Upload
ansell-auvray
View
106
Download
2
Embed Size (px)
Citation preview
Avril 2006
présentation stage/thèse: modélisation et simulation
d'une population de consommateurs
Samuel Thiriot (LIP6 / FT R&D) [email protected]
Amal El Fallah Seghrouchni (Directrice de thèse, LIP6)[email protected]
Jean-Daniel Kant (Co-directeur de thèse, LIP6)[email protected]
Yann Renard (Encadrant FT R&D)[email protected]
Vincent Louis (Co-encadrant FT R&D)
Avril 2006
(2)
Nous allons parler...
Simulation multi-agents (réactif/cognitif)
Décision : point de vue croisé psychologie / agent / consommateur
Travail de stage : modélisation cognitive
Travail de thèse:
problématiqueproposition de modèlespoints de réflexion
Avril 2006
(3)
Simulation multi-agents
la simulation multi-agents [Drogoul 1994, Axtell 2000, Gilbert 1994]
l'architecture multi-agent permet de représenter explicitement les structures sociales (1 agent = 1 humain)
permet de reproduire des phénomènes émergentsdonne un modèle que l'on peut manipuler avec une population que l'on peut modifier et tester
Exemples:
économie de marché de poissons à Dakar (IRD)migrations intra-urbainesformation de villesformation d'entreprises...
Avril 2006
(4)
Simulation multi-agents “réactive"
la plupart des simulations sont basées sur des agents réactifs (simples), car:
souvent pas besoin de granularité plus fine (ex. étude des
migrations intra-urbaine)
besoin de maîtrise de la simulation (apparition de phénomènes
émergents)
modèles bien formalisés et implémentables
parfois, les agents utilisés en simulation sont tellement simples...
qu'on peut se demander s'il s'agit d'agents ! [Drogoul 2003]
Avril 2006
(5)
Simulation multi-agents “cognitive”
L'utilisation d'agents plus complexes est indispensable pour bien modéliser des phénomènes sociaux [Edmons 2001, Norling 2000]
La validation de ces modèles est beaucoup plus complexe [Moss 1997] (validation 3 niveaux: agent, interactions, global)
généralement élaborées au cas pas cas quel modèle pour représenter le comportement humain ?
Avril 2006
(6)
Décider.
Décider, c'est ce que l'on fait à longueur de vie
Définitions:
décider = s'engager dans l'actionjuger = arrêter une opinion
Bien décider...
... c'est survivre [Darwin 1876]... c'est maximiser son gain [Bernoulli 1738]... c'est répondre à des besoins primaires, secondaires (etc.) [Maslow 1943]
... c'est rester dans une zone de survie (Animat, par ex [Guillot 2002])
... c'est bien se coordonner (SMA [Ferber 1995])...
Un comportement est un ensemble de décisions
Avril 2006
(7)
Granularités de modèles
(-) complexité du modèle (+)
sciences cognitives
- neurobiologie
- IRM...
statistiques
- modèles
dynamiques
- équilibres
psycho
cognitive- heuristiques
- algorithmes
- schémas
- chunks
comportementali
sme- renforcement
- modèles actuariels
- décision multi-critères
agents réactifs- systèmes de classeurs
- MLP
- agents Zero Intelligence
- fourmis
agents complexes
- spiking neurons
- neurones complexes
- animats
agents
cognitifs- BDI
- logiques
- dialoguants
- CBR
- cognition modulaire
- agents rationels
population individuel support cognitif
Avril 2006
(8)
Approches en psychologie
Décision classique
un décideur cherche à être rationnel (i.e maximiser son utilité)
[Bernoulli 1738, Neumann 1947]
Naturalistic Decision Making
parfois cette décision n'est pas parfaite [Tversky & Kahneman 1974]
l'être humain cherche des solutions satisfaisantes et non optimales, car sa rationalité est limitée [Simon 1955]
la décision est un rapport à l'environnement [Brunswik 1943]
l'être humain raisonne sur la base de son expérience passée, il fixe des buts raisonnables [Klein 1993]
il existe plusieurs complexités de décision
Avril 2006
(9)
Complexité de décision : décision simple
On ne peut pas parler d'un seul type de décision (ou jugement)
On applique une décision simple si:
forte pression temporelle (pompiers [Klein 1986]) si choix sans risque (consommateur qui choisit entre deux choix de yaourt)
si décision habituelle Modèles de décision simple:
raisonnement par cas: on réutilise une solution déjà mémorisée (habitude) [Klein 1993]
on prend la première solution satisfaisante [Simon 1955]choix par des heuristiques très simples: on choisit une alternative si elle est supérieure sur un aspect [Gigenrezer 1996]
Avril 2006
(10)
Complexité de décision : décision complexe
On utilise une décision complexe si:
cas jamais rencontrérisque important (décision stratégique, consommateur qui s'engage pour une voiture, expert qui donne un avis...)
on a un profil « enquêteur » (consommateur qui lit toujours les comparatifs)
on doit ultérieurement justifier le choix Modèles
décision multi-critères, projection pour anticiper les changements, ...
