Initiation à l'Intelligence Artificielle (Conférence Ados)
•Télécharger en tant que PPTX, PDF•
1 j'aime•5,054 vues
Initiation à l'intelligence artificielle, par Romain Untereiner (OneRagtime). - Qu'est-ce que l'intelligence artificielle ? - Histoire de l'intelligence artificielle - Les clés de son développement - Comment ça marche ? Les différentes typologies d'IA - Exemples d'applications - Le futur : opportunités et risques Conférence réalisée pour Teen-Code auprès d'ados de 13 à 17 ans, le 2 mai 2018.
Recommandé
Recommandé
Contenu connexe
Similaire à Initiation à l'Intelligence Artificielle (Conférence Ados)
Similaire à Initiation à l'Intelligence Artificielle (Conférence Ados) (18)
Initiation à l'Intelligence Artificielle (Conférence Ados)
- 1. Initiation à l’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner – 2 mai 2018 Romain Untereiner Tech Catalyst @OneRagtime
- 2. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner • Ingénieur en Télécommunications (Télécom SudParis) • Certification Machine Learning de Stanford • Architecte télécom @Legos • Tech Catalyst @OneRagtime Barcelone Romain Untereiner 25 ans
- 3. Utilisez vous l’intelligence artificielle ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 4. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 5. En quoi est-ce de l’intelligence artificielle ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 6. Qu’est ce que l’intelligence artificielle ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 7. Qu’est ce qu’un algorithme ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 8. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 9. L’histoire de l’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 10. Les mythes Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner -300 av. JC Les robots dorés d'Héphaïstos et Pygmalion et Galatée 1200 L'automate programmable d'Al-Djazari
- 11. Du calculateur à la machine intelligente Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner De 1930 à 1940 Les fondations se préparent Cybernétique - Norbert Wiener Théorie de l’information – Claude Shannon Théorie du calcul – Alan Turing 1930−1974
- 12. Du calculateur à la machine intelligente Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Années 1940 1er calculateurs automatiques 1930−1974
- 13. Du calculateur à la machine intelligente Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner 1950 Test de Turing: The imitation game 1930−1974
- 14. Qu’est ce que l’intelligence ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 15. Quelle intelligence ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Le test de Turing Chambre chinoise 1930−1974
- 16. Quelle intelligence ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Naissance de « l’intelligence artificielle » 1930−1974
- 17. Quelle intelligence ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Types d’intelligences artificielles 1930−1974
- 18. Quelle intelligence ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Une série de succès 1930−1974 Raisonnement par tâtonnements Réseaux sémantiques Perceptron
- 19. La désillusion Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Excès d’optimisme • En 1958, H. Simon et Allen Newell : « D'ici dix ans un ordinateur sera le champion du monde des échecs » et « d'ici dix ans, un ordinateur découvrira et résoudra un nouveau théorème mathématique majeur ». • En 1965, H. Simon : « Des machines seront capables, d'ici vingt ans, de faire tout travail que l'homme peut faire». • En 1967, Marvin Minsky : « Dans une génération [...] le problème de la création d'une 'intelligence artificielle' [sera] en grande partie résolu ». • En 1970, Marvin Minsky (dans le magazine Life) : « Dans trois à huit ans nous aurons une machine avec l'intelligence générale d'un être humain ordinaire». 1974−1980
- 20. La désillusion Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Hibernation • L’ouragan « Perceptrons » • Les objectifs ne sont pas atteints • Aucune visibilité sur les obstacles théoriques et pratiques à franchir Perceptrons: an introduction to computational geometry Marvin Minsky, Seymour Papert - 1969 1974−1980
- 21. La désillusion Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les problèmes • Puissance de calcul trop faible • Complexité algorithmique trop importante • Raisonnement basée sur la connaissance, trop rare sous forme numérique • Nouvelles formes de logique informatique nécessaires 1974−1980
- 22. Le boom Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Résoudre des problèmes dans des domaines précis 1980–1987 Les systèmes experts
- 23. Le boom Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner « Les chercheurs en IA commençaient à soupçonner que l'intelligence puisse très bien être basée sur la capacité à utiliser une large quantité de savoirs divers de différentes manières » Pamela McCorduck 1980–1987 La connaissance est la clé
- 24. Le boom Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner En 1982 John Hopfield crée les premiers réseaux de neurones qui relient les neurosciences et l’informatique 1980–1987 Le connexionnisme est de retour
- 25. Le boom Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner • IBM bat la champion du monde des jeux d’échec Kasparov avec Deepblue • Deepblue est 10 millions de fois plus rapide que la 1ere machine capable de jouer au échec 1980–1987 Deepblue bat Kasparov
- 26. Les clés Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 27. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 28. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 29. Comment ça marche ? Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 30. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Définition « Ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l'intelligence » Encyclopédie Larousse « La construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique » Marvin Lee Minsky Rationnel Irrationnel Intelligence
- 31. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les problèmes Résolution de problèmes complexes - Déduction - Prise de décision - Planification Perception - Détection - Identification Interaction Emotions
- 32. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les approches Informatique Apprentissage symbolique Apprentissage connexioniste
- 33. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les approches
