Considérons un scénario d'adaptation aux habitudes matinales d'un utilisateur, que nous appellerons Billy.
Billy a depuis peu installé chez lui divers appareils connectés entre eux censés s'adapter à ses habitudes, de se coordonner pour répondre à ses demandes, voir lui proposer de nouvelles fonctionnalités de groupe, puisque tous ont d'implémenté le système Sasem.
Parmi ces objets connectés il y a:
Bien entendu tous ces objets sont activables à l'aide du smartphone de Billy, d'ailleurs celui-ci a déjà formalisé quelque règles simples:
Billy a pris pour habitudes de:
Durant quelques semaines d'utilisations, les objets font circuler des informations concernant Billy, les enceintes partage ses déplacements dans les différentes pièces de la maison, le système d'éclairage partage l'intensité de la lumière dans chaque pièce, le radio réveil et le smartphone partagent les informations météorologiques du jour, les enceintes et la radio partagent les préférences musicales de Billy, etc...
Après ces quelques semaines des patterns d'actions coordonnées apparaissent:
Les objectifs ici sont :
Avoir une approche décentralisé de l'apprentissage peut permettre une meilleure robustesse du système face aux changements de contexte, qu'il soit environnemental ou social. Pour un objet isolé du système ou bien déplacé dans un autre, celui-ci pourra se basé sur des connaissances déjà acquises pour les adapter ou en créer d'autres. Pour un système dont un objet n'est plus présent, celui-ci pourra adapter ses anciens patterns d'actions pour ce nouveau contexte. Pour un nouvel objet, soit apportant de nouvelles fonctionnalités, soit remplaçant un objet ayant les mêmes fonctionnalités, celui-ci aura accès à des patterns d'action déjà acquis par le système.
De plus, avoir plusieurs point de vues sur l'élaboration d'un pattern permettrais de converger plus rapidement vers une solution optimale, plutôt que d'avoir un seul point de vue.