
-== Conception de flux d'instances ==
+==== Récapitulatif =====
-<note important>
+Avant de passer au fonctionnement pas à pas de l'apprentissage en prenant le point de vue
-Le fonctionnement de l'API de flux n'est, pour le moment, pas clairement
+du store électrique, voici un récapitulatif du fonctionnement général du système d'apprentissage.
-définie.
-</note>
-Comme dit précédemment, les couples D-S vont extraire
+=== Variables d'entrées & Découpe d'instances d'évènements ===
-des //concepts d'évènements// et créer des //flux d'instances d'évènements//.
-Ces flux pourraient correspondre à des flux RSS (ou tout autre outils permettant
-le partage d'un "fil d'évènements"), ils seront ainsi mis à jour part l'agent
-Similarité du couple associé, à chaque fois que l'agent Découper extrait une
-nouvelle //instance d'évènement// correspondant au //concept d'évènement//
-du flux.
-Supposons qu'à partir de V<sub>2:2</sub> deux concepts d'évènements soient
+Les **couples D-S** vont explorer leur **espace de marquage** en y déposant l'intérêt maximum
-créés.
+trouvé avec les paramètres associés. Ce marquage sert de mémoire pour retrouver
+facilement des paramètres pertinents et va aussi influencer les déplacements des
+couple D-S dans l'espace de marquage, c'est à dire dans leurs choix de paramètres.
-Il y aura donc deux flux de créé par le couple D-S affecté à cette variable
+L'agent **Découper** d'un couple D-S fait "glisser" une fenêtre de découpe sur
-d'entrée. Ces flux étant internes du point de vue du store et externe
+la variable d'entrée, créant ainsi des instances d'évènement. L'agent **Similarité**
-du point de vue du système d'éclairage.
+associé à cet agent **Découper**, c'est à dire formant un couple avec, va "trier"
+par "type" d'instance plus ou moins similaire et évaluer l'intérêt **Ί** de chaque
+"type" d'instance. (L'intérêt max trouvé avec leurs paramètres est la valeur
+déposé dans l'espace de marquage).
-{{wiki:conceptualisation_nntp.png}}
+Une fois des "type" d'instances validé comme "intéressants" ceux-ci deviennent
+des **concepts d'évènements**, des **flux d'instances** sont créés et lorsque
+l'agent Découper d'un couple D-S produit une instance d'évènement correspondant
+à un concept d'évènements, l'agent Similarité lié diffuse l'instance par le flux.
-<code>
+{{wiki:flux_creation.png}}
-Exemple de description d'un flux en JSON-LD :
+=== Flux d'instances & Association d'évènements ===
-{
+Le système à maintenant accès des **flux d'instances** lui permettant d'étre informé
-  "@context": "http://www.w3.org/ns/activitystreams",
+lors de l'apparition d'une instance d'un concept d'évènement.
-  "@type": "Activity",
+Ces flux d'instances peuvent aussi bien être des **flux internes**, c'est à dire des
+flux créés et mis à jour par le système, que des **flux externes**, c'est à dire des
+flux créés et mis à jour par d'autre système.
-  "published": "2016-01-25T12:34:56Z"
+A partir de ces flux des **couples A-S** vont tenter d'associer deux concepts d'évènements
+en regardant si ils ont l'air plus ou moins corrélés, c'est à dire si l'un arrive toujours
+après l'autre avec toujours le même délai.
-  "author": {
+Pour cela ils vont parcourir leur espace de marquage, ainsi l'agent **Association** d'un
-    "@type": "Object",
+couple A-S prend un flux, et donc le concept d'évènement associer, comme référence et
+va explorer les possibilités de combinaisons via ses paramètres. Les instances d'associations
+produite par l'agent **Association** sont récupéré, trier et évalué par l'agent **Similarité**
+associé.
-    "@id": "URI de l'objet / URI du flux"
+Comme pour les couples D-S, l'intérêt maximum trouvé avec des paramètres est noté dans l'espace
-  }
+de marquage.
-  "orderedItems": [
+L'intérêt **Ί** de chaque "type" d'instance d'évènement association, c'est à dire les
-    {
+différents types de délai entre les deux évènements associé, est calculé à partir
-      "@type": "Event"
+de la spécificité et la redondance de ce "type" d'instance, mais aussi à partir
+du nombre de flux internes qui a entres en jeux lors de l'association. Ainsi, pour
+une spécificié et redondance, plus d'intérêt est affecté à des associations entre deux
+flux internes, puis entre un flux interne et un flux externe, puis entre deux flux externes.
