SlideShare une entreprise Scribd logo
1  sur  58
Télécharger pour lire hors ligne
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 Commons
Attribution – 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 artificial
intelligence, takes on
dangerous implications when
his consciousness is uploaded
into one such program.
7
The Imitation Game
The Imitation Game (2014)
Benedict Cumberbatch, Keira
Knightley, Matthew Goode
Biography, Drama, Thriller
During World War II,
mathematician Alan Turing
tries to crack the enigma code
with help from fellow
mathematicians.
8
Chappie
Chappie (2015)
Sharito Copley, Dev Patel,
Hugh Jackman
Action, Crime, Sci-Fi
In the near future, crime is
patrolled by a mechanized
police force. When one police
droid, Chappie, is stolen and
given new programming, he
becomes the first robot with
the ability to think and feel
for himself.
9
Ex Machina
Ex Machina (2015)
Alicia Vikander, Domhnall
Gleeson, Oscar Isaac
Drama, Mystery, Sci-Fi
A young programmer is
selected to participate in a
ground-breaking experiment
in synthetic intelligence by
evaluating the human
qualities of a breath-taking
humanoid 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
abstraction
compréhension
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
senseurs
perçoit
actuateurs
agit
?
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 séquence
d’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 par
l’état actuel et l’action de l’agent ou non
Impact futur : épisodique ou séquentiel
Expérience de l’agent découpée en épisodes indépendants ou les
décisions actuelles influencent les choix futurs
18
Propriétés (2)
Changement : statique ou dynamique
L’environnement change pendant que l’agent prend sa décision
ou non
Temps : discret ou continu
Le temps, les éléments perçus et les actions sont discrets ou
continus
Intervenants : simple ou multi-agents
Un seul ou plusieurs agents (compétitifs ou coopératifs) se
trouvent 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 tasks
which are, for the moment, performed in a more satisfac-
tory way by humans because they require high level mental
processes such as : perception learning, memory organization
and 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 computers
think... machines with minds, in the full and
literal sense.” (Haugeland, 1985)
“[The automation of] activities that we as-
sociate with human thinking, activities such
as decision-making, problem solving, lear-
ning...” (Bellman, 1978)
“The study of mental faculties through the
use of computational models.” (Charniak
and McDermott, 1985)
“The study of the computations that make
it possible to perceive, reason, and act.”
(Winston, 1992)
Agir comme les humains Agir rationnellement
“The art of creating machines that perform
functions that require intelligence when per-
formed by people.” (Kurzweil, 1990)
“The study of how to make computers do
things at which, at the moment, people are
better.” (Rich and Knight, 1991)
“Computational Intelligence is the study of
the design of intelligent agents.” (Poole et
al., 1998)
“AI... is concerned with intelligent behavior
in 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 un
humain et un autre humain
et un ordinateur caché dans
une autre pièce
Questions écrites posées
à l’autre humain et à
l’ordinateur
Test passé avec succès si
l’humain ne sait pas
distinguer 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’une
machine 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 de
recherche, 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, reconnaissance
d’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
ISBN
978-2-746-09215-0
ISBN
978-0-130-80302-3
ISBN
978-0-596-5293-21
51
Crédits
Photos des livres depuis Amazon
Photos des affiches de films depuis IMDB
https://www.flickr.com/photos/maryleehahn/7331139058
https://www.flickr.com/photos/seandavis/7609234618
https://en.wikipedia.org/wiki/File:Marvin_Minsky_at_OLPCb.jpg
https://en.wikipedia.org/wiki/File:Alan_Turing_Aged_16.jpg
52

Contenu connexe

Tendances

L’intelligence artificielle aujourd’hui (FR)
L’intelligence artificielle aujourd’hui (FR)L’intelligence artificielle aujourd’hui (FR)
L’intelligence artificielle aujourd’hui (FR)thierry tranchina
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigFelipe Sanchez Garzon
 
Intelligence Artificielle - Systèmes experts
Intelligence Artificielle - Systèmes expertsIntelligence Artificielle - Systèmes experts
Intelligence Artificielle - Systèmes expertsMohamed Heny SELMI
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning Niji
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentNoureddine Djebbari
 
Introduction au Machine Learning
Introduction au Machine LearningIntroduction au Machine Learning
Introduction au Machine LearningMathieu Goeminne
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleMedhi Corneille Famibelle*
 
présentation soutenance PFE.ppt
présentation soutenance PFE.pptprésentation soutenance PFE.ppt
présentation soutenance PFE.pptMohamed Ben Bouzid
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence Yassine Badri
 
