Architectures de Perspective pour une Agence Artificielle Cohérente et Ajustée est un projet de recherche d’institut sur 18 mois dirigé par le chercheur principal Hongju Pae via le CEAR Lab (Laboratoire de Recherche Computationnelle sur l'Émergence de l'Alignement). Le projet développe un compte computationnel de la manière dont, pour une agence artificielle, on pourrait former une perspective interne stable, maintenir des affectations cohérentes et devenir mutuellement interprétables avec d’autres agents, proposé comme un complément aux approches d’alignement de l’IA basées sur des objectifs et des fonctions de récompense spécifiés à l’extérieur.
Présentation générale
The project's central hypothesis is that an agent's perspective, its characteristic way of interpreting its environment, can be modeled as a latent generative structure within its internal dynamics, rather than adjusted through parameter tuning or externally specified objectives. Working from this hypothesis, the roadmap runs across three six-month phases: a single-agent orientation layer, followed by affective and integrative dynamics, followed by multi-agent social attunement.
The project's full research roadmap and technical documentation are hosted through CEAR Lab (hjpae.github.io/cear/).
Phase 1 : Architecture de perspective (Mois 1 à 6)
Phase 1 met une variété de variables couvrant les biais d'attention, la posture affectif, le mode interprétatif et le style de résolution des ambiguïtés, qui façonnent la façon dont l'agent perçoit, infère et agit sans coder de buts ou d'utilités explicites. Les résultats de cette phase sont rapportés dans la prépublication «Minimal Computational Preconditions for Subjective Perspective in Artificial Agents» (arXiv:2602.02902), qui a été soumise et présentée au symposium printanier de l’AAI 2026 sur la conscience artificielle le 8 avril 2026.
Phase 2 : Cohérence affective et capacité intégrative (Mois 7-12)
La phase 2 examine comment la cohérence affectuelle et la capacité intégrative, l'aptitude à maintenir une organisation interne tout en conciliant ou en négociant entre des interprétations partiellement incompatibles, émergent comme des conséquences dynamiques de l'architecture de la phase 1. Le travail réalisé dans ce cadre est destiné aux prépublications pour la conférence Artificial Life 2026 et Simulation of Adaptive Behavior 2026.
Phase 3 : Résonance sociale (mois 13 à 18)
Phase 3 étend l'architecture aux environnements multi-agents, étudiant quand et comment les agents deviennent mutuellement interprétables sans objectif partagé ou canal de communication explicite. Une preprint connexe, «Modélisation de l'empathie dans des agents d'Active Inference pour la prise de perspective et l'alignement» (arXiv:2602.20936), co-écrit par Hongju Pae avec Mahault Albarracin, Anna Mikeda, Alejandro Jimenez Rodriguez, Sanjeev Namjoshi, Dalton Sakthivadivel, Harshil Shah et Philip Wilson, relate un travail connexe sur la prise de perspective et la modélisation de l'empathie dans des agents d'Active Inference.
Chercheur associé
Hongju Pae (OUVERTURE 0000-0002-5174-8858) a rejoint l’Institut en tant que chercheur invité en novembre 2025 et dirige le projet par le biais du laboratoire CEAR, le Laboratoire de Recherche sur l'Alignement Computationnel Émergent. Le travail de Pae intègre le cadre d'Active Inference avec des approches phénoménologiques afin d’identifier des marqueurs informatisés de perspective et de cohérence dans les systèmes artificiels.
Participer
Les chercheurs intéressés par l'alignement de l'IA, l'Inférence Active et les modèles computationnels d'agence et de cohérence sont invités à suivre l'avancement du projet et à se renseigner via les canaux communautaires de l'Institut.