-        ...
+Les associations sont aussi évalué à partir de leur capacité prédictive. Et une fois
-    },
+qu'une association a été déterminé comme "intéressante" et permettant des prédictions
-    {
+fiable, alors un flux d'instance est créé pour y faire passer les instances de cet
-      "@type": "Event"
+évènement (qui est l'association de deux évènements), et donc potentiellement "avertir"
+autrui de l'arrivé des instances de cet évènement.
-       ...
+A partir de ce flux d'instance, autrui pourra peut être créer des associations pertinentes,
-    }
+qui pourrons me permettre de créer des associations pertinentes, et ainsi de suite.
-  ]
-}
-</code>
-=== Flux d'instances et Association ===
+{{wiki:flux_association.png}}
-Reprenons à partir du moment où tous les flux (internes et externes)
+===== Déroulement de l'apprentissage (point de vue du store électrique) =====
-de tous les objets de la société soient créés et accessibles par le store.
-C'est à dire :
+Afin de mieux comprendre le fonctionnement du système d'apprentissage décrit
+dans la partie précédente, illustrons le déroulement pas à pas du processus
+d'apprentissage du store électrique.
-  * 4 flux internes correspondant à :
+==== Capteurs, actionneurs & variables d'entrées ====
-    * V2:1 à 1 pendant un certain temps.
-    * V2:1 à -1 pendant un certain temps.
-    * V2:2 augmentant progressivement de 0 à 1.
-    * V2:2 diminuant progressivement de 1 à 0.
-  * 6 flux externes correspondant à :
-    * V1:1 passant de 0 à 1 instantanément.
-    * V1:1 passant de 1 à 0 instantanément.
-    * V1:2 passant à 1 instantanément.
-    * V1:2 passant à 0 instantanément.
-    * V1:2 augmentant progressivement.
-    * V1:2 diminuant progressivement (sur plusieurs heures).
-== Couple Association Similarité (A-S) ==
+Au départ de son apprentissage, lors de sa mise en route pour la première fois,
+le système d'apprentissage du store électrique ne connais pas les liens entre
+ses différents capteurs et effecteurs (ses patterns sensorimoteurs). Il ne
+connais pas encore l'existence d'autres objets, il n'a pas "conscience" de faire
+parti d'une société.
-Déterminer l'intérêt d'associer un flux à un autre est
+<note>
-la fonction des couples A-S. Les couples A-S de type
+Ne pas confondre l'avatar et son système d'apprentissage, l'avatar à "conscience"
-//Explorateur// se déplaçant et marquant l'intérêt des
+d'être connecté à d'autres objets, mais son système d'apprentissage non, du moins
-paramètres testés dans l'espace de marquage.
+pas pour l'instant, pas au début de ce scénario.
+</note>
-== Association ==
+L'objet "store électrique" a à sa disposition :
+  * Un interrupteur permettant de descendre ou monter le store.
+  * Un "capteur" permettant de savoir à combien de pourcentage le store est ouvert.
+=== Variations des valeurs captées dans une journée type ===
-L'agent Association d'un couple A-S prend pour référence
+Comme nous l'avons vu dans l'introduction, l'utilisateur Billy, a pour habitude
-le flux (interne ou externe) au quel il est affecté dans
+d'ouvrir les stores de son bureau lorsqu'il est environ 8h et qu'il sait
-l'espace de marquage. Les paramètres de l'agent Association
+que le jour est levé. Il ferme ensuite ses stores vers 19h, lorsque le soleil
-étant les autres flux auquel il tente d'associer son flux
+se couche, pour ensuite rallumer la lumière de son bureau. Rappelons que le
-de référence.
+store n'es connecté à aucun objets lui permettant de connaitre la luminosité extérieur.
-== Feedback d'intérêt ==
+== Variations de l'interrupteur (V2:1) ==
-Comme pour le couple D-S, l'agent Similarité récupère
+{{wiki:V2_1.png}}
-et classe les instances de l'association récupérées.
