Retour au sommaire
Interview
Fréderic
Kaplan
propos
recueillis par
Jean-Paul Baquiast
30 juin 2004
|
 Frédéric
Kaplan est ingénieur, chercheur en Intelligence
Artificielle au Laboratoire Sony-CSL à Paris.
Il a publié divers articles et un livre remarqué:
"La naissance d'une langue chez les robots"
Hermès Science Publications 2001.
Il présente souvent des démonstrations
de ses recherches avec l'un ou l'autre des robots quadrupèdes
sur lesquels il travaille avec son équipe (voir
photo ci-contre).
Pour
en savoir plus
Pages
personnelles http://www.fkaplan.com/fr/
|
Faisons ici une remarque
préliminaire, mais son objet mériterait d'être
développé dans un livre tout entier. La méthode
qu'utilise Frédéric Kaplan et son équipe,
exposée par lui ci-dessous, présente un intérêt
scientifique et même philosophique considérable.
Les comportements humains les plus complexes, ceux par lesquels
l'espèce humaine s'appuie pour se donner une place
à part dans la nature, par exemple son inépuisable
curiosité scientifique; peuvent être décomposés,
déconstruits, selon le terme de Frédéric
Kaplan, pour être reconstruits et introduits dans un
robot. On voit alors que des facteurs très simples,
élémentaires, mais s'enchaînant les uns
les autres, induisent ces comportements complexes qui à
leur tour interagissent et se complexifient davantage. Ce
n'est pas en travaillant sur l'homme, trop opaque et trop
sensible, que ces déconstructions et reconstructions
sont possibles. Au moins dans un premier temps, il faut passer
par le modèle plus simple ou plus facilement compréhensible
du robot. Commence alors un aller-retour entre le modèle
robotique et son équivalent biologique. Cette approche
peu conventionnelle du vivant offre, comme l'auteur l'indique
en conclusion, des perspectives immenses aux neurosciences
comparées. AI.
Automates
Intelligents (AI) : Frédéric
Kaplan, nous connaissons vos travaux, nous connaissons votre
carrière, nous avons d'ailleurs à l'époque
rendu compte de votre premier livre, référencé
ci-dessus. Voulez-vous cependant, à l'occasion de cet
entretien dont nous vous remercions, vous présenter
afin que nos nouveaux lecteurs fassent votre connaissance,
s'ils ne vous connaissaient pas déjà.
Frédéric
Kaplan (FK) : J'ai fait mes études à
l'Ecole Nationale Supérieure des Télécommunications
à Paris en me spécialisant en intelligence artificielle.
En 1997, j’ai rejoint le Sony Computer Science Laboratory
pour travailler sur les mécanismes permettant l’émergence
d’une langue au sein d’un groupe de robot. Luc
Steels, directeur de ce laboratoire, avait eu l'idée
quelques années auparavant d’appliquer les principes
de l’auto-organisation pour simuler l'apparition des
formes lexicales, c'est-à-dire comment petit à
petit une population d'agents se met d'accord sur l'utilisation
de certains mots associés à certains sens. Le
sujet de ma thèse, qui fut également encadrée
par Alexis Drogoul du LIP6, était la compréhension
des dynamiques complexes de ce genre de système. Cette
recherche a donné lieu à une expérience
internationale, baptisé les « têtes parlantes
», au cours de laquelle une population de robots a pu
progressivement s’accorder sur un lexique commun sans
faire intervenir un coordinateur central. Cette expérience
est décrite précisément dans mon premier
livre.
En 1999, au moment où les premiers prototypes de robots
de loisir étaient développés par Sony,
je me suis rendu au Japon pour travailler plusieurs semaines
avec les équipes de Recherche et Développement.
C'était une expérience fascinante car ces ingénieurs
étaient véritablement en train de mettre au
point une machine d’un genre nouveau. J’ai appris
à programmer ces premiers prototypes et je suis revenu
avec un de ces robots autonomes quadrupèdes à
Paris. Nous avons commencé à l'utiliser pour
faire des recherches sur l'apprentissage du langage, mais
cette fois-ci dans le contexte de la communication homme-machine.
Ces nouvelles expériences m’ont progressivement
conduit à diriger mes recherches vers des questions
qui touchent plus aux neurosciences et à la psychologie
du développement qu'à la linguistique. Il s’agissait
d’essayer de comprendre cette formidable odyssée
qu’effectue le bébé durant les premiers
mois de sa vie depuis le contrôle sensori-moteur
jusqu’à la maîtrise des premiers mots.
