Au delà des esthétiques intermédias avec les SDNL

 

Michel Bret, professeur émérite des Université, ATI, Université Paris 8 (juin 2006)

Journée Art / technologies de l段nformation et de la communication Université Le Mirail Toulouse, 15 décembre 2006

 

Mots clés

Art, intelligence, interactivité, inter médias, systèmes dynamiques non linéaires (SDNL), vie artificielle.

 

Résumé

 

Ma participation au spectacle « Out Focus » de MaFlohé Passedouet s段nscrit dans une démarche expérimentale qui tente de rapprocher le monde du spectacle vivant des recherches plastiques dans le domaine de la « Vie Artificielle » que je mène depuis de nombreuses années. Il se trouve que des paradigmes essentiels de cette recherche, comme l誕utonomie, l段mprovisation ou l段nteractivité, rentrent en résonance avec les pratiques de la danse, du théâtre, du cirque et, plus généralement, avec tous les arts dans lesquels le corps joue un rôle important

Si les média sont l弾nsemble des techniques et des supports de diffusion massive de l段nformation et de la culture (à la suite de la « civilisation de l段mage » de McLuhan dans les années 60-70), le numérique apporte une révolution au moins aussi importante que celle de l段nvention de l段mprimerie par Gutenberg (dans les années 1450), en particulier à travers la notion de réseau mondial ou Web (dans les années 1980). Les nouvelles technologies de l´information et de la communication contribuent à décloisonner les pratiques artistiques en offrant un moyen de codage universel. Le mouvement Fluxus (impulsé dans les années 60, à la suite du dadaïsme, par John Cage et Dick Higgins) avait sapé les catégories de l誕rt en remettant en cause, par exemple, la notion même dœuvre, et, surtout, en construisant un lien définitif entre l´art et la vie. On ne peut quêtre frappé par la convergence de ces idées et de la tendance actuelle utilisant la Vie Artificielle dans les spectacles vivants.

C弾st en ce sens que j段nterviendrai en expliquant ce que peut être une interactivité « intelligente » , en quoi l誕utonomie peut remettre en cause la notion dœuvre et même d誕uteur, comment l段mprovisation qui en résulte peut être vécue comme une avancée, et non comme une frustration, par des créateurs ainsi obligés de quitter leur confort égocentrique et de découvrir qu段ls appartiennent à une communauté beaucoup plus vaste que celui du monde traditionnel de l誕rt, incluant les machines et leurs nouvelles capacités.

Au-delà de la notion de support et de média, j段nsisterai sur celle de processus, et donc dévolution, en évoquant les systèmes dynamiques non linéaires (SDNL) loin de léquilibre. L段nteractivité, au cœur de tous les processus évolutionnistes, quitte la seule référence au langage pour donner toute son importance au corps et au geste.

 

Introduction

 

Lorsque, avec Edmond Couchot, Marie-Hélène Tramus, Hervé Huitric et Monique Nahas, nous avons fondé la filière ATI (« Art et Technologies de l棚mage), dans les années 80, nous étions guidé par l段dée de « double compétence » (artistique et technique) qui constituait un premier niveau de décloisonnement, refusant ainsi le dualisme art-technique (qui est à rapprocher d誕utres dualismes comme art-science, corps-esprit, nature-culture, tous aujourd檀ui dépassés). Nous avions par ailleurs retenu du mouvement Fluxus ce côté délirant, hérité du dadaïsme, qui nous a permis de tenter, sans à priori, toutes sortes d弾xpériences dont certaines, très sérieuses, nous ont fait connaître les neurosciences. C弾st justement à cette occasion que nous avons pris conscience du lien très étroit entre interactivité et intelligence et que nous nous sommes inscrits dans le mouvement connexionniste des sciences cognitives pour développer toute une réflexion sur la « seconde interactivité ».

J誕i construit des systèmes complexes interactifs mettant en œuvre des techniques de la Vie Artificielle (telles que les réseaux neuronaux ou les algorithmes génétiques) qui montrent certaines capacités d誕utonomie les apparentant aux organismes vivants. Se posent alors certaines questions : quelle relation entre l檀umain (concepteur, créateur, artiste, spectateur, acteur, ) et ces systèmes imprévisibles et autonomes, de quelle esthétique s誕git-il, que devient le statut de l誕rtiste dans ce processus ?

 

1 L段nteractivité « intelligente »

 

Avec Edmond Couchot et Marie-Hélène Tramus nous distinguons plusieurs types d段nteractivité [1] :

La « première interactivité », ou interactivité de commande, qui est celle de la simple boucle rétroactive de la cybernétique à la base de la plupart des systèmes interactifs permettant un contrôle homéostatique.

