Les nourrissons sont excellents pour interagir avec l’environnement. Surtout dans la phase initiale du développement cognitif, ils présentent des capacités étonnantes à générer de nouveaux comportements dans des situations inconnues et à explorer activement pour apprendre le meilleur tout en manquant de récompenses extrinsèques de l’environnement. Ces capacités de création de sens et de construction de connaissances de l’environnement les distinguent même des robots autonomes les plus avancés.
Pour la plupart des agents artificiels (et des robots), l’acquisition de telles capacités est écrasante. Dans la plupart des approches traditionnelles d’intelligence artificielle (IA), l’apprentissage est généralement insuffisant, avec divers biais et manque de flexibilité. Chercher des moyens d’expliquer le mécanisme d’apprentissage derrière le développement cognitif précoce des nourrissons et essayer de reproduire certaines de ces capacités que les bébés ont pour un agent autonome sont devenus un point focal des efforts récents en robotique et en recherche sur l’IA.
Dans cette thèse, je propose un modèle informatique de l’architecture cognitive constructiviste (CCA) comme moyen de simuler le mécanisme d’apprentissage précoce du développement cognitif des nourrissons basé sur les théories de la cognition énactive, de la motivation intrinsèque et de l’épistémologie constructiviste. Pendant ce temps, le CCA permet à un agent motivé de construire de manière autonome la perception de l’environnement et d’acquérir des capacités d’auto-adaptation et de flexibilité pour générer des comportements appropriés pour faire face à diverses situations en interagissant avec l’environnement.