-L'instance d'une association est, en partie, caractérisée
-par le délai entre la référence et le flux associé, délai
-pouvant bien entendu être négatif.
-Un feedback d'intérêt est alors appliqué aux associations
+== Variations de l'ouverture du store (V2:2) ==
-découvertes par le couple A-S. Ce feedback est composé
-de deux intérêts :
-  * L'**intérêt intrapersonnel** :
+{{wiki:V2_2.png}}
-L'association des flux est évalué sur sa capacité à découvrir des motifs
-pertinent pour soi, sans prendre en compte autrui. Il prend en compte
-la spécificité et la précision des instances évalués.
-  * L'**intérêt interpersonnel** :
+==== Découverte d'évènements intéressants à partir des variables d'entrées ====
-L'association des flux évalué sur sa capacité à découvrir des motifs
+Nous allons maintenant voir comment les **couples Découper-Similarité** génèrent, trient
-pertinent pour autrui, c'est à dire qu'il plus pertinent que se soit
+et évaluent des instances d'évènements, et aussi comment ils explorent **l'espace de
-le store qui prévienne les autres avatars de l'arrivé de l'association.
+marquage**.
-Ainsi cet intérêt est calculé à partir du nombre de flux interne utilisé
+=== Exploration de l'espace de marquage ===
-dans l'association, car nous partons du principe que chacun des avatars
-cherche en priorité les motifs liés à ses capteurs, sans pour autant laisser
-une probabilité nulle de trouver des motifs à partir de flux externe.
-<note tip>
+Au début de son apprentissage l'espace de marquage est vide, ou nul, sans aucun
-L'idée de prendre en compte le nombre de flux interne part du prédicat
+marquage. Ainsi, les couples D-S le parcourant, qui sont pour l'instant tous de
-qu'un objet possède des capteurs et des actionneurs potentiellement liés
+type //explorateur//, se positionnent de manière aléatoire dans l'espace de marquage,
-(ex. capteur de luminosité + ampoule, chauffage + thermomètre...).
+c'est à dire qu'ils sélectionnent leurs paramètres de manière aléatoire. Si un couple
+D-S veut utiliser une place déjà occupée, des paramètres déjà utilisés, par un autre
-Le principe étant que les avatars créeront en priorité des associations
+couple D-S, alors il cherchera une autre position.
-intrapersonnelles, les partageront, et qu'au bout d'un certain temps, avec
-des concepts de plus en plus complexe, associer des motifs externes avec
-des motifs internes sera plus pertinent que d'associer deux motifs internes
-entre eux.
+Rappellons que **l'espace de marquage** d'un couple D-S est définit par rapport
+à trois axes :
+  * La **variable d'entrée** que va découper l'agent Découper du couple (ici soit V2:1, soit V2:2).
+  * Les **paramètres des agents Découper**, c'est à dire les différentes tailles de fenètres de découpe, simplement glissante, à leur disposition (ici //immédiat//, //1 seconde//, //10 secondes//, //1 minute//).
+  * Les **paramètres des agents Similarité**, c'est à dire les seuils de similarité d'un agent similarité (ici //25%//, //50%//, //75%//).
+<note>
+TODO : image/illustration
 </note>
-L'intérêt d'une association est donc calculé à partir de l'intérêt égoïste et altruiste.
+=== Découpe des variables ===
-<code>
+<note important>
-intérêt = (intérêt égoïste) ^ alpha  *  (intérêt altruiste) ^ beta
+En chantier
+</note>
-<=> intérêt = ( ( spécificité + précision ) ^ alpha ) * ( ( nb_flux_interne + 1 ) ^ beta )
+Supposons les positions aléatoires de quatre couples D-S dans l'espace de marquage
+et regardons les instances d'évènements découpées. Rappellons que l'apprentissage
+se déroule sur plusieurs semaines avec des journées identiques (bien que cela ne soit pas
+réaliste). Rappelons aussi que d'autres couples D-S explorent l'espace de marquage.
+== Variable : V2:1, Fenètre de découpe : 1 minutes, Seuil de similarité : 25 % ==
-Les coefficients alpha et beta sont ici pour donner plus de poids à l'une ou l'autre des parties de l'intérêt,
+Comme le store commence son apprentissage, la première instance découpé par le couple
-par défaut nous pouvons les considérer comme égal à 1.