Puis la « seconde interactivité » (par analogie avec la seconde cybernétique), ou « interactivité intelligente », qui apparaît dès lors que le système qui la produit est capable de se modifier lui-même au cours d置n apprentissage par lequel il interagit avec son environnement afin de s馳 adapter. Il s誕git bien là d置n comportement auto organisé que l弛n pourrait qualifier d « intelligent » et qui traduit le concept d誕utopoiése introduit par Francisco Varela [2].

 

2 Sur les systèmes complexes

 

Pour Laplace (1749-1827) létat actuel de l置nivers est l弾ffet de son état antérieur et la cause de celui qui va suivre. Une intelligence qui pourrait connaître tous les paramètres gouvernant l置nivers pourrait aussi bien remonter le temps vers le passé qu誕nticiper vers le futur, ce qui signifie que le temps est réversible et la physique déterministe. Mais Laplace reconnaît lui-même que cette vision théorique est impossible à mettre en œuvre et seule une interprétation probabiliste est humainement accessible. De plus aucune modélisation n弾st parfaite et il est nécessaire de simplifier les équations pour les résoudre. Enfin les conditions initiales sont toujours incertaines, si bien que lévolution d置n système dynamique peut notablement diverger par rapport à la prévision qu弛n en fait. La réalité est complexe et donc aussi sa modélisation.

Les travaux de L. Boltzmann (1844-1906) ont montré l段mportance de la notion d´évolution, nécessairement associée à une flèche du temps, relatifs au concept d´entropie. Aussi, à côté des systèmes simples (définis par un petit nombre de degrés de liberté), faut-il considérer des systèmes complexes (ayant un grand nombre de degrés de liberté) dans lesquels apparaît la notion d段rréversibilité. La prévisibilité des systèmes simples s弾nrichit de la notion démergence propre aux systèmes complexes (le tout est plus que la somme de ses parties). Lorsque le nombre de cellules interconnectées est suffisamment grand pour défier toute tentative de modélisation, l誕nalyse traditionnelle laisse la place à une vision connexionniste inspirée de la biologie.

Par exemple les automates cellulaires sont des systèmes dynamiques discrets constitués d置n maillage de cellules interagissant avec leurs voisines selon des lois de transition locale. D誕bord étudiés par Ulam et von Neumann dans les années 50, ils ont eu leur période de gloire avec l誕pparition des ordinateurs programmables dans les années 70 . Ainsi le « jeu de la vie » de Conway permet de réaliser une infinité de configurations imprévisibles, bien que déterministes et reproductibles. Sur les figures 1 à 3 on peut voir trois états successifs d置ne population de cellules initialisée aléatoirement.

 

Figure 1,2,3 : Trois états successifs du jeu de la vie

 

D誕utres exemples, comme les réseaux neuronaux simulant le système nerveux central, permettent de résoudre des problèmes dont aucune solution analytique n弾st connue, des problèmes mal posés ou même sans solution (la meilleure solution approchée est recherchée). Les algorithmes génétiques, en simulant lévolution darwinienne, permettent de construire des populations de solutions sans qu段l ne soit nécessaire démettre des hypothèses réductrices. Les systèmes dynamique non linéaires (instables, chaotiques ou non intégrables) nous éloignent d置n idéal de certitude et d段ntemporalité, relativisant la notion même de déterminisme.

 

3 Réseaux neuronaux

 

En 1995, à la suite de Karl Sims [3], de Van de Panne et Fiume [4], je m段ntéressais au connexionnisme et à ses applications artistiques, en particulier dans le domaine de l段nteractivité [5].

La vie a résolu le problème de l誕daptation des organismes à leur environnement en inventant les systèmes nerveux centraux, constitués de neurones massivement interconnectés au moyen de liaisons modifiables par l弾xpérience [6].

L段nformatique permet de simuler de tels systèmes au moyen des « réseaux neuronaux » [7]. Avec les réseaux multi couches à apprentissage supervisé nous construisons des organismes artificiels constitués :

1) D置n système perceptif (dont les organes sont des capteurs qui se projettent sur les neurones de la couche d弾ntrée du réseau neuronal).

2) D置n système d誕ctivateurs sous la forme de muscles commandés par les neurones moteurs connectés à la couche de sortie du réseau.

3) D置ne ou plusieurs couches cachées figurant le « cortex » du cerveau artificiel.

4) Enfin d置n protocole d誕pprentissage permettant d弾ntraîner le réseau lors d弾xpérimentations au cours des quelles les poids des connexions sont modifiés (par l誕lgorithme dit de la « rétro propagation de l弾rreur ») afin de satisfaire de mieux en mieux aux directives du « professeur » chargé déduquer le réseau.

La figure 4 montre un tel réseau en activité :

En jaune les neurones de la couche d弾ntrée connectée au corps lui-même (ici la perception artificielle est kinesthésique).