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018OPcyberland
 
Intelligence artificielle et travail
Intelligence artificielle et travailIntelligence artificielle et travail
Intelligence artificielle et travailFrance Stratégie
 
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep LearningIntroduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep LearningNcib Lotfi
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxPROF ALAIN NDEDI
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheMohamed Heny SELMI
 

Tendances (20)

L’intelligence artificielle aujourd’hui (FR)
L’intelligence artificielle aujourd’hui (FR)L’intelligence artificielle aujourd’hui (FR)
L’intelligence artificielle aujourd’hui (FR)
 
AI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine LearnigAI Apprentissage Automatique, Machine Learnig
AI Apprentissage Automatique, Machine Learnig
 
AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
 
Intelligence Artificielle - Systèmes experts
Intelligence Artificielle - Systèmes expertsIntelligence Artificielle - Systèmes experts
Intelligence Artificielle - Systèmes experts
 
Introduction au Deep Learning
Introduction au Deep Learning Introduction au Deep Learning
Introduction au Deep Learning
 
Intelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agentIntelligence artificielle et système multi-agent
Intelligence artificielle et système multi-agent
 
Introduction au Machine Learning
Introduction au Machine LearningIntroduction au Machine Learning
Introduction au Machine Learning
 
IA et éducation
IA et éducationIA et éducation
IA et éducation
 
Introduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence ArtificielleIntroduction à la BIG DATA et l'Intelligence Artificielle
Introduction à la BIG DATA et l'Intelligence Artificielle
 
présentation soutenance PFE.ppt
présentation soutenance PFE.pptprésentation soutenance PFE.ppt
présentation soutenance PFE.ppt
 
exercices business intelligence
exercices business intelligence exercices business intelligence
exercices business intelligence
 
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
Intelligence Artificielle - Comment change-t-elle le mode ? JBU2018
 
Intelligence artificielle et travail
Intelligence artificielle et travailIntelligence artificielle et travail
Intelligence artificielle et travail
 
Agents intelligents
Agents intelligentsAgents intelligents
Agents intelligents
 
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep LearningIntroduction: Intelligence Artificielle, Machine Learning et Deep Learning
Introduction: Intelligence Artificielle, Machine Learning et Deep Learning
 
COURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptxCOURS INTELLIGENCE ARTIFICIELLE.pptx
COURS INTELLIGENCE ARTIFICIELLE.pptx
 
Intelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de rechercheIntelligence Artificielle - Algorithmes de recherche
Intelligence Artificielle - Algorithmes de recherche
 
Présentation PFE
Présentation PFEPrésentation PFE
Présentation PFE
 
Internet des Objets
Internet des ObjetsInternet des Objets
Internet des Objets
 
FP Growth Algorithm
FP Growth AlgorithmFP Growth Algorithm
FP Growth Algorithm
 

En vedette

Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielleMed Zaibi
 
Présentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplicationsPrésentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplicationsAdelphe Patrick Mveng
 
105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)Xavier Langevin
 
Vers un monde digital plus intelligent
Vers un monde digital plus intelligentVers un monde digital plus intelligent
Vers un monde digital plus intelligentFrançois DUCROT
 
Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...ECAM Brussels Engineering School
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neuronesMed Zaibi
 
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarquésProgrammation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarquésECAM Brussels Engineering School
 
Programmation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulationProgrammation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulationECAM Brussels Engineering School
 
Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...ECAM Brussels Engineering School
 
Développement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulièresDéveloppement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulièresECAM Brussels Engineering School
 
Python avancé : Gestion d'erreurs et mécanisme d'exception
Python avancé : Gestion d'erreurs et mécanisme d'exceptionPython avancé : Gestion d'erreurs et mécanisme d'exception
Python avancé : Gestion d'erreurs et mécanisme d'exceptionECAM Brussels Engineering School
 
Python avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de donnéesPython avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de donnéesECAM Brussels Engineering School
 
Laboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projetLaboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projetECAM Brussels Engineering School
 
Programmation de systèmes embarqués : Bus et périphériques de communication
Programmation de systèmes embarqués : Bus et périphériques de communicationProgrammation de systèmes embarqués : Bus et périphériques de communication
Programmation de systèmes embarqués : Bus et périphériques de communicationECAM Brussels Engineering School
 
