IA5T Intelligence Artificielle

Séance 1

Introduction à l’intelligence artificielle

Sébastien Combéfis 9 mars 2016

Ce(tte) œuvre est mise à disposition selon les termes de la Licence Creative CommonsAttribution – Pas d’Utilisation Commerciale – Pas de Modification 4.0 International.

Informations générales

IA5T Intelligence artificielle (30 heures)

5 cours de 1h30 (7,5 heures)

Travail à faire

Évaluation du cours (2 ECTS)

Présentation orale du travail à faire (40%)

Examen écrit (+ film à préparer) (60%)

3

Travail

Délivrables et échéances

Slides (font office de rapport)

Présentation orale (11 mai 2015)

Un code source ou un fichier modèle utilisable avec l’outil

Contraintes

Utilisation d’un outil open-source

15 minutes de présentation

5 minutes Q/R

4

Liste de sujets

Constraint programming (Gecode, Choco, Comet...)

Logic programming (Prolog...)

Automated reasoning (Coq, Isabelle...)

Planning et scheduling (STRIPS...)

Machine learning (Weka, Shogun, Torch...)

Data mining (RapidMiner...)

Natural language processing (CoreNLP, OpenNLP...)

Perception, computer vision (Open CV, OpenBR...)

Affective computing (Synesketch...)

Computational biology (Raptor, Abalone, )

...5

Film

Avoir regardé un des quatre films proposés

Faire des liens entre les concepts vus au cours et le film

Discuter et argumenter sur une question d’IA liée au film

Évaluation

Une question à ce propos dans l’examen écrit

Avoir envoyé pour le 11 mai le film choisi

6

Transcendence

Transcendence (2014)

Johnny Depp, Rebecca Hall,Morgan Freeman

Drama, Mystery, Romance

A scientist’s drive for artificialintelligence, takes ondangerous implications whenhis consciousness is uploadedinto one such program.

7

The Imitation Game

The Imitation Game (2014)

Benedict Cumberbatch, KeiraKnightley, Matthew Goode

Biography, Drama, Thriller

During World War II,mathematician Alan Turingtries to crack the enigma codewith help from fellowmathematicians.

8

Chappie

Chappie (2015)

Sharito Copley, Dev Patel,Hugh Jackman

Action, Crime, Sci-Fi

In the near future, crime ispatrolled by a mechanizedpolice force. When one policedroid, Chappie, is stolen andgiven new programming, hebecomes the first robot withthe ability to think and feelfor himself.

9

Ex Machina

Ex Machina (2015)

Alicia Vikander, DomhnallGleeson, Oscar Isaac

Drama, Mystery, Sci-Fi

A young programmer isselected to participate in aground-breaking experimentin synthetic intelligence byevaluating the humanqualities of a breath-takinghumanoid A.I.

10

Intelligence

Intelligence

Pas de définition unique et reconnue de l’intelligence

Pas une seule intelligence unique et globale

Identification de plusieurs capacités

logique

abstractioncompréhension

conscience de soi

communication

apprentissage résolution de problème

intelligence émotionnelle

mémoire

planification

créativité

12

Agent

Percevoir de l’information, la conserver comme connaissance

Les appliquer pour comportement adaptatif selon l’environnement

Comportement décrit par une fonction mathématique

Élément(s) perçu(s) comme input, action(s) comme output

Agent Environnement

senseursperçoit

actuateursagit

?

13

Agent rationnel (1)

Un agent rationnel fait la bonne chose

Faire en sorte que le comportement de l’agent soit fructueux

Mesure de la performance de l’agent dans l’environnement

Séquence d’actions selon inputs, état de l’environnement change

Quatre éléments à prendre en compte

La mesure de performance qui définit le critère de succès

Les connaissances préalables de l’agent sur l’environnement

Les actions que l’agent peut effectuer

Historique des éléments perçus

14

Agent rationnel (2)

Pour chaque séquence possible d’éléments perçus,un agent rationnel doit choisir une action

dont on espère qu’elle maximise sa mesure de performance

étant donné les informations apportées par la séquenced’éléments perçus

et tout connaissance préalable dont dispose l’agent.

Permet de comparer différents agents

Réagissent-il tous de manière rationnelle aux mêmes conditions ?

