Article · IA & agents

Modéliser un agent dont les objectifs viennent aussi de son état interne

Le modèle Motivated Emotional Mind formalise une architecture incarnée où besoins, mémoire, affect et incertitude modulent l’apprentissage et le choix d’action.

Un système cognitif incarné relie perception, motivation, émotion et action dans un modèle d’esprit.

Sortir de la récompense externe

Wiesław L. Galus et Janusz A. Starzyk proposent une formalisation mathématique de la Motivated Emotional Mind, une architecture cognitive pour des systèmes intelligents incarnés. L’agent ne reçoit pas seulement une récompense de tâche : il tente aussi de maintenir un état interne et de limiter des violations allostatiques.

Une boucle réentrante

Le modèle relie signaux extéroceptifs et intéroceptifs, contexte motivationnel, traces de mémoire et représentations associatives appelées semblions. Ces représentations se disputent l’accès au traitement, peuvent reconstruire des signaux de haut en bas et influencent la sélection d’action. La curiosité, les buts changeants, les seuils de besoin et l’incertitude d’action sont inclus dans la formalisation.

L’affect comme signal de contrôle

Dans cette architecture, l’affect global module le taux d’apprentissage, la valence des représentations et l’équilibre exploration-exploitation. Pour un agent, cela fournit un vocabulaire pour séparer l’objectif déclaré, l’état régulateur et les ressources disponibles au moment du choix.

Interprétation éditoriale : rendre les motivations inspectables

Un système qui invoque une « motivation » devrait enregistrer le besoin actif, le seuil franchi, la représentation sélectionnée et le coût de l’action. Cette trace permettrait de distinguer une préférence apprise d’une contrainte de régulation interne.

Limites et statut de la source

Le preprint est une formalisation théorique et une proposition d’architecture, non une validation expérimentale d’une conscience artificielle. Les termes affect, besoin et expérience restent des éléments de modèle. Des simulations reproductibles, des tâches incarnées et des comparaisons avec des architectures de reinforcement learning sont nécessaires pour évaluer sa portée.

Source

Wiesław L. Galus et Janusz A. Starzyk, « A Mathematical Model of Motivated Emotional Mind - Cognitive Embodied System », ArXiv 2609.20437v1 : résumé et preprint, PDF.