l’Intelligence Artificielle - lri.frantoine/Courses/IIE/WEB-IIA/IIA-cours-1.pdf · Introduction...

1A. CornuéjolsIntroduction à l’intelli gence artificielle

Introduction à

l’Intelligence Artificielle

Antoine Cornuéjo [email protected]

http://www.iie.cnam.fr/~cornuejols/

I.I.E.&

L.R.I., Université d’Orsay


Intelligence Artificielle : plan

• 1- Introduction

• 2- La résolution de problèmes : recherche dans les graphes

• 3- Cas des jeux contre adversaire(s)

• 4- Apprentissage de fonctions d’évaluation

• 5- Le raisonnement dans les formalismes logiques

• 6- Représentation structurée des connaissances

• 7- La planification

• 8- L’apprentissage à partir d’explications

• (9- Le raisonnement par analogie )


1. Introduction : plan

• Exemples de tâches requérant de l'intelligence

• Les approches de la cognition

✿ Les grandes approches

✿ L’irruption des sciences cognitives

• La situation de l’intelligence artificielle

✿ Les hypothèses fondatrices

✿ Place de l’IA par rapport à l’informati que

✿ L’IA dans l’économie aujourd’hui

• Bref historique

• Faire de l’intelligence artificielle ...


1.1- Exemple : jeux

➥ Prise de décision


1.1- Exemple : robotique

➥ Perception

➥ Prise de décision

➥ Action

➥ Communication

➥ Apprentissage


1.1- Exemple : robotique (2)

• Projet COG au MIT


1.1- Exemple : robotique (3)

• Analyse et interprétation

de scène


1.3- L’IA dans l’économie aujourd’hui

L Ambit ions init iales abandonnées

❏ on ne pense plus faire une IA à court terme

J Les retombées de l ’IA sont partout

❏ objets, agents, méthodologies, représentation des connaissances

❏ approches causales, qualitatives

❏ fouille de données, fouille de texte

❏ statistiques non linéaires (réseaux neuronaux)

❏ programmation par contraintes

❏ nouvelles méthodes d ’optimisation (évolution artificielle)

J Vous les utili sez au quotidien sans le savoir❏ Validation de facturettes American Express

❏ Compagnons Office

❏ 3611 pages jaunes,www.pagesjaunes.fr

❏ Jeux de réflexion sur ordinateur

❏ Téléphonie mobile etc..



• Les thèmes porteurs, innovation❏ « Problem solving thinking »

❏ Recherche efficace multi -supports

❏ Extraction automati que des connaissances modélisées de documents

❏ Sécurité de Systèmes d'Information

❏ Gestion du Capital Hu main

❏ Gestion globale de l ’innovation et Knowledge Innovation

❏ ??

de la Société de l ’Information vers

la Société de la Connaissance



Société de l ’Information Conviviale (IST) (pgm européen)

• Quelques exemples:

❏ Véhicules intelligents

❏ Systèmes à base de connaissances pour le diagnostic médical

❏ Systèmes intelligents de contrôle de l ’environnement

❏ Gestion des connaissances

❏ Systèmes avancés pour la formation

❏ Technologies du langage

❏ Méthodes et outils pour le partage des connaissances



Croissance Compétitive et Durable (GROWTH)

❏ Unités de production autonomes et reconfigurables

❏ Commande avancée

❏ Systèmes intelligents de gestion de production

❏ Technologies intelligentes pour le transport terrestre, aéronautique et marin

Systèmes de fabrication intelligents (IMS)

❏ Nouvelles architectures logicielles

❏ Mémoire technique d ’entreprise

❏ Ateliers sans opérateurs


1.2- Les grandes approches : la psychologie

• Autonomie et légitimité du niveau mental❏ Etats mentaux

❏ Mécanismes (de raisonnement, d’apprentissage, ...)

❏ Mais comment déterminer les états mentaux ?