15

Omniscience et perfection

Un agent rationnel n’est pas omniscient

L’omniscient connait le résultat effectif de ses actions

Deux situations différentes

La rationnalité maximise les performances attendues

La perfection maximise les performances réelles

Exemple du piéton qui traverse la rue...

...et qui se fait écraser par une porte d’avion

16

Environnement des tâches

Problème pour lequel l’agent rationnel est une solution

Description PEAS (performance, environment, actuators, sensors)

Deux situations différentes

La rationnalité maximise les performances attendues

La perfection maximise les performances réelles

17

Propriétés (1)

Observabilité : complète ou partielle

Accès à tout l’état de l’environnement via les senseurs ou non

Déterminisme : déterministe ou stochastique

État suivant de l’environnement complètement déterminé parl’état actuel et l’action de l’agent ou non

Impact futur : épisodique ou séquentiel

Expérience de l’agent découpée en épisodes indépendants ou lesdécisions actuelles influencent les choix futurs

18

Propriétés (2)

Changement : statique ou dynamique

L’environnement change pendant que l’agent prend sa décisionou non

Temps : discret ou continu

Le temps, les éléments perçus et les actions sont discrets oucontinus

Intervenants : simple ou multi-agents

Un seul ou plusieurs agents (compétitifs ou coopératifs) setrouvent dans l’environnement

19

Exemple : Taxi automatique

Type d’agent : chauffeur de taxi

Description PEAS de l’environnement de tâche

Mesure de la performance : sûr, rapide, légal, confortable,maximisation des profits

Environnement : route, trafic, piéton, client

Actuateurs : pilotage, accélérateur, frein, signaux, klaxon,affichage

Senseurs : caméras, sonar, compteur de vitesse, GPS,odomètre, accéléromètre, senseurs moteur, clavier

Environnement partiellement observable, stochastique,séquentiel, dynamique, continu et multi-agents

20

Comprendre l’intelligence

Comprendre comment l’être humain pense

Percevoir, comprendre, prédire, manipuler le monde

Deux manières de procéder

Comprendre notre propre manière de penser par introspection

Étudier la manière de penser par expérience psychologique

Science cognitive étudie les mécanismes de la pensée humaine

Psychologie, intelligence artificielle, philosophie, linguistique,anthropologie et neuroscience

21

Penser rationnellement

Que veut dire « penser bien » (right thinking) ?

Syllogisme, raisonnement en logique aristotélicienne

Deux propositions (prémisses) menant à une conclusion

Lancement du domaine et de l’étude de la logique

Résolution automatique difficile lorsqu’on dépasse 12 faits

“Tous les hommes sont mortels, or Socrate est un homme,donc Socrate est mortel.”

22

Agir rationnellement

Un agent est une entité qui agit, par une entité qui agit

Agent humain, agent logiciel...

Distinction d’un programme classique car :

Perception de l’environnement

Persistance durant une longue durée de temps

Adaptation au changement

Capacité à suivre les buts d’un autre agent

L’agent rationnel vise le meilleur résultat

Ou le meilleur résultat attendu en cas d’incertitude)

23

Neuf formes d’intelligence

Neuf formes d’intelligence proposées par Howard Gardner

1 Naturaliste

2 Musicale

3 Logico-mathématique

4 Existentielle (ou spirituelle)

5 Interpersonnelle

6 Corporelle/kinesthésique

7 Verbo-linguistique

8 Intrapersonnelle

9 Visuo-spatiale

24

Intelligence naturaliste

Capacité à trier, organiser et hiérarchiser les objets

Définir des espèces, sous-espèces, classification

Provient de notre passé de chasseur, cueilleur et fermier

Aussi utilisé aujourd’hui pour différencier voitures, chaussures...

Biologiste, paléontologue, botaniste...

25

Intelligence musicale

Capacité à reconnaitre les mélodies, notes, harmonies

Et également à les créer

Connection affective entre musique et émotion

Processus de pensée commune avec les mathématique

Compositeur, chanteur....

