Apprentissage par renforcement sur des connaissances symboliques structurées : modéliser la résolution créative de problèmes - INRIA - Institut National de Recherche en Informatique et en Automatique Accéder directement au contenu
Poster De Conférence Année : 2022

Reinforcement Learning on structured symbolic knowledge: modeling creative problem solving

Apprentissage par renforcement sur des connaissances symboliques structurées : modéliser la résolution créative de problèmes

Résumé

La créativité, la résolution de problèmes et la pensée informatique sont des compétences majeures du 21e siècle à inclure dans les programmes éducatifs du primaire et secondaire. Afin de mieux appréhender et enseigner ces compétences, nous proposons d’étudier les mécanismes cognitifs à l'œuvre dans la résolution d’une tâche spécifique appelée CréaCube, dans laquelle l’apprenant·e est invité·e à construire un véhicule à l’aide de cubes robotiques modulaires. Nous nous appuyons d’une part sur les données collectées pendant la tâche à l’aide d’analyses de vidéos, et d’autre part sur les modèles issus des neurosciences computationnelles et de l’intelligence artificielle, le but étant d’expliquer les comportements observés et d’inférer les représentations internes de l’apprenant·e en lien avec ses connaissances préalables et la découverte des affordances. Ceci implique de spécifier la représentation des connaissances au niveau symbolique et sub-symbolique et de prendre en compte la régulation des processus divergents et convergents au cours de la tâche. Cette étude est encore exploratoire, mais nous avons déjà introduit quelques idées au niveau de la modélisation : en particulier, nous proposons d’appliquer un paradigme d’apprentissage par renforcement sur des données symboliques, permettant de traiter les connaissances à la fois explicitement et implicitement, tout en introduisant une récompense liée à la motivation intrinsèque.
Fichier principal
Vignette du fichier
PosterCJCSCo.pdf (1.64 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03678767 , version 1 (25-05-2022)

Licence

Paternité

Identifiants

  • HAL Id : hal-03678767 , version 1

Citer

Chloé Mercier, Margarida Romero, Frédéric Alexandre, Thierry Viéville. Apprentissage par renforcement sur des connaissances symboliques structurées : modéliser la résolution créative de problèmes. CJC-SCo 2022 - Colloque des jeunes chercheur·se·s en sciences cognitives, Apr 2022, Paris, France. . ⟨hal-03678767⟩
164 Consultations
84 Téléchargements

Partager

Gmail Facebook X LinkedIn More