RELIER LA THÉORIE DE L'ÉVOLUTION CULTURELLE AUX CONCEPTS ET MODÈLES DE L'INTELLIGENCE ARTIFICIELLE

CONNECTING CULTURAL EVOLUTIONARY THEORY WITH CONCEPTS AND MODELS FROM ARTIFICIAL INTELLIGENCE

• Auteur / Autrice : Jérémy Perez
• Direction : Clément Moulin-frier
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 20/09/2023
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale de mathématiques et informatique
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique - Bordeaux - Sud-Ouest
• Partenaire(s) de recherche : Equipe de recherche : FLOWERS

Mots clés

Mots clés libres

Intelligence artificielle

Evolution Culturelle

Motivation Intrinsèque

Grand modèle de langage

Artificial Intelligence

Cultural Evolution

Intrinsic Motivation

Large Language Models

Résumé

Cultural evolution is a research field that aims at providing causal explanations for the change over time of culture, defined as socially inherited information. This field has so far remained somewhat disconnected from the artificial intelligence literature, although there seems that many insights can be gained from combining the two. First, models of cultural evolution are limited in their ability to model individual exploration. Concepts from AI such as reinforcement learning, intrinsically-motivated exploration, and goal-directed exploration could fill this gap and help us better understand how exploratory behaviors contribute to cultural transmission, innovation and open-endedness in cultural evolution. Moreover, the rise of Large Language Models (LLMs) also opens new avenues for creating more realistic agent-based models. Indeed, LLMs can be seen as tools that take cultural content as input and output new cultural content, after being trained to mimic how humans perform such transformations. Understanding exactly how cultural evolution can leverage LLMs is therefore is a very important research direction. Conversely , cultural evolutionary theory appears to be a powerful framework for anticipating the consequences of artificial intelligence on societies. Digital technologies are increasingly involved in the production, selection, and transmission of cultural content, and it is therefore crucial to analyze and predict the dynamics of machine-generated and hybrid human-machine cultural evolution. In this context, this thesis will study how 1) concepts and methods from cultural evolution research can be used to characterize cultural dynamics in populations of artificial agents; 2) how computational models inspired by intrinsically-motivated reinforcement learning algorithm can provide new perspectives on cultural transmsission, innovation and cultural open-endedness; and 3) how these new perspectives can be empirically tested with experiments and/or observational data.

L'évolution culturelle est un domaine de recherche qui vise à fournir des explications causales à l'évolution dans le temps de la culture, définie comme une information socialement héritée. Jusqu'à présent, ce domaine est resté assez déconnecté de la littérature sur l'intelligence artificielle, bien qu'il semble que de nombreux enseignements puissent être tirés de la combinaison des deux. Premièrement, les modèles d'évolution culturelle sont jusqu'à présent limités dans leur capacité à modéliser l'exploration individuelle. L'utilisation de concepts issus de l'intelligence artificielle, tels que l'apprentissage par renforcement, l'exploration intrinsèquement motivée et l'exploration orientée vers un but, pourrait combler cette lacune et permettre de mieux comprendre comment les comportements exploratoires contribuent à la transmission, à l'innovation et à l'ouverture dans l'évolution culturelle. En outre, l'essor des grands modèles linguistiques (LLM) ouvre également de nouvelles voies pour la création de modèles basés sur des agents plus réalistes. En effet, les LLM peuvent être considérés comme des outils qui prennent le contenu culturel en entrée et produisent un nouveau contenu culturel, après avoir été formés pour imiter la manière dont les humains effectuent de telles transformations. Comprendre exactement comment l'évolution culturelle peut tirer parti des LLM est donc un axe de recherche très important. En retour, la théorie de l'évolution culturelle semble être un cadre très approprié pour anticiper les conséquences de l'intelligence artificielle sur les sociétés. En effet, les technologies numériques étant de plus en plus impliquées dans la production, la sélection et la transmission de contenus culturels, il est crucial d'analyser et de prédire la dynamique de l'évolution culturelle générée par les machines et de l'évolution culturelle hybride homme-machine. Dans ce contexte, cette thèse étudiera comment 1) les concepts et les méthodes de la recherche sur l'évolution culturelle peuvent être utilisés pour caractériser la dynamique culturelle dans les populations d'agents artificiels ; 2) comment les modèles informatiques inspirés par les algorithmes d'apprentissage par renforcement intrinsèque peuvent fournir de nouvelles perspectives sur la transmission culturelle, l'innovation et l'ouverture culturelle ; et 3) comment ces nouvelles perspectives peuvent être testées empiriquement à l'aide d'expériences et/ou de données d'observation.