Paradox

Retrouvez cet article sur : http://www.mono-lab.ch/?p=552

Les systèmes adaptatifs complexes sont un cas spécial de systèmes complexes. Ils sontcomplexes car composés d’éléments inter-connectés et adaptatifs parce qu’ils possèdent la capacités de changer et d’apprendre avec l’expérience.

Introduction

Des exemples de systèmes adaptatifs complexes existent : la bourse, les insectes sociaux ou les colonies fourmis, la biosphère et l’écosystème, le cerveau et le système immunitaire, les cellules et tout les groupes humains basés sur un système social et culturel comme les partis politiques et les communautés. Les champs des SAC et de la vie artificielle sont fortement liés. Dans ces deux domaines, les principes de l’émergence et de l’auto-organisation sont très importants.Le terme systèmes adaptatifs complexes, ou science de la complexité, est souvent utilisé pour décrire un champs académique peut organisé qui a grandi autour de l’étude de tels systèmes. La science de la complexité n’est pas une seule et unique théorie - elle englobe plus qu’un cadre théorique et est hautement interdisciplinaire, cherchant des réponses à des questions fondamentales de la vie, de l’adaptation et des systèmes changeables.

Les idées concernant les CAS et leurs modèles sont essentiellement évolutionnistes, enraciné dans la vision moderne de la biologie sur l’adaptation et l’évolution. La théorie des systèmes adaptatifs complexes construit un pont entre la théorie des systèmes et les idées du Darwinisme généralisé, qui suggère que les principes Darwinien de l’évolution peuvent expliquer de nombreux phénomènes matériaux, des objets cosmiques aux objets sociaux.

Définitions

Un SAC est un système complexe composé d’une collection d’agents interactifs adaptatifs similaires. L’étude des SAC se concentre sur la complexité, l’émergence et les propriétés macroscopiques d’un système. Plusieurs définitions ont été proposés par différents chercheurs :

• John H. Holland : Un système adaptatif complexe (SAC) est un réseau dynamique des plusieurs agents (qui peuvent représenter des cellules, des espèces, des individus, des entreprises ou des nations) agissant en parallèle, constamment et réagissant aux actes des autres agents. Le contrôle d’un SAC tend à être hautement dispersé et décentralisé. Si un comportement cohérent apparaît dans le système, il doit émerger de la compétition et de la coopération entre les agents eux-mêmes. Le comportement global du système est le résultat d’un nombre énorme de décisions effectués à tout moments par les agents individuels.
• Kevin Dooley : Un SAC se comporte/évolue en accord avec trois principes clé : l’ordre est émergent plutôt que prédéterminé (c.f les réseaux de neurones), l’histoire du système est irréversible, et son futur imprévisible. Les composants de base du SAC sont les agents. Les agents scrutent leur environnement et développent des schémas représentant des règles d’interprétation et de l’action. Ces schémas sont sujet à changement et à évolution.
• Autres définitions : des collections macroscopiques de simples (et typiquement non-linéaire) unité interagissant qui ont la capacité d’évoluer et de s’adapter à un environnement changeant.

Propriétés générales

Ce qui distingue un SAC d’un système multi-agent (SMA) est la concentration de haut-niveau sur les propriétés et sur les capacités comme l’auto-similarité, la complexité, l’émergence et l’auto-organisation. Un SMA est simplement définis comme un système composé d’agents multiples interagissant. Dans les SACs, les agents tout comme le système sont adaptatifs : le système est auto-similaire. Un SAC est une collectivité complexe d’agents adaptatifs interagissant. Les systèmes adaptatifs complexes sont caractérisés par un haut degrés d’adaptabilité, leurs donnant une certaine résistance fait aux perturbations.

Les autres propriétés importantes sont l’adaptation (ou homéostasie), la communication, la coopération, la spécialisation, l’organisation spatiale et temporelle, et bien sûre, la reproduction. Elles peuvent être trouvées à tout les niveaux : les cellules se spécialisent, s’adaptent et se reproduisent elles-mêmes tout comme des organismes plus grand le font. La communication et la coopération prend place à tout les niveau, des agents jusqu’au système. La force conduisant la coopération entre les agents dans de tel système peuvent être analysé grâce à la théorie des jeux.

