Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

UFR SET Master 1 GL/RT Module : Intelligence Artificielle François KALY Quatre

UFR SET Master 1 GL/RT Module : Intelligence Artificielle François KALY Quatre vues: • Penser comme un humain • Agir comme un humain • Penser raisonnablement • Agir raisonnablement 2 Qu'est-ce que l'Intelligence Artificielle ? Notions Générales Notions Générales Quelques définitions • C’est faire traiter à des machines des problèmes dont on ne connaît pas la solution générale • C’est (essayer) de faire faire à la machine des processus courants chez l’homme normal • Une machine est intelligente si elle est capable de faire des tâches complexes 3 Qu'est-ce que l'Intelligence Artificielle ? Quelques définitions: • Le but de intelligence artificielle est l’étude de la structure de l’information et de la structure des processus de résolution de problèmes, indépendamment des applications et indépendamment d’une réalisation. • L’automatisation des activités associées au raisonnement humain, telles que la décision, la résolution de problèmes, l’apprentissage, … 4 Notions Générales Qu'est-ce que l'Intelligence Artificielle ? Notions Générales • Dans quels domaines est-ce utilisé ? • En production • Robotique • Compréhension du Langage Naturel • Reconnaissance de formes • Agriculture • Compréhension de données (Data Mining) • Etc. 5 Les domaines de l'IA Bref historique L'intelligence artificielle n'est pas un concept nouveau et a connu depuis les années 50 des phases d'essor et de ralentissements. Voici quelques dates clés et périodes de cette science : • 1943 : publication par Warren Mc Culloch (États-Unis) et Walter Pits (ÉtatsUnis) d'un article fondateur sur le neurone formel. • 1950 : évaluation de l'intelligence d'une machine par le test de Turing conçu par Alan Turing (Angleterre). • 1951 : premier programme d'intelligence artificielle réalisé par Christopher Strachey (Angleterre) et Dietrich Prinz (Allemagne) sur un Ferranti Mark 1. Ce premier programme permettait de jouer aux dames contre une machine. 6 • 1956 : l'intelligence artificielle est reconnue comme discipline académique. • 1957 : proposition par Franck Rosenblatt (États-Unis) du premier réseau de neurones à couches appelé la perceptron. • 1965 : naissance du premier programme interactif créé par Joseph Weizenbaum (Allemagne) nommé Eliza simulant un psychothérapeute. Ce programme étant capable de dialoguer en langage naturel comme le font les chatbots que nous connaissons de nos jours. • 1967 : Richard GreenBlatt (États-Unis) inventeur du langage LISP, développe un programme capable de jouer aux échecs et de rivaliser des joueurs lors de tournois. • 1969 : Marvin Minsky (États-Unis) et Seymour Pa pert (États-Unis), dans leur ouvrage Perceptrons, démontrent les limites des réseaux de neurones. Notamment le fait qu'ils n'étaient pas capables de traiter des problèmes non linéairement séparables. Ces démonstrations sonnent l'arrêt des financements dans la recherche de ce domaine. 7 Bref historique • 1970 à 1980: de par les limitations à la fois scientifiques et technologiques, les projets d'intelligence artificielle n'aboutissent pas. Par conséquent, les financements publics furent limités et les industriels se détournèrent de l'intelligence artificielle. Cette période est communément nommée l'hiver de l'intelligence artificielle (AI Win ter) . • 1980 à 1990 : cette décennie fut l'âge d'or des systèmes experts. Un système expert étant un programme permettant de répondre à des questions à l'aide de règles et de faits connus, mais se limitant à un domaine d'expertise précis. 8 Bref historique • 1990 : l'intelligence artificielle connaît son second hiver du fait que la maintenance de systèmes experts devenait difficile (leur mise à jour devenait compliquée), que leur coût était élevé et que leur champ d'action limité à un seul domaine précis devenait problématique. • 2000 : naissance de la première tête robotique exprimant des émotions créée par Cynthia Breazeal (Etats-Unis). • 2009 : lancement par Google de son projet de voiture autonome. • 2011 : Watson, le super calculateur d'IBM conçu pour répondre à des questions formulées en langage naturel est vainqueur du jeu. Jeopardy. 