IV.2 L’approche Systèmes Complexes des Représentations

IV.2.A L’individuel / intérieur : les représentations génétiques

Toute représentation émergente possède une information qui concerne soit le système dont elle fait partie (une cybernétique de second ordre) soit un système externe (une cybernétique de premier ordre). L’aspect intérieur d’une représentation émergente concerne une cybernétique de second ordre car l’information de la représentation correspond au système complexe auto-organisateur auquel cette représentation appartient. L’aspect individuel d’une représentation consiste dans le fait qu’elle soit située dans chacun des éléments de l’organisation d’un système. Un exemple est le code génétique. Les informations du code génétique sont individuelles car elles se trouvent situées dans chacune des cellules vivantes. Les cellules sont les éléments de l’organisme. Mais des informations du code génétique servent à guider le développement de l’organisme.

Rocha & Hordijk (2005), très inspirés par la biologie et notamment par le code génétique comme guide interne du développement des organismes vivants, énoncent les trois conditions pour l’émergence de représentations matérielles dans une machine.

Condition 1 : Mémoire dynamiquement incohérente

Les représentations matérielles ont besoin d’une structure dynamique de traitement de l’information représentée par des symboles physiques (formes physiques quelconques), pour pouvoir émerger en tant que processus. Au sein d’un système dynamique global, la représentation émergente a besoin de délimiter son contour (ses bords) afin de garder une information locale.

‘« Information in representations can be used without access to content and is implemented in non-reactive structures » (Rocha & Hordijk, 2005, p. 26)’

Le processus auto-organisationnel est indépendant des autres processus du système, de même que sa structure complexe de traitement de l’information. Pour qu’un système complexe joue le rôle de représentation émergente interne il a besoin d’être un système dynamiquement incohérent (interne, isolé, non-réactif). La valeur informationnelle tenue par la dynamique incohérente doit être inerte, malgré l’aspect dynamique du système. Le rôle des structures physiques complexes est ainsi de garder l’information dans un support dynamique, incorporé et auto-organisationnel.

Condition 2 : Construction de code

La dynamique incohérente doit être capable d’attirer des éléments du système afin de guider la construction de configurations globales dynamiques réussies par ses interactions avec l’environnement.

‘« Information in representations is used to construct dynamic configurations; representations encode alternative initial conditions for a dynamical system-environment coupling. » (Rocha & Hordijk, 2005, p. 26)’

Un mécanisme doit être utilisé pour la construction d’arrangements de blocs, qui s’auto-organisent, qui gardent des informations inertes et qui, grâce à ces informations, guident des comportements dynamiques vers le développement du système complexe. Le code construit possède des informations initiales nécessaires pour mener le système vers une configuration souhaitée, un attracteur final.

Condition 3 : Auto-organisation et sélection

Les représentations matérielles doivent être des systèmes auto-organisés, dynamiques et modélisés par des processus parallèles avec des transitions d’états déterministes. La sélection s’applique à ces unités de traitement de l’information, modélisées à base d’automates cellulaires (AC, « Cellular Automata – CA »). Dans l’esprit des algorithmes génétiques (AG, « Genetic Algorithm – GA »), les fonctions qui réussissent le mieux la résolution de tâches sont retenues, d’autres sont éliminés.

‘« This is the easiest requirement to meet in the evolving CA experiments, because the GA models the process of natural selection, and the CA models a process of self-organization. » (Rocha & Hordijk, 2005, p. 24)’

Grâce aux Automates Cellulaires, les auteurs assurent l’auto-organisation du système. La sélection est quant à elle assurée par la technique des Algorithmes Génétiques. Ainsi, les représentations sont des structures matérielles auto-organisées et sélectionnées par un processus évolutionnaire.

Rocha & Hordijk (2005), et d’autres, Mitchell (1998), Rocha (2000), Rocha (2001), Rocha (2004) et Halpin (2006), ont parlé de l’autonomie par des symboles en systèmes complexes et des représentations émergentes à partir des techniques d’AC et AG. Halpin (2006) souligne que les représentations sont le problème dur de la vie artificielle. Grâce aux techniques d’évolution d’AC, ils ont produit des systèmes auto-organisés, avec de la sélection par AG, malgré la non stabilisation ou l’inertie des informations concernant la résolution de problèmes arithmétiques. Ils ont conclu que le système était encore réactif.

Figure 63. L’exécution de tâches logiques en Automates Cellulaires unidimensionnels : (a) le réticulé est divisé en deux moitiés A et B et chacune est interprétée comme une variable logique séparément dont la valeur est “1" si la plupart des cellules est à l’état “1", sinon la valeur est “0"; (b) le réticulé de l’espace-temps est périodique ; les premières cellules sont voisines des dernières; (c) Table vérité pour le “And” et le “Or”. (Rocha & Hordijk, 2005, p. 20).
Figure 63. L’exécution de tâches logiques en Automates Cellulaires unidimensionnels : (a) le réticulé est divisé en deux moitiés A et B et chacune est interprétée comme une variable logique séparément dont la valeur est “1" si la plupart des cellules est à l’état “1", sinon la valeur est “0"; (b) le réticulé de l’espace-temps est périodique ; les premières cellules sont voisines des dernières; (c) Table vérité pour le “And” et le “Or”. (Rocha & Hordijk, 2005, p. 20).

A partir de systèmes complexes basés sur des AC évolutifs, les auteurs montrent l’émergence de systèmes isolés, dynamiques et incohérents, afin de servir de base pour la mémoire d’opérateurs logiques (opérateurs booléens « et » et « ou ») afin de résoudre des problèmes arithmétiques (type 2+2=4). Pourtant, le système ne pouvait pas garder une information stable à l’intérieur de la dynamique complexe du système, il était ainsi réactif.

‘« It seems reasonable that in order to evolve a system in which more reactive structures use non-reactive structures as information stores, we need to work with more heterogeneous dynamical systems where different populations of artificial « chemistry » structures interact. » (Rocha & Hordijk, 2005, p. 20)’

Le sujet de cette thèse a suivi comme ligne de recherche des systèmes réactifs, tels que les systèmes multi-agents réactifs, pour la modélisation de l’émergence de représentations par la génération d’hétérogénéité chez les agents du système. Ce sujet résulte des travaux menés en Master 2 Recherche (Carvalho, 2004).

L’émergence des représentations dans les systèmes multi-agents ouvre de nouvelles perspectives. L’auto-organisation est à la base des systèmes complexes adaptatifs multi-agents. La sélection se fait aussi en modélisation multi-agents, de même que dans les modèles classiques proie-prédateur ou dans les systèmes hybrides SMA et AG. Néanmoins, nous avons choisi un mécanisme de sélection sociale. A la place des AG, nous avons travaillé sur le modèle de ségrégation sociale de Schelling. Ce choix est la conséquence d’un regard holiste sur les représentations émergentes, matérielles et internes.