Introduction à LaTeX : le système de composition professionnel
Introduction à LaTeX : le système de composition professionnelIntroduction à LaTeX : le système de composition professionnel
Introduction à LaTeX : le système de composition professionnelECAM Brussels Engineering School
 

En vedette (20)

Intelligence artificielle
Intelligence artificielleIntelligence artificielle
Intelligence artificielle
 
Présentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplicationsPrésentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplications
 
105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)105 langevin xavier ia(intelligence artificielle)
105 langevin xavier ia(intelligence artificielle)
 
Vers un monde digital plus intelligent
Vers un monde digital plus intelligentVers un monde digital plus intelligent
Vers un monde digital plus intelligent
 
Python avancé : Tuple et objet
Python avancé : Tuple et objetPython avancé : Tuple et objet
Python avancé : Tuple et objet
 
Tests unitaires : Utilisation de la librairie CUnit
Tests unitaires : Utilisation de la librairie CUnitTests unitaires : Utilisation de la librairie CUnit
Tests unitaires : Utilisation de la librairie CUnit
 
Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...Développement informatique : Programmation fonctionnelle, décorateur et génér...
Développement informatique : Programmation fonctionnelle, décorateur et génér...
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neurones
 
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarquésProgrammation de systèmes embarqués : Introduction aux systèmes embarqués
Programmation de systèmes embarqués : Introduction aux systèmes embarqués
 
UKO-JAVA1001-slides
UKO-JAVA1001-slidesUKO-JAVA1001-slides
UKO-JAVA1001-slides
 
Programmation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulationProgrammation orientée objet : Object, classe et encapsulation
Programmation orientée objet : Object, classe et encapsulation
 
Arbre et algorithme de recherche
Arbre et algorithme de rechercheArbre et algorithme de recherche
Arbre et algorithme de recherche
 
Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...Développement informatique : Gestion de projet, versioning, debugging, testin...
Développement informatique : Gestion de projet, versioning, debugging, testin...
 
Développement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulièresDéveloppement informatique : Chaines de caractères et expressions regulières
Développement informatique : Chaines de caractères et expressions regulières
 
Python avancé : Gestion d'erreurs et mécanisme d'exception
Python avancé : Gestion d'erreurs et mécanisme d'exceptionPython avancé : Gestion d'erreurs et mécanisme d'exception
Python avancé : Gestion d'erreurs et mécanisme d'exception
 
Python avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de donnéesPython avancé : Ensemble, dictionnaire et base de données
Python avancé : Ensemble, dictionnaire et base de données
 
Développement informatique : Programmation réseau
Développement informatique : Programmation réseauDéveloppement informatique : Programmation réseau
Développement informatique : Programmation réseau
 
Laboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projetLaboratoire de transmission numérique : Présentation du projet
Laboratoire de transmission numérique : Présentation du projet
 
Programmation de systèmes embarqués : Bus et périphériques de communication
Programmation de systèmes embarqués : Bus et périphériques de communicationProgrammation de systèmes embarqués : Bus et périphériques de communication
Programmation de systèmes embarqués : Bus et périphériques de communication
 
Introduction à LaTeX : le système de composition professionnel
Introduction à LaTeX : le système de composition professionnelIntroduction à LaTeX : le système de composition professionnel
Introduction à LaTeX : le système de composition professionnel
 

Similaire à Intelligence Artificielle : Introduction à l'intelligence artificielle

Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéOPcyberland
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéOPcyberland
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfharizi riadh
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018OPcyberland
 
Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...OPcyberland
 
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jadeSystèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jadeENSET, Université Hassan II Casablanca
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesFernando Alcoforado
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleSebastien Warin
 
Intelligence Artficielle : nouvel acteur du champ de bataille
Intelligence Artficielle : nouvel acteur du champ de batailleIntelligence Artficielle : nouvel acteur du champ de bataille
Intelligence Artficielle : nouvel acteur du champ de batailleOPcyberland
 
Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...Isabelle GUYOT
 
Pluridisciplinarité dans les études - Jean-Claude Boulay
Pluridisciplinarité dans les études - Jean-Claude BoulayPluridisciplinarité dans les études - Jean-Claude Boulay
Pluridisciplinarité dans les études - Jean-Claude Boulayvirginie_b
 
Ch3 sma-architectures-2012
Ch3 sma-architectures-2012Ch3 sma-architectures-2012
Ch3 sma-architectures-2012Sofia Zahid
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Aymeric
 