❏ Behaviorisme

• Partir de l’apprentissage

• Penser, c’est traiter de l’information

❏ avec l'approche cognitive, se donne les moyens de proposer des théories et deles tester empiriquement.


1.2- Les grandes approches : la neurobiologie

Voudraient être aux sciences de la vie, ce que la physique està la chimie et aux sciences de la nature.

L'esprit est réductible au cerveau (qui est le support causal)

➥ Découvertes légitimant ce point de vue

– Conséquences des lésions

– Effets des drogues (neurotransmetteurs, ..)

– Imagerie cérébrale (-> activité du cerveau)


1.2- Les sciences cognitives

Science générale du fonctionnement de l’esprit

1. Machine, simulation, calcul

❏ L’esprit est une fonction calculable donc modélisable sur une machine

➥ Fonctionnalisme

❏ Faire de la science de l’esprit une science de modélisation

– science expérimentale

– science théorique : quelles CNS a priori pour toute activité cognitive ?

2. Connaître c’est modéliser (Occident)

& Penser c’est traiter de l’informat ion

Penser = effectuer des manipulations réglées sur

des représentations


1.2- Les sciences cognitives “orthodoxes”

Conséquences / corollaires :

• Le support physique n’est pas important

❏ Fonctionnalisme

❏ Hypothèse des systèmes à symboles physiques (physical symbol systems)[Newell & Simon, 1976]

• Focalisation sur l’agent cognitif isolé (vs. cognition distribuée ou située)

• Focalisation sur la pensée comme langage

❏ Moyen d’accès privilégié : l’expression langagière de la pensée

❏ Focalisation sur les connaissances déclaratives

❏ Approche analytique de la connaissance et du raisonnement


1.3- Les approches de l’IA

• L’école symbolique

❏ La pensée consiste en une séquence de transformations de représentations

➥ Agents cognitifs délibératifs

• L’école sub-symbolique

❏ La pensée consiste en une transmission et une transformation de signaux

➥ Agents réactifs

• L’école de la cognition située

❏ La pensée ne réside pas dans la tête d’un individu isolée mais est distribuée ausein d’une société (incluant son histoire et sa culture) et suscitée par lecontexte.

➥ Emergence et auto-organisation


1.3- Le but et son évaluation

Le test de Turing

?

Qui est la femme, qui est l’homme ?

L’un des deux essaie de tromper

l’interrogateur,l’autre essaie de

l’aider

On remplace le premier par une machine


1.3- L’IA par rapport à l’informatique

• L’IA entretient des relations avec la philosophie, la logique, lesmathématiques, la psychologie, la neurobiologie, la didactique,l’anthropologie, ...

• ... l’informatique

❏ Étudie les problèmes insolubles en informatique classique

– Solution optimale inconnue ou trop difficile à trouver/identifier

– Des paramètres diffi ciles à maîtriser : connaissances incertaines, vagues,hypothétiques, ...

❏ Exigences d’explication ou de communication sophistiquée avec lesutilisateurs

❏ Objectif d’apprentissage avec l’expérience

❏ ...


1.3- Facettes de l'IA

Connaissances

repr

�sen

tatio

n

acq

uis

itio

n

mod

�lisa

tion

ing�

nier

ie

capi

talis

atio

n

Raisonnement

induc

tif

par analogie

probabilis

te et in

certa

in

qualitatif e

t � base de

mod�lestemporel e

t spatia

l

� volution artificielle

IA distribu� e et multi-agentsprogrammation par contraintes

de la langue naturelle

r� seaux de neurones

vision artificiellesyst� mes experts

de la parole

dÕimages

du signal

programmation logique

Traite

men

t

fouille de donn� es

interfaces intelligentes

environnement interactifs dÕapprentissage

architectures de syst� mes dÕIA

d�c

ouve

rte

apprentissage automatique

Traite

men

t

d�imagesde la lan guede la parol e

du sign al

Repr�sent ation, mod�l isati onacquisi tion, d�couver te

ing�ni eriecapita lisat ion inducti f

probabil iste, incert aintempor el et spati al

qualit atif et par mo d�lespar analogie

Program mation par contrai ntesprogram mation logi que

apprenti ssage automat iquearchit ectures

syst�m es exper tsEIAO

IA distribu �e et mult iagents�volut ion art ifi ciell e

r�seaux de neuro nesfouil le de donn�esvisio n arti fici elle

inter faces i ntell igente s

Connaissances

Raisonnement


1.4- Bref historique (1)