En blanc les neurones moteurs de la couche de sortie connectée au système musculaire.

Une couche cachée est représentée entre les deux précédentes et tient lieu d置ne sorte de « cortex ».

Les rectangles verts et rouges figurent des apprentissages déjà mémorisés.

 

 

Figure 4 : Une danseuse virtuelle animée par des réseaux neuronaux.

 

4 Systèmes dynamiques non linéaires

 

Alors que les équations de la dynamique sont réversibles, en ce sens qu弾lles permettent de prévoir l誕venir aussi bien que de remonter vers le passé, on a découvert des systèmes dynamiques dans lesquels apparaît une flèche du temps [8], comme par exemple les systèmes chaotiques, découverts en 1890 par Poincaré à propos du problème des trois corps.

Ce chaos, que l弛n qualifie de déterministe, sépare bien l段déal d置n déterminisme mathématique de léventualité d置ne actualisation opérationnelle. Un exemple simple permet de comprendre ce concept de flèche du temps : Si l弛n chauffe un globe métallique en des points choisis au hasard, au bout d置n certain temps la chaleur se répartit uniformément du centre froid à la surface chaude, ce que permettent de prévoir les équations de la thermodynamique, par contre il est impossible, à partir de cet état final, de remonter vers l置n des états initiaux (figure 5).

 

 

Figure 5 : La flèche du temps

 

Cet état déquilibre ne fournit aucune information sur les conditions initiales et constitue donc une donnée d弛bservation [9]. A côté d置ne connaissance scientifique théorique (comme peut lêtre la mécanique newtonienne) il faut faire place à une connaissance que l弛n peut qualifier d檀istorique. C弾st là précisément que la notion d段nteractivité prend toute son importance : si on regarde le modèle scientifique comme une surface rigide (par exemple lécriture définitive d置n programme), l段ntervention du monde sur son devenir l誕ssouplit en l誕justant au réel, son futur n弾st pas prédictible et n弾st donc pas écrit. Il faut en conséquence créer les conditions pour que l弛bjet informatique qui actualise cette expérimentation s誕uto organise, et cela ne peut se faire qu弾n lui concédant une certaine liberté, une autonomie de fait.

Le comportement de la danseuse virtuelle est le résultat de plusieurs flux d誕ctivités :

D誕bord des activités réflexes câblées sous forme de fonctions comportementales associées à chaque objet. Par exemple un os comme le fémur est soumis à l誕ction de plusieurs muscles, certains provoquant un mouvement et d誕utres provoquant un mouvement antagoniste, ces contraintes constituent l弾ntrée de la fonction comportementale qui délivre, en sortie, le mouvement de cet os en respectant certaines règles comme par exemple la conservation de léquilibre du personnage. La différence entre la rotation prévue et la rotation effectuée est interprétée comme une erreur servant à corriger, de façon homéostatique (c弾st à dire par un feed-back négatif), les actions de cette fonction.

Ensuite des activités volontaires, celles précisément apprises lors d置n apprentissage.

Mis en présence d置n environnement dont il reçoit des sollicitations, ce système se comporte comme un réseau dynamique complexe non linéaire. Il n弾st pas possible d弾n prévoir le comportement, lequel est très sensible aux conditions initiales qui, du fait de l段nteractivité, sont fluctuantes, imprécises et non reproductibles.

La figure 6 montre l誕daptation de ce SDNL en temps réel :

Léchelle marquée « capt 23 » est la période du signal audio.

Léchelle en dessous marquée « corps 19 » est la période du mouvement du bassin.

La différence 23-19=4 de ces deux périodes est interprétée comme une erreur figurée sur la courbe en dessous.

L檀orizontale marquée 20.99999 donne l弾rreur maximum commise sur nb = 25 images.

Léchelle marquée erreur 11.69444% donne le pourcentage par rapport à la période moyenne.

On peut voir (courbe dans le carré noir en bas de l段mage) un attracteur du fémur gauche de la danseuse. Lorsque l誕daptation est stabilisée, les trajectoires correspondantes sont voisines de cette courbe.

Le mouvement du bassin résulte des mouvements combinés des jambes, des bras et des vertèbres dont les périodes apparaissent verticalement.

L弾rreur est utilisée pour corriger les périodes des autres éléments par la règle de Hebb en favorisant les variations qui font décroître l弾rreur.

Lorsque la musique change de rythme, la danse s誕dapte automatiquement de façon à minimiser l弾rreur, si bien que le personnage rentre en résonance avec la musique.

