The Belief-Desire-Intention Ontology for modelling mental reality and agency
Cet article introduit une ontologie formelle et modulaire de type Croyance-Désir-Intention (BDI) conçue pour jeter un pont entre l'intelligence déclarative et procédurale, démontrant son efficacité pour améliorer la cohérence des grands modèles de langage et permettre un raisonnement bidirectionnel entre les triplets RDF et les états mentaux d'un agent au sein des systèmes neuro-symboliques.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayiez de construire un robot qui ne se contente pas de suivre une liste rigide de commandes, mais qui pense réellement comme un être humain. C'est le monde de l'Intelligence Artificielle, et plus précisément d'une branche appelée « sciences cognitives », où les chercheurs tentent de donner un esprit aux machines. Pour ce faire, ils utilisent souvent une célèbre recette mentale appelée BDI : Beliefs (Croyances — ce que le robot pense être vrai à propos du monde), Desires (Désirs — ce qu'il veut qu'il se passe) et Intentions (Intentions — ce qu'il a décidé de faire concrètement). Voyez cela comme un personnage de jeu vidéo : il croit qu'il y a un dragon dans la grot cave, il désire obtenir le trésor, et il forme donc l'intention de saisir son épée et de combattre. Depuis des décennies, les scientifiques utilisent cette recette pour construire des agents intelligents, mais il y a un problème : ces « esprits » parlent souvent des langues différentes. Un robot peut décrire une « croyance » d'une manière qu'un autre robot ne peut pas comprendre, ce qui rend difficile leur collaboration ou la confiance des humains envers leurs décisions. Nous avons besoin d'un dictionnaire universel — une carte partagée de la façon dont ces états mentaux se connectent — afin que l'IA soit transparente, logique et capable d'expliquer pourquoi elle a agi ainsi.
Ce document introduit ce dictionnaire universel. Les auteurs ont créé une « Ontologie BDI » formelle, qui est essentiellement un plan hautement structuré et lisible par ordinateur de la manière dont fonctionne l'esprit d'un agent rationnel. Au lieu de simplement décrire le modèle BDI avec des mots, ils ont construit une carte rigoureuse en utilisant une méthode appelée « eXtreme Design », qui commence par poser des questions spécifiques (comme « Qu'est-ce qui a déclenché cette pensée ? » ou « Quand ce désir a-t-il commencé ? ») puis construit la carte pour y répondre. Ils n'ont pas seulement dessiné la carte ; ils l'ont testée de deux manières très différentes pour voir si elle fonctionne réellement.
Premièrement, ils ont essayé d'enseigner cette carte à un chatbot d'IA super intelligent (un Grand Modèle de Langage). Ils ont demandé à l'IA de résoudre des énigmes logiques sur ce qu'un robot devrait faire dans différentes situations. Lorsqu'on a fourni à l'IA la carte BDI comme guide, elle s'est montrée plus performante pour repérer les contradictions. Par exemple, si un robot croit qu'il est à la maison mais désire s'enregistrer dans un hôtel, la carte a aidé l'IA à réaliser qu'il s'agit d'un désordre logique et à générer une explication claire de la raison pour laquelle le robot ne devrait pas le faire. Les résultats suggèrent que le fait de donner à l'IA cette « grammaire mentale » structurée l'aide à produire des réponses plus cohérentes et explicables, bien que les auteurs notent qu'il s'agissait d'un test de petite envergure et que la carte n'est pas un remède miracle à toutes les erreurs.
Deuxièmement, ils ont intégré cette carte dans un système de robotique opérationnel appelé SEMAS. Ici, la carte a servi de pont entre les pensées internes du robot et le monde réel. Ils ont montré comment un robot pouvait prendre des données brutes (comme une liste de faits sur des scientifiques), les transformer en « croyances », utiliser les règles BDI pour décider de la suite de ses actions, puis transformer ces décisions à nouveau en données. C'est comme un traducteur qui permet à l'« esprit » interne d'un robot de parler directement à la « base de connaissances » d'Internet.
L'article conclut que cette Ontologie BDI réussit à agir comme un « pont conceptuel et opérationnel ». Elle connecte l'idée abstraite de ce qu'un agent pense au code réel qui fait bouger l'agent. Bien que les auteurs prennent soin de préciser qu'il s'agit d'une étape fondamentale et non d'un produit fini, leurs expériences suggèrent que l'utilisation de ce langage partagé et précis rend les systèmes d'IA plus transparents et capables de raisonner sur leurs propres pensées. Ils soutiennent que pour que la prochaine génération d'IA soit véritablement intelligente et digne de confiance, elle a besoin de ce genre de compréhension structurée et partagée de la manière dont les croyances, les désirs et les intentions dansent ensemble.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.