Les recherches que je mène aujourd’hui avec le
groupe « Developmental Robotics » (robotique du
développement) portent principalement sur les mécanismes
qui permettent ce développement extraordinaire.
AI :
Dans les Têtes Parlantes
dont vous parlez, l'homme n'interagissait pas, n'injectait
pas ses propres savoirs ?
FK : Effectivement, ces
robots construisaient leur propre langue de manière
autonome. Mais pour faire cela, ils maîtrisaient déjà
un certain nombre de savoir-faire complexes. Ils savaient
par exemple jouer à des « jeux de langage
». Il s’agissait d’interactions simples
comme celles que nous pratiquons lorsque nous conversons entre
humains : quand l'un a parlé, c'est à l'autre
de parler, des procédures apparemment simples mais
qui en fait sont essentielles pour l'acquisition du langage.
Ce genre de savoir-faire, le bébé doit l’apprendre.
Ils étaient également capables de se mettre
dans des situations d’attention conjointe, en indiquant
quel était le sujet d’une interaction au moyen
d’un geste par exemple. Il s’agit à nouveau
d’un savoir-faire que le jeune enfant ne commence à
maîtriser que vers son premier anniversaire. Ces robots
avaient donc déjà tout un bagage que nous leur
avions fourni au départ.
AI : Ne
pouviez-vous les laisser acquérir ce bagage seuls ?
FK : C’est l’objectif
final de ces recherches. Préprogrammer les compétences
du robot au minimum et laisser la machine apprendre par elle-même
de nouveaux savoir-faire. Mais souvent à certaines
étapes de notre travail nous devons donner au
robot certains «échafaudages» pour l’aider
à se construire. Mon travail depuis les « têtes
parlantes » a principalement consisté à
progressivement enlever les multiples «échafaudages»
que nous avions placés.
Lors de cette déconstruction, l’importance des
mécanismes gérant l’attention du robot
est apparue de manière très visible. Il est
facile par exemple d’apprendre à un robot le
nom de certains objets rouges, si ce robot est de manière
« innée » attiré par cette couleur.
Si on enlève ce biais dans les mécanismes d’attention
de la machine, il devient beaucoup plus complexes d’interagir
avec elle. Cela force à se demander à quoi ressemble
le monde quand on est robot quadrupède autonome. Quels
aspects de son environnement sont important pour lui ? Quels
sont les «objets» présents dans son univers
?
AI : Quand
on étudie la cognition chez les animaux, on retrouve
la même chose. Une mouche ne voit que ce qu'elle est
organisée pour voir, en fonction de ses intérêts
vitaux...
FK : Exactement. Si nous
regardons ce bureau et comparons notre point de vue sur lui
à celui d'une mouche, ou d'un chien, nous voyons que
ce qui pour nous constitue des «objets» correspondent
à des savoir-faire particuliers. Nous, nous voyons
la table qui est associée à la possibilité
de travailler ou lire, le chien, lui y verra plutôt
un obstacle à contourner. La mouche percevra avant
tout les quelques restes de nourriture qui peuvent se trouver
encore sur ce meuble. La notion d' «objet» est
intimement lié à la notion de savoir-faire.
Qu'est-ce que tout cela veut dire pour un robot ? Qu’une
caméra ne suffit pas pour «voir» et que
l'augmentation des capacités d'attention d’une
machine correspond en fait à l’accroissement
de ces savoir-faire. Pour que les robots puissent étendre
leur monde perceptif au-delà des frontières
posées par leurs programmeurs, ils doivent être
capables d’apprendre à agir sur leur environnement.
AI : Quel
est le rôle de l'homme dans cet apprentissage ?
FK : L’homme ne
peut pas directement transférer ses connaissances vers
le robot, car la machine à un corps différent
du sien et une manière de percevoir l’environnement
inédite par rapport à la nôtre. Le terme
professeur n’est donc pas très bon pour décrire
son rôle. Le meilleur terme que nous ayons trouvé
avec Luc Steels est celui de médiateur. L'homme peut
orienter dans une certaine mesure le robot vers certains aspects
de son environnement, mais son influence doit rester indirecte.
Il joue juste le rôle de guide. Il permet au robot,
en créant un environnement adéquat, de se développer
d'une manière harmonieuse. C’est en fait un rôle
très similaire à celui des parents pour leurs
enfants.