Modèles de choix de complexité Continuum Theory [Hammond 1987]Contingent processing [Payne 1976]Agent : ?
Avril 2006
(11)
Vision générale de la décision
Environnement
AgentEffecteurs
Capteurs
cadre de référence
perception / représentation
alternatives
choix
construction d'alternatives
mémorisation
récupération
application
signaux
actions
Avril 2006
(12)
Modèles existants
Théorie classique
suppose que les alternatives sont présentes et connues
le cadre de référence est un ensemble de préférences rationnelles
Psychologie de la décision
aborde quasi toutes ces problématiques
manque l'élaboration d'alternatives
Agents
cadre de référence = buts
Avril 2006
(13)
Stage
Avril 2006
(14)
Stage: but
Modélisation de marché boursier expérimental [Biais & Hilton 2004]
Présenter une alternative aux modélisations basées sur les notions de rationalité et équilibre
Un modèle de décision qui inclut:
une perception sélective
la capacité de projection
un choix non rationnel (satisfaisant)
Avril 2006
(15)
Stage: fondamentaux du modèle
Notion de saillance
certaines informations sont plus ''perçues'' que d'autres
mis en évidence par la psychologie, par la mémorisation [JR
Anderson 1983], la perception visuelle, la neurobiologie [Pomerol
2004]...
la saillance permet de sélectionner des informations importantes,
provoque un switching de tâches, etc.
Vision modulaire de la cognition
on a l'impression que certains phénomènes sont pervasifs et
opportunistes: la représentation des connaissances par ex,
l'attribution de saillance
ces processus ont une vision locale du processus cognitif
Avril 2006
(16)
Stage: modèle CODAGE
Un décideur = macro-agent
Macro-agent = ensemble de micro-
agents
Les micro-agents travaillent sur
l'attribution de saillancel'élaboration des alternativesleur évaluationleur sélection
La saillance permet de :
limiter la complexité coordonner les micro-agents
[Kant&Thiriot 2006]
Avril 2006
(17)
Thèse
Avril 2006
(18)
Thèse : problématique
Que choisissez vous ?
Pourquoi ?
Et en fait, pourquoi ? (déclaratif <> réalité)
Vous devez concevoir un nouveau produit; que proposez-vous ?
Avril 2006
(19)
Thèse : problématique
Ford Shelby GT 500
Modèle 1968
V8, 406 CV (max 225 km/h)
Elle vous plaît ? (image sociale, valeurs)
Et vous messieurs, elle vous plaît ? (valeurs différentes)
Et si nous étions seuls autour d'une bière ? (contexte du jugement / de la décision)
Avril 2006
(20)
Thèse: notion de valeur perçue
Quand un client perçoit une offre, il perçoit une valeur [Holbrook 1999]
Notion de valeur pour le client:
s'inscrit dans le centrage sur le client des entreprises
influencée par les informations perçues, ses sensations
« intuitives », son cadre de référence, son image sociale, ses
besoins...
évolue avec l'expérience / l'usage (exemple visio) La valeur influence le comportement du consommateur [Engel
1995]: adhésion, achat, fidélité...
Avril 2006
(21)
Thèse: notion de valeur perçue
Il n'existe pas de notion absolue de valeur
le prix est une notion relative [Ariely 2005]les besoins eux-mêmes sont variablesla valeur est une notion abstraite qui recouvre des ressentiments, des intuitions, des préférences, des images...
Difficulté: mesurer la valeurdéclaratif impossibleil faut trouver un moyen de mesurer indirectement cette valeur
valeur
comportement
numérique
Avril 2006
(22)
Thèse: consommateur ?