9 Bref historique • 2012 : alors qu'Alex Krizhevsky (États-Unis), Ilya Sutskever (États-Unis) et Geoffrey Hinton (États-Unis) publient leurs résultats de classification d'images sur la base de données ImageNet à l'aide d'un réseau de neurones convolutif, l'équipe Google Brain conçoit un réseau de neurones capable de reconnaître les chats sur les vidéos YouTube. • 2014 : les équipes de Facebook conçoivent un programme nommé Deep Face capable de reconnaître des visages avec seulement 3% d'erreur. • 2016 : les équipes de DeepMind, une filiale de Google, développent le programmeAlphago mettant en échec Lee Sedol, l'un des meilleurs joueurs de Go. • 2017 : Alphago bat à présent KeJie le champion du monde du jeu de Go avec un score de 3 à O. 10 Bref historique Apport de l’IA à l’Informatique Paradigmes de programmation : • Fonctionnels, inférentiels, objets, acteurs, agents, etc. Langages de programmation : • Lisp, Prolog, etc. Représentation des connaissances : • Logique des propositions, logique des prédicats, etc. Modèles de raisonnement : • Déductif, inductif, hypothétique, heuristique, etc. Architectures logicielles : • Systèmes experts, tableaux noirs, multi-agents, etc. Interfaces utilisateur : • Souris, écrans graphiques, menus contextuels, etc. 11 Tableau comparatif 12 •Plus près du fonctionnement de l’être humain •Plus adaptées aux traitements symboliques •Utilisent beaucoup d’inférences •Font appel à des heuristiques et à des raisonnements incertains •Sont généralisables à des domaines différents •Plus près du fonctionnement de la machine •Plus adaptées aux traitements numériques •Utilisent beaucoup de calculs •Suivent des algorithmes rigides et exhaustifs •Ne sont généralisables qu’à une classe de problèmes semblables Intelligence Artificielle Algorithmique classique Plan du cours Problématique de l’IA Logique • Rappel de logique propositionnelle • La logique des prédicats Graphes conceptuels Résolution de problèmes • Recherche dans un espace d’état • Déduction logique Apprentissage 13 Première partieProblématique de l’IA Problématique de l’IA 14 approche «symbolique» • sans se limiter à reproduire des phénomènes observables, approche neuro-mimétique • en s’inspirant de la réalité neuro-biologique et en construisant des modèles biologiquement plausibles, approche hybride neuro-symbolique. 15 Problématique de l’IA Comment concevoir une machine «intelligente» ? Problématique de l’IA• •Représentation de la connaissance Représentation de la connaissance : permet de poser le problème• •Langage interne Langage interne : permet de raisonner, traduire, reconnaître, etc. 16 Représentation externe Langage naturel Images Son Etc. Représentation interne MACHINE Exemple de représentation • Représentation externe(a b c) (a b c) • Représentation interne 17 nil a b c Représentation des connaissances• •Exemple simple Exemple simple Le fermier (f), le loup (l), la chèvre (c) et le chou (x) Pb : Traversée d’une rivière État : (rive gauche | rive droite) 16 états possibles 6 états à éviter (f | l c x) (f x | l c) (f l | c x) (l c x | f) (l c | f x) (c x | f l) État initial État final (f l c x | ) (l x | f c) (f l x | c) (x | f l c) (f c x | l) (c | f l x) (f c | l x) ( | f l c x) (l | f c x) (f c l | x) C’est une représentation par espace d’état. La solution optimale est en 7 traversées. 18 Formalisation du Raisonnement Caractéristiques du langage interne • Pas d’ambiguïté dans la syntaxe, dans la sémantique • Langage permettant de raisonner : inférer (produire des connaissances nouvelles) • Faculté de « bonne » représentation Exemple de Langage • La logique du premier ordre (Prolog) • Lambda-Calcul (LISP) Représentations • Exprimée sous forme textuelle • Indexée (graphique) : Réseaux sémantiques • Structurée (scripts, scénarios, etc.) 19 Deuxième partieLogique Logique 20 Logique • Dès la fin des années 1950, les premiers informaticiens ont montré que les ordinateurs pouvaient calculer, non seulement avec des chiffres, mais aussi avec des expressions logiques. • L’immense intérêt de la logique vient de son immense pouvoir d’expression : • il est en effet possible de traduire pratiquement toutes les connaissances en expressions logiques, c’est à dire des phrases utilisant les conjonctions et, ou ou non pour relier entre eux des prédicats. • Ces derniers sont des fonctions logiques, qui peuvent prendre la valeur vrai ou faux selon la valeur de leurs arguments 21 Rappel de logique propositionnelle • Besoin d'un langage formel (mathématique) pour étudier les inférences • Une formule est un autre nom pour une expression symbolique. • Une formule bien formée (FBF) est une formule qui répond à un critère d’être bien formée. • Un langage formel est un ensemble de FBFs. Un aspect important d’un langage formel est qu’il peu être dépourvu de sémantique. • Le langage propositionnel est un langage formel spécifique. 22 Plusieurs logiques • Logique d’ordre 0 = logique des proposi1ons • Logique d’ordre 1 = logique des prédicats • D’autres logiques • Logiques de description, temporelles, floue, de croyances … Calcul logique • Mécanismes permettant d'automa1ser la démonstration logique par des calculs symboliques • Permet de mener l'inférence Résolution de problèmes • Modelisa1on en logique pour permettre sa resolu1on automa1que Exploitation de la logique dans la perspective de la démonstration automatique Logique des propositions Logique des propositions Logique propositionnelle • Logique très simple qui est la base de presque toutes les logiques • Logique d’ordre 0 Aspects syntaxiques uploads/Industriel/ cours-ia-12.pdf