Modèles probabilistes formels pour problèmes cognitifs usuels

Pierre Bessière (1, 2) , Julien Diard (3) , Francis Colas (4)

1 ISIR - Institut des Systèmes Intelligents et de Robotique
2 AMAC
3 LPNC - Laboratoire de Psychologie et NeuroCognition
4 LARSEN - Lifelong Autonomy and interaction skills for Robots in a Sensing ENvironment

How can an incomplete and uncertain model of the environment be used to perceive, infer, decide and act efficiently? This is the challenge that both living and artificial cognitive systems have to face. Symbolic logic is, by its nature, unable to deal with this question. The subjectivist approach to probability is an extension to logic that is designed specifically to face this challenge. In this paper, we review a number of frequently encountered cognitive issues and cast them into a common Bayesian formalism. The concepts we review are ambiguities, fusion, multimodality, conflicts, modularity, hierarchies and loops. First, each of these concepts is introduced briefly using some examples from the neuroscience, psychophysics or robotics literature. Then, the concept is formalized using a template Bayesian model. The assumptions and common features of these models, as well as their major differences, are outlined and discussed.

Comment un modèle incomplet et incertain de l'environnement peut-il être utilisé pour décider, agir, apprendre, raisonner et percevoir efficacement ? Voici le défi central que les systèmes cognitifs tant naturels qu'artificiels doivent résoudre. La logique, de par sa nature même, faite de certitudes et ne laissant aucune place au doute, est incapable de répondre à cette question. L'approche subjectiviste des probabilités est une extension de la logique conçue pour pallier ce manque. Dans cet article, nous passons en revue un ensemble de problèmes cognitifs usuels et nous montrons comment les formuler et les résoudre avec un formalisme probabiliste unique. Les concepts abordés sont : l'ambigüité, la fusion, la multi-modalité, les conflits, la modularité, les hiérarchies et les boucles. Chacune de ces questions est tout d'abord brièvement présentée à partir d'exemples venant des neurosciences, de la psychophysique ou de la robotique. Ensuite, le concept est formalisé en utilisant un modèle générique bayésien. Enfin, les hypothèses, les points communs et les différences de chacun de ces modèles sont analysés et discutés.

Mots clés: loops; hierarchies; ambiguities; fusion; multimodality; conflicts; Bayes’ rule; Probabilistic inference; Bayesian cognition; modularity

Mots clés: Inférence probabiliste; Règle de Bayes; Modularité; Conflits; Ambiguïtés; Multi-modalité; Cognition Bayésienne; Boucles

Domaines: Informatique

Pierre Bessière, Julien Diard, Francis Colas. Modèles probabilistes formels pour problèmes cognitifs usuels. Intellectica - La revue de l’Association pour la Recherche sur les sciences de la Cognition (ARCo), 2016, Nouvelles approches en robotique cognitive, 65 (1), pp.111-141. ⟨10.3406/intel.2016.1792⟩. ⟨hal-01345697⟩