Un consommateur, c'est... un décideur / un juge / un membre de réseau social il raisonne sur des informations nombreuses & volontairement
biaisées mémorise consciemment ou non des informations utilise tous les types de décision
Avril 2006
(23)
Thèse: Business Model
business model associé
on vend le rasoir (pas cher), puis les lames (très cher)
on loue la LiveBox, on perd de l'argent sur la partie voix, on en
gagne par la video on demand
enablerstous les téléphones permettent de téléphoner (réponse au seul et unique besoin primaire)
mais le choix se fait sur la photo, le web, la vidéo...
Avril 2006
(24)
Simulation appliquée à la consommation
La Simulation MA permet de représenter des composantes sociales, ce qui est indispensable pour représenter les évolutions du marché [Janssen 2003]
De + en + de modèles du consommtateur (la plupart du temps actuariels)
Peu de simulations déjà effectuées [Ben Said 2003]
Peu de demande du côté des marketeurs opérationnels
Avril 2006
(25)
Intuition de modèle général
Agent (profil)
cadre de référence
perception sélective
alternatives
choix / jugement
offres (média / coeur de valeur)
recommandation
Contexte socialEntreprises
produit / services
Communication
- image de marques- besoins- expérience- valeurs sociales- valeurs éthiquesimprégnation
Avril 2006
(26)
Objectifs et enjeux
Simulation multi-agents:
un modèle représentant mieux le comportement humain
une simulation qui soit généralisable
nbses applications: effets de la publicité ? Effets des réseaux
sociaux ?
Agent situé:
(long terme) les mécanismes humains sont transposables au
domaine agent
France Télécom Groupe
mieux comprendre le consommateur et lui proposer des offres qui
l'intéressent davantage
Avril 2006
(27)
Risques et interrogations
Risques sur le modèle
modèle trop complexe ou non réaliste (cognitif, comportemental ?)difficulté à traduire des sciences « molles »validation du modèle: sait-on récupérer des informations ? (expérimentation). Peut-on valider le modèle ?
Risques sur la démarche
manque de compétence sur l'aspect psychologie; aller chercher un référent ?
démarche trop cognitiviste ? Trop dispersée ? Risques FT
généralisation du modèle pour FT, application à des problématiques réelles ?
Avril 2006
(28)
A vous !
Merci pour votre attention...
... et vos réactions !
Avril 2006
(29)
Bibliographie[Drogoul 1994] Drogoul, A.; Ferber, J. & Cambier, C. Gilbert, N. (ed.) Simulating societies Multi-agent Simulation as a Tool for Analysing
Emergent Processes in Societies IRD, London : UCL Press, 1994, 49-62
[Axtell 2000] Axtell, R. Why agents?: on the varied motivations for agent computing in the social sciences Center on Social and Economic Dynamics 2OOO
[Gilbert 1994] Gilbert, N. (ed.) Simulating societies : the computer simulation of social phenomena University of Surrey, Guilford (GBR), 1994
[Drogoul 2003] Drogoul, A. Simulation Orientée Agent: où sont les agents ? Actes des Journées de Rochebrune, Rencontres interdisciplinaires sur les systèmes complexes naturels et artificiels, Megève, France 2003
[Edmonds 2001] Edmonds, B. & Moss, S. The Importance of Representing Cognitive Processes in Multi-agent Models Artificial Neural Networks - ICANN 2001 : International Conference Vienna, Austria 2001
[Norling 2000] Norling, E.; Sonenberg, L. & Rönnquist, R. S. Moss, P.D. (ed.) Enhancing Multi-Agent Based Simulation with Human-Like Decision Making 2000, 214
[Moss 1997] Moss, S.; Edmonds, B. & Wallis, S. Validation and Verification of Computational Models with Multiple Cognitive Agents Centre for Policy Modelling - Manchester Metropolitan University, 1997
[Janssen 2003] Janssen, M.A. & Jager, W. Simulating Market Dynamics: Interactions between Consumer Psychology and Social Networks Artifical Life, 2003, 9, 343-356
[Darwin 1876] Darwin, C. L'origine des espèces au moyen de la sélection naturelle ou la lutte pour l'existence dans la nature Editions Reinwald, Paris, 1876
[Bernoulli 1738] Bernoulli, D. Specimen theoriae novae de mensura sortis Comentarii academiae scientarium imperialis Petropolitanae, 1738, 5, 175-192