- 34. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les approches
- 35. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les approches Informatique Apprentissage symbolique Apprentissage connexioniste Machine Learning Deep learning Apprentissage statistique Apprentissage profond
- 36. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Machine Learning • Classification • Régression • Clustering • Réduction dimensionnelle Sortie Données, paramètres Nombre Entrée Capacités Méthodes • Supervisé • Non supervisé
- 37. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Méthodes de machine learning
- 38. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Méthodes de machine learning
- 39. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Méthodes de machine learning
- 40. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Méthodes de machine learning
- 41. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Méthodes de machine learning Supervisé, non, renforcement
- 42. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Deep learning : réseaux de neurones • Classification • Régression • Reconnaissance • Jeux • Traduction • Compression Sortie Tout Tout Entrée Capacités Méthodes • Supervisé • Non supervisé • Renforcement
- 43. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Deep learning : inspirés de nos neurones
- 44. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Deep learning : architectures possibles
- 45. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Deep learning : architectures possibles
- 46. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Deep learning : les grands types • Convolutional NN • Recurrent NN • Reinforcement Learning Compréhension de l’espace Compréhension du temps Compréhension du bien / mal
- 47. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Comparaison Deep Learning Milliers d’expériences Millions / milliards d’expériences Machine Learning Quantité de données Nombres ToutRésultats Configuration d’un algorithme Configuration des différents neurones Fonctionnement Indications sur les paramètres importants Compréhension autonome des paramètres importants Gestion
- 48. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Les approches
- 49. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 50. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Recommandation d’amis ML : Clustering
- 51. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Traduction automatique DL : NLP
- 52. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Identification d’image ML : Classification x2
- 53. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Détection de fraude ML : Clustering
- 54. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Reconnaissance d’objet DL : RNN
- 55. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Prédiction de la taille ML : Regression
- 56. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Ecriture automatique DL : RNN
- 57. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Marche autonome DL : RL
- 58. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Détection de spam ML : Classification + Réduction dimensionnelle
- 59. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Joueur de GO DL : RL
- 60. L’Intelligence Artificielle Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Quel type ? Reconnaissance d’objet DL : CNN 🤯
- 61. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 62. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 63. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 64. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 65. Applications Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 66. Le futur Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner
- 67. Les perspectives Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner « L’intelligence artificielle est la nouvelle électricité » Les technologies sont prêtes D’autres innovations arrivent L’accès est simple
- 68. Les perspectives Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Médecine Chirurgie Détection de maladies Détection d’épidémies Ecologie Utilisation des ressources Prédiction météo Société Education Nouveaux métiers Aide aux personnes
- 69. Les risques Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner • Protection de la vie privée • Manipulation • Conflit d’intérêt entre recherche et utilisateurs Utilisation des données
- 70. Les risques Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner • Lois de la robotique: Isaac Asimov • Comprenons nous les intelligences artificielles ? • Qui sont les responsables ? • Conscience de soi, émotions, intuitions, vices Quelles frontières ?
- 71. Les risques Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner • Comment traiter les robots ? • Aura-t-on des sentiments pour nos intelligences artificielles ? • Est-ce que nous resterons libres ? Nouvelle société ?
- 72. L’écosystème Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Processus
- 73. Les métiers Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner Trois attitudes Utiliser Mettre en place Créer
- 74. Teen-Code - Initiation à l'Intelligence Artificielle - Romain Untereiner www.oneragtime.com Romain Untereiner Tech Catalyst @OneRagtime
Notes de l'éditeur
- Théorie de l’information: Shannon théorise la manière de représenter physiquement le concept d’information Théorie du calcul: Alan Turing montre que toute forme de calcul peut être représentée numériquement
- Cybernétique: Norbert théorise la facon de représenter les systèmes automatisé , avec apparition de la notation de retour / d’asservissement Théorie de l’information: Shannon théorise la manière de représenter physiquement le concept d’information Théorie du calcul: Alan Turing montre que toute forme de calcul peut être représentée numériquement + Connaissance neurologiue: cerveau == electricité
- Blaise Pascal, indépendamment de Schickard qu'il ne connaissait probablement pas, réalise en 1642, à l'âge de 19 ans une machine sensiblement identique. Cette présentation d'une machine arithmétique ayant été attestée par des témoins dignes de foi, Pascal est souvent crédité de l'invention de la machine à calculer, la pascaline, en 16423. Sa machine effectue les quatre opérations arithmétiques sans utiliser l'intelligence humaine, mais multiplications et divisions sont effectuées par répétitions.