+D-S est unique et ne peux pour l'instant être comparé à aucune autre. Une "classe" d'instance,
+un "type", sera alors définit pour elle par l'agent Similarité du couple D-S.
-</code>
+<note>
+TODO : image/illustration
+</note>
-<note tip>
+Sur la figure ci-dessous nous pouvons voir qu'un seul "type" d'instances se créent.
-Autre possibilité :
-intérêt = ((spécificité + précision) ^ alpha) / ( ( 3 - nb_flux_interne ) ^ beta )
+<note>
+TODO : image/illustration globale
+</note>
-Le but étant que le rapport intra/inter soit, pour un même intérêt
+En effet, le seuil de similarité étant fixé à 25% l'agent Similarité du couple D-S,
-égoïste, plus important si plus de flux interne sont mis en jeux dans
+ne fait pas la différence entre les évènements : rien ne se passe, V2:1 à 1 pendant un
-l'association.
+temps t1 et V2:1 à -1 pendant un temps t2.
-</note>
-== Prédiction et Partage ==
+== Variable : V2:1, Fenètre de découpe : immédiat, Seuil de similarité : 75% ==
-A partir de ce feedback d'intérêt, marqué par les couples A-S de type //Explorateur//,
+En partant de la même variable V2:1 que pour le précédent couple D-S, cette
-les couples A-S vont pouvoir tenter d'évaluer, à l'aide d'un second feedback, la capacité
+fois si les paramètres utilise une fenètre de découpe plus petite et un seuil
-prédictive des paramètres ayant le plus fort intérêt.
+de similarité plus haut.
-De nouveaux flux sont alors créé pour les évènements association les plus pertinents,
+Nous pouvons voir sur la figure ci-dessous que le couple D-S créé trois
-donc en priorité ceux dont l'avatar associe deux évènements internes, puis ceux avec un
+"types" d'instances : aucune variation, variation de V2:1 entre 0 et 1,
-évènement externe et un évènement interne, et enfin ceux avec deux évènements externes.
+variation de V2:1 entre 0 et -1.
-<note tip>
+<note>
-Donner un poids différents pour les associations flux externe -> flux interne et
+TODO : image/illustration
-flux interne -> flux externe, permettrais d'éviter des redondances pour les associations
-avec un seul flux interne.
-Cependant, la création de motif "cyclique" reste, voir est potentiellement renforcé. Mais
-ces motifs "cyclique" sont plus facilement détectable que la redondance d'un motif, surtout
-dans un apprentissage décentralisé.
 </note>
-==== Spécialisation des avatars ====
-  * Les objets possédant plus ou moins de capteurs et d'actionneurs, et leurs avatars étant capables de faire des associations aussi bien de flux interne que de flux externe, une première spécialisation peut se faire à partir du cas particulier de l'objet sans capteurs ni actionneurs : plus les objets possèderont de capteurs et d'actionneurs, plus les avatars se focaliseront sur la découpe et moins sur les associations, un objet sans capteurs ni actionneurs se focalisera au contraire uniquement sur les associations. (Bien entendu le cas de l'objet sans capteurs ni actionneurs est un cas extrêmement particulier, voir inexistant dans la réalité, mais pas impossible).
-  * Une fois qu'un avatar aura "épuisé" ses associations intrapersonnelles pertinentes, il s'orientera vers les associations prenant en compte un flux externe, ainsi il apprendra quels flux, et plus globalement quels objets, sont les plus à "écouter".
-===== Problèmes =====
-  * Supposons maintenant que dans une autre pièce un système d'éclairage identique au notre soit installé, comment permettre que ce nouveau système d'éclairage apprenne plus vite avec l'aide de notre système d'éclairage ?
-  * En plus du feedback d'intérêt, il est censé il y avoir un feedback prédictif, comment un motif pourrait passer un "mode prédictif" s'il prend en compte des flux externes ?
-  * Comment les avatars pourrait arriver, de manière émergente, à un consensus concernant un motif, pour que celui-ci soit "commun" à la société ou à un groupe ?
-  * Comment à un niveau plus haut de l'avatar, ayant potentiellement conscience de faire partie d'une société, peut "extraire" des règles et des services des motifs appris ?

DokuWiki

Site Tools

Differences

Page Tools