26

Intelligence logico-mathématique

Capacité à travailler à l’aide de chiffres

Analyser des situations et mettre au point des raisonnements

“Number/reasoning smart”

Percevoir des relations et connections

Utiliser la pensée abstraite et symbolique

Compétence en raisonnement séquentiel

Motifs de pensée inductive et déductive

Physicien, mathématicien, scientifique, détective...

27

Intelligence existentielle

Capacité à se poser des questions sur le sens de la vie

Quel est le but de la vie, de l’existence ?

Pourquoi on meurt ?

Comment on est apparu ?

28

Intelligence interpersonnelle

Capacité à comprendre les autres et à réagir adéquatement

Liée à l’empathie, la tolérance, la sociabiblité...

“People smart”

Communication verbale et non verbale efficace

Remarquer des distinctions parmi les autres

Sensibilité aux humeurs et tempéraments des autres

Accueillir favorablement plusieurs perspectives

Enseignant, acteurs, politiciens, leader de secte...

29

Intelligence corporelle/kinesthésique

Capacité à avoir une représentation mentale de son corps

Représentation dans l’espace et mener mouvement particulier

“Body smart”

Manipulation d’objets, utilisation de compétences physiques

Chirurgien, danseur, ahtlète...

30

Intelligence verbo-linguistique

Capacité de comprendre et énoncer des idées par le langage

Maitrise du vocabulaire, syntaxe, figures de style

“Word smart”

Compétence méta pour réfléchir sur l’utilisation du langage

Avocat, politicien, auteur, poète, journaliste...

31

Intelligence intrapersonnelle

Capacité à avoir une image fidèle de soi

Déterminer son état émotionnel, ses envies, forces et faiblesses

“Self smart”

Appréciation de soi-même, et de la condition humaine

Psychologue, leader spirituel, philosophe...

32

Intelligence visuo-spatiale

Capacité à se représenter un objet ou environnement en 3D

Suivre une carte, se rappeler un chemin

“Picture smart”

Imagerie mentale, raisonnement spatial, manipulation d’image,compétence graphique et artistique, imagination active

Marin, artiste, architecte, sculpteur, chauffeur de taxi...

33

Intelligence du vivant

L’intelligence est la capacité à s’adapter

Trop souvent limitée à celle de l’humain, le reste étant “bête”

Trois types d’intelligence

Du vivant (grands singes apprenant langage des signes)

Collective (fourmis avec chacune un rôle)

Linguistique (communication chez les abeilles)

Intelligence présente pour toutes les formes vivantes

Espèces végétales adaptées pour attirer proies...

34

Intelligence artificielle

Intelligence artificielle

Comprendre comment construire des entités intelligentes

On ne se limite plus à comprendre l’intelligence

Intelligence artificielle fondée en 1956

Nouvelle discipline académique, création cerveau artificiel

Biologie moléculaire née en 1953 (découverte structure ADN)

Génétique, biochimie et physique

36

Marvin Lee Minsky (1927–2016)

Co-fonde le groupe d’IA au MIT avec John McCarthy

Travaillait en sciences cognitives et intelligence artificielle

Co-auteur de plusieurs ouvrages de référence

Perceptrons, The Society of Mind et The Emotion Machine

“The building of computer programs which perform taskswhich are, for the moment, performed in a more satisfac-tory way by humans because they require high level mentalprocesses such as : perception learning, memory organizationand critical reasoning.” — Marvin Lee Minsky, 1956

37

Dans la presse

2010

38

Dans la presse

2011

38

Dans la presse

2012

38

Dans la presse

2013

38

Dans la presse

2014

38

Dans la presse

2015

38

Dans la presse

2016

38

Définition (1)

Étude de l’intelligence des machines et logiciels

Méthodes de création ou de simulation de l’intelligence

Comparaison au concept idéal de l’intelligence (rationnalité)

Un système rationnel fait la « bonne chose »

Plusieurs définitions possibles, triées sur deux axes

Pensée et raisonnement versus comportement

Comparaison avec performances humaines versus rationalité

39

Définition (2)

Penser comme les humains Penser rationnellement“The exciting new effort to make computersthink... machines with minds, in the full andliteral sense.” (Haugeland, 1985)

“[The automation of] activities that we as-sociate with human thinking, activities suchas decision-making, problem solving, lear-ning...” (Bellman, 1978)