0. Depuis l’Antiquité ...

1. Les pionniers de l’IA (~1936 - ~1956)

❏ Turing : les fonctions calculables sont définies par une machine

❏ Von Neumann : architecture des ordinateurs, réflexions sur les automates

❏ McCulloch & Pitts (1943) : Premier modèle formel du neurone

❏ Hebb (1949) : assemblées de neurones et règle d’apprentissage

❏ Les conférences Macy et la première Cybernétique



2. L’IA comme méthodes générales (~1956 - ~1968)

❏ La pensée comme manipulation de représentations discrètes desconnaissances: IA symbolique

– Démonstrateurs de théorèmes (principe de résolution (-> Prolog))

– Résolveurs universels de problèmes (GPS)

– Le système CHECKER

❏ Premier connexionnisme

– Le Perceptron [Rosenblatt, 1957-1962]

❏ Les échecs :

– La tr aduction automatique

– Les experts ne sont pas des experts universels !?

– Le Perceptron est limité



3. “Knowledge is power” (~1968 - ~1980)

❏ Représentation des connaissances

– Représentations structurées : réseaux sémantiques, scripts, schémas et frames(précurseurs des LO), ...

– Des extensions de la logique : logiques non monotones, logiques temporelles,logique floue, ...

– De nombreux systèmes “inte lligents” : ARCH, AM, MAGGIE, BORIS,PLANNER, ...

– Projet CYC

❏ Utilisation des connaissances : les systèmes experts

Problème : comment acquérir toutes les connaissances nécessaires ?

Comment généraliser ces expériences (souvent appliquées à des “problèmes jouet”) ?



4. Méthodes générales d’apprentissage (~1980 - ~1990)

❏ Méthodes symboliques

– De nombreuses réalisations et nouvelles techniques

• Algorithme d’élimination

• Arbres de décision

• Méthode de l’Etoile

– Nouveaux principes

• Espace des versions

❏ Renouveau du connexionnisme et du mouvement subsymbolique

– Hopfield (1982)

– Le Perceptron Multi-Couches (1985)

– IA di stribuée (Algori thmes Génétiques, Vie Artificielle, ...)



5. On ne parle plus de connaissances (~1990 - ...)

❏ Nouvelles méthodes subsymboliques (réseaux de neurones, algorithmesgénétiques, réseaux bayésiens, chaînes de Markov, ...)

❏ Irruption de théoriciens

❏ Besoins industriels

➥ On ne parle plus de connaissances

• Perspectives :

❏ Data mining

❏ Text mining sur Internet

❏ Systèmes à longue durée de vie

➥ Retour de la connaissance ?


1.5- Faire de l’intelligence artificielle

• Point de vue des sciences cognitives

❏ Comprendre la cognition naturelle par des modèles informatiques

• Point de vue de l’ingénieur

❏ Résoudre des problèmes difficiles par n’import e quelle méthode

• Point de vue du théoricien

❏ Découvrir les lois universelle de la cognition

➥ Oscillation entre ces trois pôles

l’Intelligence Artificielle - lri.frantoine/Courses/IIE/WEB-IIA/IIA-cours-1.pdf · Introduction...

Documents

Transcript of l’Intelligence Artificielle - lri.frantoine/Courses/IIE/WEB-IIA/IIA-cours-1.pdf · Introduction...