Formation d’agents IA avec Microsoft Project Bonsai

AnyLogic s’est allié à Microsoft pour apporter des capacités d’apprentissage en renforcement profond et d’enseignement automatique du Projet Bonsai à des applications commerciales pratiques. Grâce à notre travail avec Microsoft, nous avons développé un connecteur facile à utiliser qui vous permet d’utiliser les modèles AnyLogic comme simulateurs connectés à la plate-forme Bonsai.
Cette utilisation novatrice de modèles de simulation axés sur les affaires apporte un contrôle adaptatif à la fine pointe de la technologie et un apprentissage en renforcement profond à la fabrication et aux opérations du monde réel. Les analystes d’affaires et les ingénieurs sont maintenant en mesure d’utiliser l’intelligence artificielle avancée sans avoir besoin de devenir des spécialistes d’analyse des données.


Renforcement d’apprentissage est basé sur l’idée de structurer les problèmes en tant qu’un processus de décision de Markov où un agent d’IA apprend une politique de contrôle pour toujours choisir la meilleure action possible pour un état donné du système. Idéalement, ce système est à la fois aléatoire et dynamique, ce qui rend une approche d’apprentissage basée sur la récompense supérieure à d’autres théories de contrôle traditionnelles.

Project Bonsai permet aux experts en la matière, même ceux qui n’ont aucune expérience de l’IA, d’intégrer directement leur expertise dans un modèle d’IA et de lui apprendre à résoudre des problèmes du monde réel. L’enseignement automatique, combiné à l’apprentissage en renforcement profond, aide les entreprises à construire des modèles d’IA suffisamment puissants pour optimiser et automatiser les systèmes du monde réel.

En tant que leader du marché de la modélisation par simulation pour les entreprises, AnyLogic dispose d’une large base d’utilisateurs parmi les leaders de l’industrie dans de multiples domaines qui ont déjà utilisé la simulation pour leurs problèmes les plus complexes. L’ajout de l’apprentissage en renforcement profond et des capacités d’enseignement automatique du Projet Bonsai ouvre une nouvelle dimension à de nouveaux types de solutions basées sur la simulation qui sont orientées vers des politiques de contrôle adaptatif.

Aperçu de la plate-forme

RLExperiment pour une connexion facile

Pour simplifier la conversion des modèles de simulation en environnements d’apprentissage (ou « simulateur » dans la plate-forme du Project Bonsai), nous avons ajouté un nouveau type d’expérience – « RLExperiment » – à toutes les versions d’AnyLogic (Professional, Researcher, et the free Personal Learning Edition). Vous pouvez utiliser ce RLExperiment pour exporter un modèle qui dispose des mécanismes intégrés nécessaires pour communiquer en toute transparence avec la plate-forme du Project Bonsai.

Le RLExperiment dispose des champs nécessaires pour faciliter la communication entre votre modèle de simulation et la plate-forme bonsaï – en particulier la configuration et l’état final de chaque épisode, et l’espace d’observation et d’action à chaque étape de l’épisode.


Télécharger AnyLogic
Flux de travail de la plate-forme AnyLogic Bonsai

Exemples de modèles


Les exemples ci-dessous sont deux modèles d’exemple AnyLogic qui ont été refactorisés pour être utilisés comme un environnement d’apprentissage (simulateur) avec la plate-forme Bonsai. Vous pouvez accéder à ces modèles à partir des liens ci-dessous. Une documentation complète est également fournis avec dans le fichier README.md.

  • 01

    Analyse des coûts basée sur l’activité

    Modèle d’analyse des coûts basé sur l’activité
    Un modèle d’usine de base, où le coût associé à la fabrication du produit est calculé et analysé à l’aide de l’analyse des coûts basés sur l’activité (ABC). Chaque produit entrant saisit certaines ressources, est produit par une machine, acheminé, puis libère les ressources. Les coûts accumulés par un produit sont divisés en plusieurs catégories pour l’analyse et l’optimisation. L’objectif est de réduire le coût par produit tout en maintenant un débit global élevé.

  • 02

    Livraison de produits

    Modèle de livraison de produits
    Une chaîne d’approvisionnement comprend trois usines de fabrication et quinze distributeurs qui commandent des quantités aléatoires d’un produit tous les 2 à 10 jours. Après avoir reçu une commande d’un distributeur, chaque usine de fabrication attend que suffisamment de produit soit créé pour remplir la commande (si elle n’en a pas assez dans son inventaire actuel) puis envoie un camion chargé pour remplir la commande. L’objectif est de trouver la meilleure politique qui se traduit par le coût le plus bas par produit tout en maintenant le délai de livraison moyen à un minimum. Il le fait en variant les centres lesquels devraient être ouverts, en plus du taux de production et du nombre de camions dans chaque centre.

Simulation pour la formation et le test de l’IA – Pack e-mail (en anglais)

AnyLogic simulation est la plate-forme de formation et de test pour l’IA en entreprise. Avec simulation AnyLogic à usage général, vous pouvez construire des environnements virtuels détaillés et robustes pour la formation et l’essai de vos modèles d’IA. Les capacités uniques de simulation multiméthodes fournissent un outil complet pour une utilisation dans l’apprentissage automatique. Établie dans des entreprises de premier plan dans tous les secteurs, cette plate-forme entièrement cloud compatible avec API ouverte améliore et accélère le développement de l’IA aujourd’hui. En savoir plus sur ce puissant outil d’apprentissage automatique dans notre pack e-mail IA et le livre blanc!

Pack d’IA et le livre blanc