 

 

 

Figure 6 : Résonance musique/balancement du bassin

 

Les paramètres de contrôle sont les forces exercées sur les éléments pour en changer les périodes, faire varier ces paramètres revient à « déformer » les bassins d誕ttraction et donc les attracteurs, c弾st à dire les mouvements de ces éléments. Pour certaines valeurs, dites « critiques », des « bifurcations » apparaissent, c弾st à dire que certains attracteurs deviennent instables et sont remplacés par d誕utres, qui peuvent être très différents ; il s誕git là d置ne véritable invention artificielle.

 

5 A propos d誕utonomie et d段mprovisation

 

Ilya Prigogine a montré en 1969 que, loin de l´équilibre thermodynamique, des systèmes traversés par des flux de matière et d´énergie, peuvent donner lieu à des processus d´organisation spontanée (comme des phénomènes rythmiques), devenant le siège de « structures dissipatives ». L´irréversibilité, loin de l´équilibre, joue donc un rôle constructif et produit une certaine cohérence. Alors que près de léquilibre, la linéarisation conduit à une solution unique, loin de léquilibre, au contraire, les solutions sont multiples, ce qui conduit à une auto organisation, produit de l檀istoire (imprévisible et dépendant de son environnement) du système.

J誕i noté au paragraphe 3 que le chaos déterministe intervient même avec des systèmes intégralement définis par leurs équations d´évolution, caractérisant aussi bien une dynamique réversible (le modèle du « boulanger » de Prigogine) qu´une dynamique dissipative (modèle météorologique de Lorentz). La danseuse virtuelle, considérée comme système dynamique non linéaire, est donc vouée à une évolution chaotique. Bien que généré par des processus programmés déterministes, son avenir est indécidable, car résultant d置n parcours imprédictible dans un « arbre de bifurcations ». Le choix, en chaque nœud de cet arbre, dépend non seulement des entrées, forcément imprévisibles, de l段nteraction, mais encore des conditions initiales auxquelles un système chaotique est très sensible. La moindre erreur, comme par exemple les arrondis dans les calculs (sans parler des « bugs » inévitables dans tout programme un tant soit peu complexe) font basculer les trajectoires de l弾space des phases vers des attracteurs fort différents, c弾st à dire construisent des devenirs multiples. On est ici bien au-delà d置ne interactivité de choix, puisque c弾st le processus lui-même qui se déroule de façon non linéaire dans une multiplicité de devenirs temporels.

L誕uto organisation qui en résulte conduit vers une autonomie de lêtre virtuel auquel son créateur doit concéder une certaine liberté.

L´improvisation musicale, fondée sur l´imitation et la variation, traduit le besoin psychologique de répétition, complaisance à reconnaître le déjà entendu. La variation propose à nouveau le sujet tout en le modifiant, l´improvisation joue de cette répétition apaisante et de ce renouveau surprenant. Les réseaux neuronaux mimétiques prennent en charge l段mitation, et les SDNL s弛ccupent de surprendre en proposant des chemins imprévisible, bien que cohérents.

 

6 Conclusion

 

J弾spère avoir montré que les incertitudes d置n système dynamique non linéaire, considéré loin de léquilibre, en produisant une cohérence auto organisée, constituent un réel avantage pour la création. L誕rtiste démiurge, auto satisfait, fait place à un expérimentateur sans cesse étonné de ses propres découvertes et de celles du système avec lequel il interagit, non seulement sur le mode action-perception, mais encore sur celui du dialogue entre deux êtres intelligents doués de sensibilité. L檀umanité, sommée de s誕dapter, s弾nrichit du monde des machines


 

 

Bibliographie

 

[1] Edmond Couchot, Marie-Hélène Tramus, Michel Bret A segunda interatividade. Em direção a novas praticas artisticas 2003 : In Arte vida no século XXI p.27, 38, Diana Domingues,Editora UNESP Saõ Paulo, Brasil.

[2] F.J. Varela Connaitre - Les sciences cognitives, tendances et perspectives, Ed. du Seuil, 1989

 

[3] Karl Sims, Evolving Virtual Creatures, in Computer Graphics, 15-22, 1994.

 

[4] Michiel Van de Panne, Eugène Fiume, Sensor-Actuator Networks, in Computer Graphics, 335-342, 1993.

 

[5] M. Bret, Virtual Living Beings, in Lecture Notes in Artificial Intelligence, Virtula Worlds 119-134, Ed. Jean-Claude Heudin, Springer 2000.

 

[6]Jean Pierre Changeux, L檀omme neuronal, Fayard, 1983

 

[7] Hervé Abdi: Les réseaux de neurones, Presses Universitaires de Grenoble 1994.

 

[8] Ilya Prigogine, Temps à devenir, à propos de l檀istoire du temps, Ed Fides, Québec, 1994

 

[9] Thierry Martin, Histoires ordinaires, in Hors série de Sciences et Avenir, numéro 146, pages 42-47, mars-avril 2006