Christophe PIOMBO

Un modèle probabiliste générique pour l'adaptation du comportement d'un système

Un système adaptatif doit posséder la capacité de choisir et mettre en œuvre une séquence d'actions en fonction de la perception de son environnement. Dans nos travaux de thèse, nous avons développé un modèle probabiliste générique pour conférer ce comportement adaptatif à un système. Dans ce modèle, l'environnement du système est décrit par un vecteur de paramètres représentant des événements observables. Les actions du système sont représentées par une ontologie de comportements élémentaires. Un moteur d'adaptation permet de corréler les paramètres de l'environnement aux comportements par l'intermédiaire de variables non- observables. Le principe consiste à inférer statistiquement les non-observables à partir des paramètres observables. La base de comportements étant indexée par les éléments non-observables, le moteur est en mesure de sélectionner la séquence d'actions à recommander. Une boucle de retour permet au système de renforcer son apprentissage. Ce modèle a été appliqué à l'adaptation de séquences pédagogiques à un élève dans un environnement informatique pour l’apprentissage humain. Dans ce séminaire, nous présenterons les principes de notre modèle avec une illustration de son application. Nous montrerons aussi que ce modèle peut être pertinent pour l'adaptation du comportement d'un composant actif dans un système complexe.