>>Cédric Herpson

Towards a Learning Agent Architecture for Cross-Map Transfer
L'une des propriétés fondamentales de l'intelligence est sa capacité à utiliser dans une situation nouvelle des connaissances acquises dans un contexte différent. Dans le but de doter les systèmes informatiques de cette faculté, nous proposons une nouvelle architecture d'agent basée sur une représentation des connaissances individu-centré et sur l'apprentissage automatique de concepts. Ce travail suggère que le choix de cette représentation et l'introduction de la notion de situation offrent la possibilité de disposer d'un mécanisme d'apprentissage de concepts suffisamment efficace pour s'abstraire des spécificités d'un environnement donné.
La validation expérimentale de notre approche est effectuée dans le cadre d'un environnement simplifié de jeux de stratégie au tour-par-tour où deux agents s'affrontent en duels. Les résultats obtenus montrent un accroissement significatif des performances pour l'agent apprenant, que l'action se déroule au sein de l'environnement d'apprentissage ou sur un environnement différent.

Mots clés : Généralisation, Abstraction, Agent, Apprentissage en-ligne, Transfert de connaissance, Concepts