- Théorie de l’information: Shannon théorise la manière de représenter physiquement le concept d’information Théorie du calcul: Alan Turing montre que toute forme de calcul peut être représentée numériquement
- Test de Turing: Si une machine peut mener une conversation qu'on ne puisse différencier d'une conversation avec un être humain, alors la machine pouvait être qualifiée d'« intelligente » À cette époque, peu croient que de tels comportements « intelligents » soient possibles pour des machines. Les chercheurs font preuve alors d'un optimisme intense dans le privé comme dans leurs articles, ils prédisent qu'une machine complètement intelligente sera construite dans les 20 ans à venir an 2000, 30% des humains bernés Pour Searle ce qui se passe à l’intérieur de la chambre est donc équivalent à ce qui se passe à l’intérieur d’un ordinateur : une manipulation de règles gouvernant des symboles basés sur leurs formes. Il n’y a pas plus de compréhension du chinois dans un ordinateur que dans la chambre de Searle. La conclusion de Searle est que le mental est plus qu’un ensemble de règles syntactiques manipulant des symboles. Searle construisit son argument contre l’intelligence artificielle (I.A) dans sa version « forte ». Pour cette version de l’I.A, l’ordinateur n’est pas un simple outil. En effet, une fois programmé de façon appropriée, il est un esprit, dans le sens où des ordinateurs ayant un bon programme, on peut dire littéralement qu’ils comprennent et possèdent des états cognitifs. Pour L’I.A dans sa version faible, en revanche, les ordinateurs simulent seulement les pensées. Leur compréhension n’est pas réelle. La simulation peut alors seulement être utile pour étudier l’esprit.
- Surdoué en mathématiques, John McCarthy obtint un doctorat de l'université de Princeton avant de s'intéresser à la meilleure façon d'inculquer un comportement intelligent, d'abord à des « machines » de Turing (qui ne sont pas des machines, mais des modèles abstraits d'appareils de calcul), puis aux ordinateurs. Pendant l'année universitaire 1955-1956, alors qu'il enseignait à Dartmouth College, il rédigea le programme du colloque à venir, dans lequel apparaît pour la première fois de l'histoire le terme « artificial intelligence ». Marvin Minsky, lui, avait d'abord fréquenté l'université Harvard et s'y était passionné pour les machines capables d'apprendre - son autre passion fut la cryogénisation et son corps, conservé à sa mort en janvier 2016, devrait être « réveillé » en 2045. Il s'était ensuite lié d'amitié avec John McCarthy lors de son doctorat de mathématiques à Princeton. En 1951, il construisit, avec un autre étudiant de Princeton, la première machine neuronale, le SNARC, un réseau de 40 neurones artificiels simulant le cerveau d'un rat.
- Test de Turing: Si une machine peut mener une conversation qu'on ne puisse différencier d'une conversation avec un être humain, alors la machine pouvait être qualifiée d'« intelligente » À cette époque, peu croient que de tels comportements « intelligents » soient possibles pour des machines. Les chercheurs font preuve alors d'un optimisme intense dans le privé comme dans leurs articles, ils prédisent qu'une machine complètement intelligente sera construite dans les 20 ans à venir an 2000, 30% des humains bernés
- Surdoué en mathématiques, John McCarthy obtint un doctorat de l'université de Princeton avant de s'intéresser à la meilleure façon d'inculquer un comportement intelligent, d'abord à des « machines » de Turing (qui ne sont pas des machines, mais des modèles abstraits d'appareils de calcul), puis aux ordinateurs. Pendant l'année universitaire 1955-1956, alors qu'il enseignait à Dartmouth College, il rédigea le programme du colloque à venir, dans lequel apparaît pour la première fois de l'histoire le terme « artificial intelligence ». Marvin Minsky, lui, avait d'abord fréquenté l'université Harvard et s'y était passionné pour les machines capables d'apprendre - son autre passion fut la cryogénisation et son corps, conservé à sa mort en janvier 2016, devrait être « réveillé » en 2045. Il s'était ensuite lié d'amitié avec John McCarthy lors de son doctorat de mathématiques à Princeton. En 1951, il construisit, avec un autre étudiant de Princeton, la première machine neuronale, le SNARC, un réseau de 40 neurones artificiels simulant le cerveau d'un rat.
- En 1986, DEC économise jusqu’à 40 millions d’euros par an grâce à système expert qui configure des ordinateur pour les clients
- En 1986, DEC économise jusqu’à 40 millions d’euros par an grâce à système expert qui configure des ordinateur pour les clients
- Résolution de problèmes complexes AlphaGo Marchés financiers / Itinéraires / Politiques Détection de fraude / Pricing / prédiction de maladie Perception Détection d’objet Odorat, sons Interaction Création artisitque Robots Chabtot Emotions
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Regression Machine learning Supervisé / non NLP Deep learning NN /CCN
- Première loi Un robot ne peut porter atteinte à un être humain ni, restant passif, laisser cet être humain exposé au danger. Deuxième loi Un robot doit obéir aux ordres donnés par les êtres humains, sauf si de tels ordres sont en contradiction avec la première loi. Troisième loi Un robot doit protéger son existence dans la mesure ou cette protection n'est pas en contradiction avec la première ou la deuxième loi.