La coopération des intelligences
La coopération des intelligencesLa coopération des intelligences
La coopération des intelligencesAymeric
 
Penser le laboratoire du futur... l'impact de L'IA
 Penser le laboratoire du futur... l'impact de L'IA  Penser le laboratoire du futur... l'impact de L'IA
Penser le laboratoire du futur... l'impact de L'IA Yvon Gervaise
 

Similaire à Intelligence Artificielle : Introduction à l'intelligence artificielle (20)

Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécurité
 
Intelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécuritéIntelligence Artificielle et cybersécurité
Intelligence Artificielle et cybersécurité
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdf
 
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
Conférence Sécurité et Intelligence Artificielle - INHESJ 2018
 
sma.pdf
sma.pdfsma.pdf
sma.pdf
 
Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...Lorsque l'intelligence artificielle uberise la cybersécurité...
Lorsque l'intelligence artificielle uberise la cybersécurité...
 
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jadeSystèmes multi agents concepts et mise en oeuvre avec le middleware jade
Systèmes multi agents concepts et mise en oeuvre avec le middleware jade
 
Le progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquencesLe progrès de l'intelligence artificielle et ses conséquences
Le progrès de l'intelligence artificielle et ses conséquences
 
Les systèmes intelligents
Les systèmes intelligentsLes systèmes intelligents
Les systèmes intelligents
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
 
Intelligence Artficielle : nouvel acteur du champ de bataille
Intelligence Artficielle : nouvel acteur du champ de batailleIntelligence Artficielle : nouvel acteur du champ de bataille
Intelligence Artficielle : nouvel acteur du champ de bataille
 
IA vs AI - intelligence artificielle ou artifice d'intelligence ?
IA vs AI  - intelligence artificielle ou artifice d'intelligence ?IA vs AI  - intelligence artificielle ou artifice d'intelligence ?
IA vs AI - intelligence artificielle ou artifice d'intelligence ?
 
Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...Intelligence collective dans les environnements numériques : pourquoi et comm...
Intelligence collective dans les environnements numériques : pourquoi et comm...
 
Pluridisciplinarité dans les études - Jean-Claude Boulay
Pluridisciplinarité dans les études - Jean-Claude BoulayPluridisciplinarité dans les études - Jean-Claude Boulay
Pluridisciplinarité dans les études - Jean-Claude Boulay
 
Ch3 sma-architectures-2012
Ch3 sma-architectures-2012Ch3 sma-architectures-2012
Ch3 sma-architectures-2012
 
Ackerman04
Ackerman04Ackerman04
Ackerman04
 
Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?Quel quotidien bercé d'IA créons-nous ?
Quel quotidien bercé d'IA créons-nous ?
 
La coopération des intelligences
La coopération des intelligencesLa coopération des intelligences
La coopération des intelligences
 
01 amendements au glossaire des qualificatifs de l intelligence 3
01   amendements au glossaire des qualificatifs de l intelligence 301   amendements au glossaire des qualificatifs de l intelligence 3
01 amendements au glossaire des qualificatifs de l intelligence 3
 
Penser le laboratoire du futur... l'impact de L'IA
 Penser le laboratoire du futur... l'impact de L'IA  Penser le laboratoire du futur... l'impact de L'IA
Penser le laboratoire du futur... l'impact de L'IA
 

Plus de ECAM Brussels Engineering School

Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...ECAM Brussels Engineering School
 
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSSProgrammation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSSECAM Brussels Engineering School
 
Programmation de systèmes embarqués : BeagleBone Black et Linux embarqué
Programmation de systèmes embarqués : BeagleBone Black et Linux embarquéProgrammation de systèmes embarqués : BeagleBone Black et Linux embarqué
Programmation de systèmes embarqués : BeagleBone Black et Linux embarquéECAM Brussels Engineering School
 
Développement informatique : Algorithmique II : Techniques de recherche en in...
Développement informatique : Algorithmique II : Techniques de recherche en in...Développement informatique : Algorithmique II : Techniques de recherche en in...
Développement informatique : Algorithmique II : Techniques de recherche en in...ECAM Brussels Engineering School
 
Développement informatique : Algorithmique I : Récursion et arbre
Développement informatique : Algorithmique I : Récursion et arbreDéveloppement informatique : Algorithmique I : Récursion et arbre
Développement informatique : Algorithmique I : Récursion et arbreECAM Brussels Engineering School
 
Python avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementiellePython avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementielleECAM Brussels Engineering School
 

Plus de ECAM Brussels Engineering School (20)

Introduction à la formation Digitalent
Introduction à la formation DigitalentIntroduction à la formation Digitalent
Introduction à la formation Digitalent
 
Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...Programmation de systèmes embarqués : Internet of Things : système connecté e...
Programmation de systèmes embarqués : Internet of Things : système connecté e...
 
