Prsentation PowerPoint

Techniques de lintelligence artificielle11 Mars 2014Olivier.georgeon@liris.cnrs.frhttp://www.oliviergeorgeon.com

t1/33oliviergeorgeon.com1Droulement de lUE11 marsOlivier Georgeon18 marsINTELLIGENCE ARTIFICIELLE25 marsDEVELOPPEMENTALE1 avril8 avrilAlain Mille15 avrilRAISONNEMENT A PARTIR DE CASRendu projet22 avril29 avrilNadia Kabachi6 maiVACANCES13 maiNadia Kabachi20 maiSYSTEMES MULTI AGENTS 127 maiSamir Aknine3 juinSYSTEMES MULTI AGENTS 210 juin17 juil24 juinExamResponsable de lUE:Alain MILLEEvaluation:- Projets: 2/3- Exam: 1/32/33oliviergeorgeon.com2Initiation lintelligence artificielle dveloppementale11 Mars 1 avril 2014 (10h)Olivier.georgeon@liris.cnrs.frhttp://www.oliviergeorgeon.com/

3/33oliviergeorgeon.com3Vieux rve de lIAInstead of trying to produce a program to simulate the adult mind, why not rather try to produce one which simulates the child's? If this were then subjected to an appropriate course of education one would obtain the adult brain.

Presumably, the child brain is something like a notebook []. Rather little mechanism, and lots of blank sheets. []. Our hope is that there is so little mechanism in the child brain that something like it can be easily programmed. The amount of work in the education we can assume, as a first approximation, to be much the same as for the human child.

Computing machinery and intelligence (Alan Turing, 1950, Mind, philosophy journal).

4/33oliviergeorgeon.com4Est-ce mme possible?Thories spiritualiste de la conscience.Thories de louverture causale de la ralit physique. Trop complexe. Thorie matrialiste de la conscience(Julien Offray de La Mettrie, 1709-1751).La conscience comme processus computationnel(Chalmers 1994) http://consc.net/papers/computation.htmlNon ?

Oui ?5/33oliviergeorgeon.com5PlanExempleDemo dapprentissage dveloppemental.Outils thoriquePoser le problme.La question de lauto-programmation.Travaux pratiquesDveloppez votre agent auto-programmant.

6/33oliviergeorgeon.com66 expriencesI existe des rgularits squentielles hirarchiques dinteraction, par exemple: Aprs i7 , tentatives de i1 or i2 provoque plus souvent i1 que i2 . Aprs i9, i3, i1, i8 , i4, i7, i1 peut souvent etre effectue. Aprs i8 , squence i9, i3, i1 peut souvent tre effectue. Aprs i8 , i8 peut nouveau tre effectu.i1 (5) i2 (-10)i3 (-3)i7 (-1) i8 (-1)i5 (-1) i6 (-1)i9 (-1) i10 (-1)i4 (-3)2 rsultats10 Interactions (avec valeurs)0100100101Couplage agent/environnement7/33oliviergeorgeon.com7Exemple 1:

Bump:

Touch: Avance / collision (5) (-10)Tournes gauche/droite (-3)Touche droite/devant/gauche (-1)8/28oliviergeorgeon.com8Outils thoriquesPhilosophie de lesprit.Epistmologie (thorie de la connaissance)Psychologie dveloppementale.Biologie (autopoiese, enaction).Neurosciences. 9/33oliviergeorgeon.com9Philosophie : Est-ce possible?John Locke (1632 1704) Tabula Rasa La Mettrie (1709-1751).La matire peut penser David ChalmersA Computational Foundation for the Study of Cognition (1994)Daniel DennettConsciousness explained (1991)Libre arbitre, choix individuel, motivation propre, dterminisme.

10/33oliviergeorgeon.com10Ides philosophiques cls pour lIADLa cognition comme computation au sens large.Dispositif causalExemple: un rseau de neurone avec de la chimie (neurotransmetteurs, hormones etc).

Le dterminisme nest pas incompatible avec le libre arbitre.Ne pas confondre dterminisme et prdictibilit. Herv Zwirn (Les systmes complexes, 2006)

11/33oliviergeorgeon.com11Epistmologie (que puis-je connatre?)Concept dontologie L'tude de l'tre en tant qu'tre Aristote (384 322 avant JC).Onto: tant, Logos: discours. c'est--dire l'tude des proprits gnrales de tout ce qui est.La ralit en tant que telle est inconnaissableEmmanuel Kant, (1724 1804)

12/33oliviergeorgeon.com12Ides pistmologiques cls pour lIADImplmenter des systmes sans prsupposs ontologiques.Agents agnostics (Georgeon 2012).Lagent ne pourra jamais connatre son environnement tel que nous le voyons.Mais avec prsupposs interactionnelsPrdfinir les possibilits dinteraction entre lagent et son environnementLaisser lagent construire sa propre ontologie de lenvironnement au fur et mesure de son exprience dinteraction.

13/33oliviergeorgeon.com13Psychologie dveloppementale Comment puis-je connaitre?Apprentissage dveloppementalJean Piaget (1896 1980)Tlologie / principes motivationnelslindividu s'auto-finalise de manire rcursive.Ne pas sparer perception et action a priori:Notion de schme sensorimoteurEpistmologie contructivisteJean-Louis Le Moigne (1931 - )Ernst von Glasersfeld.La connaissance est une adaptation fonctionnelle.

14/33oliviergeorgeon.com14Etapes dveloppementales indicativesMois 4: prdictions Baysiennes.Mois 5: modles des mouvements des mains.Mois 6: reconnaissance des objets et des visages.Mois 7: persistance des objets.Mois 8: modles dynamiques des objets.