AI : Vous
ne semblez plus faire intervenir comme facteur d'apprentissage,
à ce stade, l'interaction avec les autres robots...
FK: C’est évidemment
au programme. Dans un premier temps, il est important de bien
comprendre les dynamiques qui assurent le développement
d’un robot seul. Comprendre le développement
est difficile car les effets des dynamiques d’apprentissage
internes, de l’ancrage corporel et de l’environnement
se conjuguent pour créer un système complexe.
Le système résultant du couplage de deux robots
est dans le cas général encore plus subtil à
analyser. Mais comprendre ces dynamiques est un pas nécessaire
pour petit à petit percer les secrets des mécanismes
qui conduisent au développement ouvert.
AI : Jean-Louis
Dessalles avait insisté, dans son livre [Aux
origines du langage - Voir notre article http://www.automatesintelligents.com/biblionet/2001/mai/dessalles.html]
sur le rôle joué au sein du groupe par le leader,
manipulant le geste et le langage afficheur. Envisagez-vous
de recréer de telles situations entre robots ?
FK : Les problèmes
auxquels s’attaque Jean-Louis Dessalles sont d’une
nature un peu différente par rapport au genre de questions
qui m’intéresse. Dans ma démarche scientifique,
je travaille surtout sur ce qui se passe entre le bébé
et ses parents. Les systèmes complexes qui se mettent
en place dès que l’homme est en collectivités
sont assez différents. Tous ces niveaux d’analyses
peuvent être aujourd’hui abordés en parallèle
par des modèles simulés ou robotiques. Cette
multiplicité des niveaux montre bien que cette nouvelle
manière de comprendre le vivant n’est en aucun
cas une approche réductionniste.
AI : Que veut dire alors la relation
d'interaction du bébé avec sa mère ?
FK : Pour comprendre les
liens qui unissent le bébé à son père
ou à sa mère, il faut s’interroger sur
les systèmes de motivations de l’enfant. Que
recherche le bébé ? La nourriture, l’affection
? J’explore en ce moment avec mon collègue Pierre-Yves
Oudeyer (voir notre interview http://www.automatesintelligents.com/interviews/2003/dec/pyoudeyer.html),
des systèmes de motivations basés non pas sur
des récompenses extérieures (nourriture, caresses,
etc.) mais sur des renforcements internes. Nous essayons de
doter les robots d’une forme de «curiosité»,
une pression interne qui les pousseraient à explorer
leur environnement et à essayer d’apprendre de
nouveaux savoir-faire. Ces robots sont motivés par
apprendre. Ils recherchent des situations qui ont conduit
à des progrès d’apprentissage dans le
passé. D’autres robots ou des humains peuvent
être à l’origine de ces «niches»
d’apprentissage, dans la mesure où ils aménagent
l’environnement du robot immature de façon à
faciliter ses progrès.
AI :
Que faites-vous des théories de Konrad Lorenz relatives
à l'empreinte ?
FK : Il n’est pas
très difficile de construire des robots capables de
s’attacher pendant une période critique à
un objet ou une personne. Mais je ne crois pas que ce phénomène
d'«empreinte» que l’on a constaté
chez plusieurs espèces animales résume à
lui seul l’attachement du bébé pour ses
parents. L’empreinte est un attachement spécifique,
se produisant à un moment donné du développement,
et persistant ensuite tout au long de sa vie. Ce mécanisme
conduit parfois à certaines aberrations que l’on
connaît bien. Les images des oies qui suivent partout
Konrad Lorenz comme s’il s’agissait de leur propre
mère peuvent faire sourire. Ces phénomènes
d’empreinte existent peut-être chez le bébé
humain dans une certaine mesure, mais l’attachement
du bébé à ses parents est un phénomène
bien plus complexe. Pour le comprendre, il faut le mettre
en correspondance cette capacité qu’a l’enfant
d’apprendre en permanence des savoir-faire nouveaux.
AI :
J'allais vous le dire. Il semble qu'en ce moment, beaucoup
de gens réfléchissent à la raison pour
laquelle les hommes ont cette impulsion à apprendre,
pourquoi par exemple ils font de l'abduction au lieu de la
déduction. Est-ce une propriété seulement
humaine ou bien pourrait-elle se trouver ailleurs, de façon
éventuellement cryptée ? Il y aurait une sorte
de mouvement cosmique qui pousse les organismes à dépasser
leurs connaissances. On pourrait retrouver un peu cela dans
les robots tels que vous les concevez...