Évolution de la complexité

Les organismes vivants sont des systèmes adaptatifs complexes. Bien que la complexité est dure à quantifier en biologie, l’évolution a produit quelques remarquables organismes complexes. Cette observation a mené à l’idée ordinaire que l’évolution est un processus progressif menant vers ce qui est considéré comme des “organismes plus élevés”.

Si ceci était généralement vrai, l’évolution devrait tendre vers la complexité. Comme expliqué en-dessous, dans ce type de processus la valeur du montant de complexité le plus ordinaire devrait augmenter au fil du temps. En fait, les simulations de vie artificielle ont suggérés que la génération de SAC est une fonction inévitable de l’évolution.

Cependant, l’idée d’une tendance générale vers la complexité dans l’évolution peut aussi être expliquée par un processus passif. Ceci inclus une augmentation de la variance mais la valeur la plus commune, le mode, ne change pas. Ainsi, le niveau maximum de complexité augmente avec le temps, mais seulement comme produit indirecte. Ce type de processus aléatoire est aussi appelé marche aléatoire fermée.

Dans ce type d’hypothèse, l’apparente tendances vers des organismes plus complexes est une illusion résultant de la concentration sur le petit nombre de grands et très complexes organismes qui habitent la main droite de la complexité et ignorant les organismes plus simples et plus communs. Ce modèle passif souligne que l’écrasante majorité des espèces sont des procaryotes microscopiques, qui composent environ la moitié de la biomasse mondiale, constitue la grande majorité de la bio-diversité terrestre. Donc, la vie simple reste dominante sur Terre, et la vie complexe apparaît plus diverse seulement à cause de biais d’échantillonnage.

Ce manque d’une tendance globale vers la complexité en biologie n’écartent pas l’existence de forces conduisant les systèmes vers la complexité dans un sous-ensemble de cas. Ces tendances mineures sont balancées par d’autres pressions évolutionnistes qui conduisent les système vers des états moins complexes.

Développement et mise en pratique

Les systèmes adaptatifs sont des systèmes qui peuvent s’adapter à leur environnement, dans un sens ils sont des systèmes d’apprentissage. Les sociétés ou le système immunitaire sont de bons exemples. Le système immunitaire est composé d’agents, appelé Lymphosyte T, dont le travail est d’identifier et de détruire d’éventuels virus ou intrus. Pour ceci ils possèdent des sortes de crochets qui leurs permettent “‘d’attraper” certain intrus. Malheureusement, ces agents ne possèdent pas  tous les bons crochets, seulement certains (parmis les milliards de Lymphosyte) ont les bons crochets. Et c’est dans un tel cas que se révèle la puissante d’un système adaptatif complexe : son fonctionnement de base est adaptatif, les agents résolvant un problème, en attrapant un intrus, vas se voir attribuer plus de ressources, d’énergie et donc se répandre au sein du système. Par contre, ceux qui ont la mal chance de ne résoudre aucun problème se retireront eux-même pour se laisser mourrir. Cela va permettre au système de s’adapter aux intrus auxquels il fait face en créant les bon agents, ceux capables de faire face à l’attaquant.

Cet exemple permet de bien imaginer les composants de base d’un système adaptatif : des agents similaires possédant tous le même fonctionnement. Les agents qui peuvent résoudre des problèmes rencontré par tout le système sont remercié par de l’énergie, des ressources leurs permettant de se reproduire. Ainsi, le système se vera évoluer, et s’adapter aux problèmes qu’il fait face. Il devient ainsi une réelle machine à apprendre.

Nous pouvons donc décomposer les bases du fonctionnement  d’un tel système :

• Des agents similaires dans leur fonctionnement;
• Des distributeurs de ressources qui vont diriger l’énergie vers les composants qui permettent de résoudre les problèmes;
• Des juges internes : déterminant l’apport de l’agent au système et changeant son état en conséquence (gains d’énergie pour continuer dans la voix, ou dépression pour se retirer du système);
• Une police de conformité qui élimine les agents qui s’égarent trop;
• Des générateurs de diversité qui vont générer des agents dont les propriétés sont diverses et éventuellement aléatoires. Ainsi chaque agents sera une “possibilité”, un paris qui si il est porteur de réussite, sera récompenser par les distributeurs de ressources. Ces générateurs de diversité servent à créer un maximum de créativité et de chances de tomber sur le bon résultat.