Action, Logique, Raisonnement et Spiking networks – ALoRS

Ce projet porte sur la conception d’une architecture hybride multiagent. Il aborde de manière pluridisciplinaire l’étude des réseaux de neurones conceptuels à base de spikes appelés « spiking neural networks » (SNN), qui ont l’avantage non seulement d’être biologiquement crédibles, mais propices à être modélisés à l’aide d’outils formels. Ainsi, le réseau de neurones représentera la mémoire à long terme d’un agent artificiel, alors que sa mémoire de travail et ses règles de raisonnement et de planification seront représentés à l’aide de la logique.
Notre démarche consiste tout d’abord à implémenter un SNN à grande échelle afin d’obtenir un fonctionnement interne optimal du point de vue des temps de calcul. Cela inclut un calcul parallèle de la réaction des neurones de sortie par rapport au stimulus en entrée du réseau. Nous formaliserons ensuite le lien qui existe dans la cognition humaine entre un réseau conceptuel (sa mémoire à long terme) et la cognition centrale où se produit le raisonnement (mémoire de travail). Cette étude permettra en outre de fixer les relations qui peuvent exister entre des opérations de mise à jour des connaissances telles qu’elles sont connues en IA symbolique, et la mise à jour des réseaux de neurones conceptuels à l’image de ce qui se produit dans notre cerveau. Finalement, nous produirons une architecture hybride d’agent artificiel intelligent doté de différents modules représentant : sa mémoire à long terme (SNN), sa mémoire de travail (base de connaissance), sa capacité à faire des mises à jour de ses mémoires, ainsi que sa capacité à raisonner et planifier.
Ce projet a donc l’ambition de proposer un modèle réconciliant les approches symbolique et connexioniste de l’IA en proposant une telle architecture hybride composée de deux modules différents mais complémentaires. De plus, il a également l’ambition de créer un pont entre l’informatique, les neurosciences et la psychologie, en fondant cette architecture sur nos connaissances de la cognition humaine et un modèle biologiquement crédible de réseau de neurones. Finalement, le lien qu’il établit entre des opérations abstraites d’évolution d’une base de connaissance en logique, et la mise à jour de réseaux de neurones conceptuels, apporte aussi des éléments pour rapprocher cerveau et savoir.
Outre des publications théoriques dans des conférences et journaux en IA et neurosciences, plusieurs implémentations sont prévues, dont deux prototypes (TRL4) seront diffusés en accès ouvert au plus grand nombre.