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSSProgrammation de systèmes embarqués : Systèmes temps réel et PRUSS
Programmation de systèmes embarqués : Systèmes temps réel et PRUSS
 
Programmation de systèmes embarqués : BeagleBone Black et Linux embarqué
Programmation de systèmes embarqués : BeagleBone Black et Linux embarquéProgrammation de systèmes embarqués : BeagleBone Black et Linux embarqué
Programmation de systèmes embarqués : BeagleBone Black et Linux embarqué
 
Johnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScriptJohnny-Five : Robotique et IoT en JavaScript
Johnny-Five : Robotique et IoT en JavaScript
 
Outils de gestion de projets
Outils de gestion de projetsOutils de gestion de projets
Outils de gestion de projets
 
Développement informatique : Programmation graphique
Développement informatique : Programmation graphiqueDéveloppement informatique : Programmation graphique
Développement informatique : Programmation graphique
 
Développement informatique : Algorithmique II : Techniques de recherche en in...
Développement informatique : Algorithmique II : Techniques de recherche en in...Développement informatique : Algorithmique II : Techniques de recherche en in...
Développement informatique : Algorithmique II : Techniques de recherche en in...
 
Développement informatique : Programmation concurrente
Développement informatique : Programmation concurrenteDéveloppement informatique : Programmation concurrente
Développement informatique : Programmation concurrente
 
Développement informatique : Algorithmique I : Récursion et arbre
Développement informatique : Algorithmique I : Récursion et arbreDéveloppement informatique : Algorithmique I : Récursion et arbre
Développement informatique : Algorithmique I : Récursion et arbre
 
Python avancé : Qualité de code et convention de codage
Python avancé : Qualité de code et convention de codagePython avancé : Qualité de code et convention de codage
Python avancé : Qualité de code et convention de codage
 
Qualité de code et bonnes pratiques
Qualité de code et bonnes pratiquesQualité de code et bonnes pratiques
Qualité de code et bonnes pratiques
 
Comment Internet fonctionne-t-il ?
Comment Internet fonctionne-t-il ?Comment Internet fonctionne-t-il ?
Comment Internet fonctionne-t-il ?
 
HTML, CSS et Javascript
HTML, CSS et JavascriptHTML, CSS et Javascript
HTML, CSS et Javascript
 
Type abstrait de données
Type abstrait de donnéesType abstrait de données
Type abstrait de données
 
Modélisation avec UML
Modélisation avec UMLModélisation avec UML
Modélisation avec UML
 
Python avancé : Lecture et écriture de fichiers
Python avancé : Lecture et écriture de fichiersPython avancé : Lecture et écriture de fichiers
Python avancé : Lecture et écriture de fichiers
 
Polymorphisme, interface et classe abstraite
Polymorphisme, interface et classe abstraitePolymorphisme, interface et classe abstraite
Polymorphisme, interface et classe abstraite
 
Python avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementiellePython avancé : Interface graphique et programmation évènementielle
Python avancé : Interface graphique et programmation évènementielle
 
Héritage et redéfinition de méthode
Héritage et redéfinition de méthodeHéritage et redéfinition de méthode
Héritage et redéfinition de méthode
 