“The study of mental faculties through theuse of computational models.” (Charniakand McDermott, 1985)

“The study of the computations that makeit possible to perceive, reason, and act.”(Winston, 1992)

Agir comme les humains Agir rationnellement“The art of creating machines that performfunctions that require intelligence when per-formed by people.” (Kurzweil, 1990)

“The study of how to make computers dothings at which, at the moment, people arebetter.” (Rich and Knight, 1991)

“Computational Intelligence is the study ofthe design of intelligent agents.” (Poole etal., 1998)

“AI... is concerned with intelligent behaviorin artifacts.” (Nilsson, 1998)

40

Alan Turing

Alan Turing (1912–1954), informaticien anglais

Et mathématicien, logicien, cryptanalyste et biologiste théoricien

Craque la machine Enigma pour aider les Alliers

Décrypte les messages échangés par les Nazis

Mort 16 jours avant son 42e anniversaire

Pardon accordée en 2013 par la Reine Elisabeth II

41

Test de Turing (1)

Définition opérationnelle de l’intelligence artificielle

« Une machine peut-elle penser ? » (Alan Turing)

Confrontation entre unhumain et un autre humainet un ordinateur caché dansune autre pièce

Questions écrites poséesà l’autre humain et àl’ordinateur

Test passé avec succès sil’humain ne sait pasdistinguer les deux

42

Test de Turing (2)

43

Domaines de l’IA

Compétences nécessaires pour passer le test de Turing

Ensemble des principales disciplines couvertes par l’IA

Traitement automatique du langage naturel (NLP)

Représentation des connaissances (KR)

Raisonnement automatisé (AR)

Apprentissage automatique (ML)

Deux disciplines complémentaires dans le test complet

Vision par ordinateur (CV)

Robotique (R)

44

Traitement automatique du langage

Natural Language Processing (NLP)

Interaction entre des machines et les langages humains (naturel)

Challenges dans ce domaine

Comprendre le langage naturel

Générer le langage naturel

Plusieurs tâches concrètes

Reconnaissance vocale, reconnaissance optique de caractères,traduction, génération de résumés, analyse sentimentale...

45

Représentation des connaissances

Knowledge Representation (KR)

Représentation de l’information à propos du monde pour qu’unemachine puisse résoudre des tâches complexes

Utilisation de résultats de la psychologie et de la logique

Résolution de problèmes et automatisation des raisonnements

Plusieurs formalismes

Réseau sémantique, architecture de système, cadre, ontologie...

46

Raisonnement automatisé

Automated Reasoning (AR)

Compréhension de différents aspects du raisonnement

Deux principaux sous-domaines

Preuve automatisée de théorèmes

Vérification automatique de preuves

Principaux outils utilisés

Logique et calcul, logique floue, inférence Bayésienne...

47

Apprentissage automatique

Machine Learning (ML)

Apprendre sans avoir été explicitement programmé pour

Deux grandes activités

Analyse et apprentissage à partir de données (training)

Prédiction sur des données (prediction)

Exemples d’applications

Filtre anti-spam, reconnaissance optique de caractères, moteur derecherche, vision par ordinateur

48

Vision par ordinateur

Computer Vision (CV)

Acquisition, traitement, analyse et compréhension d’images

Résultat comme informations numériques et symboliques

Par exemple fournis sous la forme de décisions

Plusieurs sous-domaines

Reconstruction de scènes, video/motion tracking, reconnaissanced’objets, restauration d’images...

49

Robotique

Robotics (R)

Design, construction, opération et applications de robots

Trois aspects en robotique

Constructions mécaniques

Aspects électriques pour l’énergie et le contrôle de la machine

Aspects de programmation

50

Livres de référence

ISBN978-2-746-09215-0

ISBN978-0-130-80302-3

ISBN978-0-596-5293-21

51

Crédits

Photos des livres depuis AmazonPhotos des affiches de films depuis IMDBhttps://www.flickr.com/photos/maryleehahn/7331139058https://www.flickr.com/photos/seandavis/7609234618https://en.wikipedia.org/wiki/File:Marvin_Minsky_at_OLPCb.jpghttps://en.wikipedia.org/wiki/File:Alan_Turing_Aged_16.jpg

52