FK : Pour doter un robot
d’une forme de curiosité, nous définissons
des modèles relativement précis qui permettent
de réaliser cette pression pour apprendre. Le plus
difficile est de trouver un système permettant au robot
de mesurer ses propres progrès. Dans nos modèles
les plus récents, cette évaluation est réalisée
en mesurant la dimimution des erreurs que fait le robot pour
prédire son environnement. La curiosité est
donc intimement liée aux capacités du robot
pour prédire les effets de ses propres actions sur
l’environnement. Au fur et à mesure qu’il
apprend, le robot devient capable de mieux anticiper les effets
de ses actions, ses erreurs en prédiction diminuent,
ce phénomène est catégorisé comme
une situation de progrès que le robot essaie alors
de reproduire. Je ne sais pas si l’on pourrait trouver
des équivalents à un tel système pour
d’autres espèces, mais c’est possible.
La psychologie du développement propose de nombreux
modèles descriptifs pour caractériser le développement
ouvert de l’enfant. Piaget montre de manière
très convaincante comme les savoir-faire de l’enfant
s’organisent selon une construction continue qui commence
par les capacités sensori-motrices pour aboutir vers
la possibilité d’effectuer des raisonnements
abstraits et de manipuler des symboles. Mais les mécanismes
qui poussent l’enfant dans cette construction restent
trop peu précis pour être programmé dans
un robot. Nous espérons que notre nouvelle approche
de la curiosité, dans la mesure où nous montrons
qu’elle est biologiquement plausible, permettra de progresser
dans cette compréhension.
AI : Quand
vous dites "un modèle", vous désignez une suite
d'algorithmes que vous implémentez sur le robot. Ensuite
vous les mettez en oeuvre et vous constatez les résultats
par rapport aux objectifs de chaque tâche ?
FK : Oui. En nous basant
sur certains progrès récents en neurosciences,
nous programmons une sorte de moteur générique
qui pousse le robot à agir de façon à
mieux apprendre. Nous associons ensuite ce moteur à
un corps particulier équipé de senseurs et d’actuateurs
et nous plaçons cet agent dans un environnement qui
lui aussi a des dynamiques particulières. Nous étudions
alors le système complexe formé par l’association
de ces trois éléments.
Par exemple, l’an dernier, nous avons associé
le moteur générique à un système
de vision active, auquel nous présentions divers environnements
visuels. Cette caméra mobile dirigeait donc son «attention»
vers les situations qui était les plus intéressantes
en termes d’apprentissage. Nous avons pu montrer que
dans certains cas ce système était attiré
par les visages et les mouvements. Il s’agissait d’une
certaine manière d’une propriété
émergente qui résultait de l’imbrication
entre une dynamique interne, un certain corps et l'environnement.
AI : Utilisez-vous des algorithmes
génétiques ?
FK : Non, pas dans ce
contexte. Nous étudions comment deux systèmes
identiques au départ, mis dans des environnements différents,
peuvent évoluer librement et le cas échéant
différemment. Dans les algorithmes génétiques,
il faut définir une fonction d'évaluation extérieure
qui précise explicitement le but à atteindre,
la fonction à laquelle s'adapter. Comme nous nous intéressons
à la façon dont les robots peuvent apprendre
à apprendre, sans définir de tâches à
l'avance, nous ne voulons surtout pas fixer des critères
d'évaluation pour des tâches précises.
AI : Tout ce travail que vous
décrivez, nous le retrouverons sans doute un jour dans
les robots de Sony ?
FK : En octobre prochain,
nous montrerons la première démonstration de
ce principe de curiosité sur des robots réels.
Mais la route reste longue entre les prototypes dont nous
faisons des démonstrations et leur commercialisation
sous forme de produits. Notre travail est avant tout de la
recherche fondamentale. Dans notre démarche, nous rencontrons
sans cesse de nouvelles questions. Ainsi, nous sommes partis
du langage, puis avons travaillé sur l'attention, puis
sur l’acquisition de nouveaux savoir-faire, puis
sur la curiosité. Aujourd’hui, nous nous apercevons
que, dans certains cas, la curiosité conduit à
des comportements auto-destructeurs. Le robot découvre
par exemple qu’il est «intéressant»
de se cogner contre les murs.