Mois 9: usage doutils (amne une tasse la bouche) Comportements de pointage dobjets.Mois 10: Imite les mouvements, rampe.Mois 11: marche avec laide dun adulte.Mois 15: marche seul. 15/45oliviergeorgeon.com15Ides psychologiques cls pour lIADRaisonner sur les intractions plutt que sparer perception et action. Dfinir un niveau intermdiaire de lintelligence:Cognition smantique (Manzotti & Chella 2012)

Adaptation stimulus-rponseCognition smantique Raisonnement et langageBas niveauHaut niveauNiveau intrmdiaire16/33oliviergeorgeon.com16Thorie de la vie (pourquoi connatre?)Autopoieseauto: soi, poise : cration Maturana (1972)Couplage structurel agent/environnement.Domaine relationnel (espace des possibilits dinteraction)HomostasieRgulation de ltat interneMotivation propreThorie de lenactionto enact mettre en uvre. Auto organisation par interaction avec lenvironnement. Enactive Artificial Intelligence. Froeze and Ziemke (2009).

17/33oliviergeorgeon.com17Ides Enactivistes cls pour lIADLautonomie constitutive est ncessaire pour la construction de sens. Evolution des possibilits dinteraction au cours de la vie du systme. Individuation de la faon de voir le monde.

Faire des systmes capables de sauto-programmer. Les donnes apprises ne sont pas de simples valeurs de paramtres ou de pondration, ce sont des donnes excutables. 18/33oliviergeorgeon.com18

Neurosciences

Multiples niveaux danalyseBeaucoup de plasticit ET beaucoup de pr-cblage19/33oliviergeorgeon.com19NeuroscienceConnectome du C. Elegans: 302 neurones.

Connectome entirement inn plutt quacquis par lexprience 20/33oliviergeorgeon.com20Human connectome

http://www.humanconnectomeproject.org 21/33oliviergeorgeon.com21Neurosciences

Exemples de cerveaux de mammifres

Il ny a pas de rupture qualitative: les fonctions cognitives humaines (langage raisonnement) sont bases sur des fonctions crbrales galement existantes chez dautres mammifres. Mais il y a des diffrences innes. Le cerveau sert organiser les comportements dans le temps et lespace. 22/33oliviergeorgeon.com22Ides de neurosceinces cls pour lIADRenoncer lespoir que ce sera simple. Commencer un niveau assez lev et descendre si ca ne marche pas ?Le vivant peut tre source dinspiration Architecture cognitive bio-inspire. Importance de la capacit de simulation interne de comportements.

23/33oliviergeorgeon.com23Les ides cl des ides clLe but est dapprendre (dcouvrir, organiser et exploiter) des rgularits dinteraction dans le temps et lespace pour favoriser des critres inns (survie, etc.).

Sans encoder de connaissances ontologiques prsupposes. En permettant une certaine autonomie constitutive(auto-programmation).

24/33oliviergeorgeon.com24Exemples25/33oliviergeorgeon.com256 expriencesI existe des rgularits squentielles hirarchiques dinteraction, par exemple: Aprs i7 , tentatives de i1 or i2 provoque plus souvent i1 que i2 . Aprs i9, i3, i1, i8 , i4, i7, i1 peut souvent etre effectue. Aprs i8 , squence i9, i3, i1 peut souvent tre effectue. Aprs i8 , i8 peut nouveau tre effectu.i1 (5) i2 (-10)i3 (-3)i7 (-1) i8 (-1)i5 (-1) i6 (-1)i9 (-1) i10 (-1)i4 (-3)2 rsultats10 Interactions (value)0100100101Couplage agent/environnement26/33oliviergeorgeon.com26Exemple 1:

Bump:

Touch: Avance / collision (5) (-10)Tournes gauche/droite (-3)Touche droite/devant/gauche (-1)27/28oliviergeorgeon.comExemple de trace

28/33oliviergeorgeon.com

Exemple 229/5oliviergeorgeon.com29Travaux dirigs30/33oliviergeorgeon.com1ere partie.

Salles TP6 et TP6Groupes de 230ExerciceDeux expriences possibles E = {e1,e2}Deux rsultats possibles R = {r1,r2} Quatre interactions possibles E x R = {i11, i12, i21, i22}

Environnementsenv1: e1 -> r1 , e2 -> r2 (i12 et i21 ne se produisent jamais)env2: e1 -> r2 , e2 -> r1 (i11 et i22 ne se produisent jamais)Systmes motivationnels :mot1: v(i11) = v(i12) = 1, v(i21) = v(i22) = -1mot2: v(i11) = v(i12) = -1, v(i21) = v(i22) = 1mot2: v(i11) = v(i21) = 1, v(i12) = v(i22) = -1Implmenter un agent qui apprenne effectuer les interactions positives sans connatre priori son systme motivationnel (mot1 ou mot2) ni son environnement (env1 ou env2).Produire un rapport danalyse de comportement bass sur les traces.

31/33oliviergeorgeon.com31Pas de connaissance de lenvironnement a prioriAgen{public Experience chooseExperience(){If (env == env1 and mot == mot1) or (env == env2 and mot == mot2)return e1;elsereturn e2;}}

32/33oliviergeorgeon.com32Implmentationpublic static Experience e1 = new experience(); Experience e2 = new experience();public static Result r1 = new result(); Result r2 = new result();public static Interaction i11 = new Interaction(e1,r1, 1); etc.Public static void main() Agent agent = new Agent(); Environnement env = new Env1(); // Env2();for(int i=0 ; i < 10 ; i++)e = agent.chooseExperience(r);r = env.giveResult(e); System.out.println(e, r, value);Class Agentpublic Experience chooseExperience(Result r)Class Environnementpublic Result giveResult(experience e)Class Env1Class Env2Class ExperienceClass ResultClass Interaction(experience, result, value)public int getValue()

33/33oliviergeorgeon.com33