Épreuve de contrôle - L2C2 - CNRS
Épreuve de contrôle - L2C2 - CNRS
Épreuve de contrôle - L2C2 - CNRS
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Intelligence artificielle et évolution : modélisation neurobiologique<br />
271<br />
<strong>de</strong> l’individu. Dans la secon<strong>de</strong> expérience, l’AE enco<strong>de</strong> les règles <strong>de</strong> plasticité<br />
synaptique régissant la modification <strong>de</strong>s poids synaptiques, qui peuvent donc<br />
varier au cours <strong>de</strong> la vie <strong>de</strong> l’individu. Les auteurs montrent que la propriété <strong>de</strong><br />
plasticité synaptique, en plus <strong>de</strong> l’adaptation au cours <strong>de</strong>s générations, permet<br />
au robot d’avoir un comportement plus flui<strong>de</strong> et moins stérotypé que dans le<br />
cas où aucune modification n’est possible au cours <strong>de</strong> sa vie. La performance<br />
<strong>de</strong>s individus évolués pour lesquels les poids synaptiques peuvent varier<br />
pendant la vie est alors nettement meilleure. Cette expérience montre que<br />
la plasticité synaptique peut servir, non seulement à stocker les événements<br />
en induisant une forme <strong>de</strong> mémoire (voir section 3.2), mais aussi à réguler<br />
l’activité neuronale.<br />
Nolfi et Floreano cherchent à reproduire les prédictions théoriques <strong>de</strong><br />
Dawkins et Krebs sur le lien entre coévolution et course à l’armement en<br />
biologie. On parle <strong>de</strong> coévolution lorsque l’évolution <strong>de</strong> <strong>de</strong>ux espèces est<br />
interdépendante. C’est par exemple le cas d’un couple prédateur-proie, où la<br />
proie doit échapper au prédateur pour survivre, tandis que le prédateur doit<br />
attraper la proie pour se nourrir. Dawkins et Krebs supposent que l’amélioration<br />
relative <strong>de</strong>s techniques <strong>de</strong> défense et <strong>de</strong> prédation (la course à l’armement) que<br />
l’on trouve chez les espèces animales au cours <strong>de</strong> l’évolution est liée à cette<br />
interaction réciproque entre les proies et les prédateurs. On parle également<br />
<strong>de</strong> l’effet Reine Rouge (van Valen, 1973), en référence à la reine rouge dans le<br />
livre De l’autre côté du miroir, <strong>de</strong> L. Carroll. Dans un passage <strong>de</strong> ce livre, Alice<br />
rencontre une reine rouge, qui doit courir <strong>de</strong> plus en plus vite pour rester sur<br />
place. Ainsi, dans l’évolution, les espèces doivent s’adapter constamment pour<br />
rester à la hauteur <strong>de</strong>s autres espèces avec lesquelles elles coévoluent.<br />
Dans l’expérience <strong>de</strong> Nolfi et Floreano, <strong>de</strong>ux robots aux capacités différentes<br />
sont mis ensemble dans un environnement clos. Le robot prédateur dispose d’un<br />
système <strong>de</strong> vision artifielle et <strong>de</strong> capteurs infrarouge <strong>de</strong> proximité, tandis que<br />
le robot proie ne dispose que <strong>de</strong> capteurs <strong>de</strong> proximité, mais peut se déplacer<br />
<strong>de</strong>ux fois plus rapi<strong>de</strong>ment que le robot prédateur. Les calculs <strong>de</strong> performance<br />
sont partagés entre les <strong>de</strong>ux espèces : si au cours du temps <strong>de</strong> la simulation, le<br />
prédateur touche la proie, le prédateur obtient la valeur <strong>de</strong> performance maximale.<br />
S’il n’y a aucun contact tout au long <strong>de</strong> la simulation, la proie obtient la<br />
valeur <strong>de</strong> performance maximale.<br />
<strong>Épreuve</strong> <strong>de</strong> <strong>contrôle</strong><br />
Les auteurs montrent que la pression <strong>de</strong> sélection est initialement la plus forte<br />
pour le prédateur, afin qu’il arrive à toucher le robot proie. Puis, la pression <strong>de</strong><br />
sélection se reporte sur le robot proie, afin que celui-ci échappe au prédateur. Le<br />
prédateur va alors découvrir une nouvelle stratégie pour contrer la stratégie <strong>de</strong><br />
la proie, et ainsi <strong>de</strong> suite. Un <strong>de</strong>s intérêts <strong>de</strong> cette approche est qu’elle permet<br />
<strong>de</strong> contourner le problème <strong>de</strong> l’amorçage <strong>de</strong> l’évolution (voir section 2.2.1) :<br />
puisque les proies et les prédateurs se partagent la valeur <strong>de</strong> performance, il y<br />
a toujours un vainqueur et un vaincu. Les valeurs <strong>de</strong> performances ne peuvent<br />
être nulles simultanément pour tous les individus.