[Maslow 1943] Maslow, A.H. A Theory of Human Motivation Psychological Review, 1943, 50, 370-396
[Guillot 2002] Guillot, A. Approche dynamique de la cognition artificielle Introduction: Histoire des systèmes cognitifs artificiels Guillot, A. & Daucé, E. (ed.) Hermès, Paris, France, 2002, 17-30
[Ferber 1995] Ferber, J. Les systèmes Multi-Agents, vers une intelligence collective InterÉditions, 1995
[Neumann 1947] Neuman, J.V. & Morgenstein, O. Theory of Games and Economic Behaviour Princeton, N.J.: Princetown University Press, 1947
[Brunswik 1943] Brunswik, E. Organismic achievement and environmental probability. Psychological Review, 1943, 50, 255-272
[Tversky & Kahneman 1974] Tversky, A. & Kahneman, D. Judgment Under Uncertainty: Heuristics and Biases Science, 1974, 185, 1124-30
Avril 2006
(30)
Bibliographie[Simon 1955] Simon, H.A. A Behavioral Model or Rational Choice Quarterly Journal of Economics, 1955, 69, 99-118
[Gigerenzer 1996] Gigerenzer, G. & Goldstein, D. Reasoning the fast and frugal way: Models of bounded rationality Psychological Review, 1996, 103, 650-669
[Klein 1993] Klein, G.A.; Orasanu, J.; Calderwood, R. & Zsambok, C.E. (ed.) Decision Making in Action: models and methods Norwood, N.J. : Ablex Pub, 1993
[Hammond 1987] Hammond, K.R.; Hamm, R.M.; Grassia, J. & Pearson, T. Direct comparison of the efficacy of intuitive and analytical cognition in expert judgment. IEEE Transactions on Systems, Man, and Cybernetics, 1987, SMC-17, 753-770
[Klein 1986] Klein, G.; Calderwood, R. & Clinton-Cirocco, A. Rapid decision making on the fire ground 1986, 576-580
[Payne 1976] Payne, J. Task complexity and contingent processing in decision making: An information search and protocol Organizational Behavior and Human Performance, 1976, 16, 366-387
[Biais 2004] Biais, B.; Hilton, D.; Mazurier, K. & Pouget, S. Judgmental overconfidence, self-monitoring and trading performance in an experimental financial market Review of Economic Studies, 2004
[JR Anderson 1983] Anderson, J.R. The Architecture of Cognition Lawrence Erlbaum Associates, 1983
[Pomerol 2004] Pomerol, J. Neurobiologie de la Décision à la Lumière des Travaux Récents EWG-MCDA Newsletter, 2004, 9
[Kant&Thiriot 2006] Kant, J. & Thiriot, S. Modeling one Human decision Maker with a Multi-Agent System : the CODAGE approach Proceedings of AAMAS'06
[Bowling 1964] Bowling, B. & Heasley, J. Mustang Buyer's Guide 1964 1/2-1978 MotorBooks/MBI Publishing Company, 2003
[Holbrook 1999] Holbrook, M.B. Consumer Value : A framework for analysis and research Introduction to consumer value Routledge, New York, 1999, 1-28
[Engel 1995] Engel, J.F.; Blackwell, R.D. & Miniard, P.W. Consumer Behaviour The Dryden Press, Orlando, 1995
[Ben Said 2003] Said, L.B. Simulation Multi-Agent des Comportements des Consommateurs dans un Contexte Concurrentiel Université Pierre et Marie Curie - Paris VI, 2003
[Ariely 2003] Ariely, D.; Loewenstein, G. & Prelec, D. Tom Sawyer and the Construction of Value Journal of Economic Behavior and Organization, 2005, 1-20
Si vous désirez obtenir une copie de ces articles, n'hésitez pas à me contacter
Avril 2006
(32)
Annexes
Slides si nécessaire !
Avril 2006
(33)
Jugement et Décision
Juger: arrêter une opinion
Décider: s'engager dans une action
Juger et Décider : différences
investissement dans l'actionpas les mêmes contraintes prises en compte
Juger et Décider: points communs
englobent une partie intuitiveplusieurs complexités selon l'investissement (l'expert doit davantage justifier ses choix que le consommateur lambda)
apprentissage
Avril 2006
(34)
Modéliser
un modèle est une simplification du monde
Pourquoi modéliser ?
vérifier une théorie comprendre les mécanismes du système réel manipuler un exemplaire simplifié du système comprendre les leviers à utiliser sur un système réel
doit être pertinent : assez proche du modèle pour que l'on puisse en tirer
des conclusions
vérifiable : suffisamment simple pour pouvoir le comparer à la
réalité
maniable : plus facile à modifier que le système réel