AI :
C'est ce qu'on dit à propos des robots martiens. Il
faut qu'ils soient capables d'éprouver de la peur pour
ne pas courir de dangers imparables...
FK : Plus que la peur,
c’est aujourd’hui la douleur qu’il nous
faut modéliser. Chez les êtres biologiques, la
douleur est apparue dans l'évolution comme un système
de régulation permettant précisément
la conservation du corps. Comment programmer cela de manière
générale dans un robot ? Voici donc un nouveau
défi. Chaque problème conduit à une nouvelle
question. Ceci est tout à fait révélateur
du rôle que peuvent avoir ces machines pour nous permettre
une meilleure compréhension de nous-mêmes.
AI : J'allais vous demander si,
face à ces développements effectivement assez
fascinants, vous ne regrettez pas de ne pas être plus
nombreux à étudier ces questions. Imaginez une
équipe de 50 personnes travaillant avec vous, est-ce
que vous ne découvririez pas beaucoup plus vite des
choses qui éclaireraient de façon significative
l'ensemble des sciences biologiques et humaines ? Encore faudrait-il
que les chercheurs dans ces disciplines s'intéressent
à ce que vous faites.
FK : Aujourd’hui
nos équipes sont encore petites, mais il y a de plus
en plus de monde qui s’intéresse à ces
questions. Nous constatons en particulier des rapprochements
très intéressants avec des neurobiologistes
étudiant certains aspects du fonctionnement du cerveau.
Notre approche tente d’intégrer des résultats
provenant de multiples domaines des neurosciences. En réalisant
des expériences sur le développement de ces
créatures «complètes» (contrairement
à des études qui se limitent aux seuls champs
perceptif ou moteur), nous pouvons en retour suggérer
de nouvelles hypothèses sur le fonctionnement du cerveau.
Ces hypothèses peuvent ensuite conduire à de
nouveaux modèles biologiques. La coopération
entre les études que nous faisons et celles que mènent
les biologistes permet la mise en place de dynamiques d'échanges,
dont la valeur commence à être reconnue maintenant
de part et d'autre.
AI : C'est
effectivement un grand enjeu, non seulement scientifique mais
de pouvoir, notamment économique. Les Etats-Unis l'ont
bien compris...
FK : Je ne me fais donc
pas de souci relativement à l'avenir de nos propres
recherches et de nos idées. Elles vont inévitablement
se propager et modifier beaucoup de choses. Néanmoins
elles n'en sont qu'à leur début. Par exemple,
il n’y a pas encore de journal scientifique dédié
uniquement à la robotique du développement.
En termes de géographie, il y a des équipes
au Japon, aux Etats-Unis, en Italie... disons une vingtaine
de groupes de recherche au plus dans le monde. En France,
nous travaillons avec Philippe Gaussier, qui est professeur
de neurocybernétique à l'université de
Cergy-Pontoise. Il fait depuis longtemps des modèles
neuronaux de comportement en collaboration avec Jacqueline
Nadel, psychologue à l'hôpital de la Pitié-Salpêtrière.
On ne peut pas vraiment dire que, dans ce champ de recherche
précis, la France soit en retard par rapport aux autres
pays.
AI : Comment se fait pratiquement
la relation avec les chercheurs d'autres domaines ?
FK : D'une façon
très souple, sans tentative d'abordage en force de
notre part - et réciproquement. C'est en lisant ce
que les uns et les autres publient que les idées viennent,
lesquelles entraînent des contacts et éventuellement
des collaborations. Ce sont vraiment des cercles vertueux
qui se constituent.
AI :
En vous écoutant, on ne peut que vous envier de vivre
ce qui apparaîtra peut-être plus tard comme un
moment historique, ce rapprochement entre les sciences de
la vie, celles du cerveau et cette nouvelle intelligence artificielle
que vous faites émerger.
FK : C'est vrai. C’est
une aventure scientifique passionnante qui commence.
Pour en savoir plus
Sur Sony CSL-Paris : http://www.csl.sony.fr
Sur les Têtes Parlantes : http://talking-heads.csl.sony.fr
Sur Philippe
Gaussier, CV :
http://www-rech.ensea.fr/Actualite/bio_gaussier.html
Sur Jacqueline
Nadel : http://web.ccr.jussieu.fr/nadel/overview.htm