Intelligence Artificielle : Introduction à l'intelligence artificielle

  • 1. IA5T Intelligence Artificielle Séance 1 Introduction à l’intelligence artificielle Sébastien Combéfis 9 mars 2016
  • 2. Ce(tte) œuvre est mise à disposition selon les termes de la Licence Creative Commons Attribution – Pas d’Utilisation Commerciale – Pas de Modification 4.0 International.
  • 3. 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
  • 4. 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
  • 5. 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
  • 6. 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
  • 7. Transcendence Transcendence (2014) Johnny Depp, Rebecca Hall, Morgan Freeman Drama, Mystery, Romance A scientist’s drive for artificial intelligence, takes on dangerous implications when his consciousness is uploaded into one such program. 7
  • 8. The Imitation Game The Imitation Game (2014) Benedict Cumberbatch, Keira Knightley, Matthew Goode Biography, Drama, Thriller During World War II, mathematician Alan Turing tries to crack the enigma code with help from fellow mathematicians. 8
  • 9. Chappie Chappie (2015) Sharito Copley, Dev Patel, Hugh Jackman Action, Crime, Sci-Fi In the near future, crime is patrolled by a mechanized police force. When one police droid, Chappie, is stolen and given new programming, he becomes the first robot with the ability to think and feel for himself. 9
  • 10. Ex Machina Ex Machina (2015) Alicia Vikander, Domhnall Gleeson, Oscar Isaac Drama, Mystery, Sci-Fi A young programmer is selected to participate in a ground-breaking experiment in synthetic intelligence by evaluating the human qualities of a breath-taking humanoid A.I. 10
  • 12. Intelligence Pas de définition unique et reconnue de l’intelligence Pas une seule intelligence unique et globale Identification de plusieurs capacités logique abstraction compréhension conscience de soi communication apprentissage résolution de problème intelligence émotionnelle mémoire planification créativité 12
  • 13. 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 senseurs perçoit actuateurs agit ? 13
  • 14. 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
  • 15. 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 séquence d’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
  • 16. 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
  • 17. 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
  • 18. 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 par l’état actuel et l’action de l’agent ou non Impact futur : épisodique ou séquentiel Expérience de l’agent découpée en épisodes indépendants ou les décisions actuelles influencent les choix futurs 18
  • 19. Propriétés (2) Changement : statique ou dynamique L’environnement change pendant que l’agent prend sa décision ou non Temps : discret ou continu Le temps, les éléments perçus et les actions sont discrets ou continus Intervenants : simple ou multi-agents Un seul ou plusieurs agents (compétitifs ou coopératifs) se trouvent dans l’environnement 19
  • 20. 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
  • 21. 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
  • 22. 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
  • 23. 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
  • 24. 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
  • 25. 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
  • 26. 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
  • 27. 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
  • 28. 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
  • 29. 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
  • 30. 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
  • 31. 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
  • 32. 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
  • 33. 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
  • 34. 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
  • 36. 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
  • 37. 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 tasks which are, for the moment, performed in a more satisfac- tory way by humans because they require high level mental processes such as : perception learning, memory organization and critical reasoning.” — Marvin Lee Minsky, 1956 37
  • 45. 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
  • 46. Définition (2) Penser comme les humains Penser rationnellement “The exciting new effort to make computers think... machines with minds, in the full and literal sense.” (Haugeland, 1985) “[The automation of] activities that we as- sociate with human thinking, activities such as decision-making, problem solving, lear- ning...” (Bellman, 1978) “The study of mental faculties through the use of computational models.” (Charniak and McDermott, 1985) “The study of the computations that make it possible to perceive, reason, and act.” (Winston, 1992) Agir comme les humains Agir rationnellement “The art of creating machines that perform functions that require intelligence when per- formed by people.” (Kurzweil, 1990) “The study of how to make computers do things at which, at the moment, people are better.” (Rich and Knight, 1991) “Computational Intelligence is the study of the design of intelligent agents.” (Poole et al., 1998) “AI... is concerned with intelligent behavior in artifacts.” (Nilsson, 1998) 40
  • 47. 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
  • 48. Test de Turing (1) Définition opérationnelle de l’intelligence artificielle « Une machine peut-elle penser ? » (Alan Turing) Confrontation entre un humain et un autre humain et un ordinateur caché dans une autre pièce Questions écrites posées à l’autre humain et à l’ordinateur Test passé avec succès si l’humain ne sait pas distinguer les deux 42
  • 49. Test de Turing (2) 43
  • 50. 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
  • 51. 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
  • 52. Représentation des connaissances Knowledge Representation (KR) Représentation de l’information à propos du monde pour qu’une machine 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
  • 53. 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
  • 54. 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 de recherche, vision par ordinateur 48
  • 55. 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, reconnaissance d’objets, restauration d’images... 49
  • 56. 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
  • 58. Crédits Photos des livres depuis Amazon Photos des affiches de films depuis IMDB https://www.flickr.com/photos/maryleehahn/7331139058 https://www.flickr.com/photos/seandavis/7609234618 https://en.wikipedia.org/wiki/File:Marvin_Minsky_at_OLPCb.jpg https://en.wikipedia.org/wiki/File:Alan_Turing_Aged_16.jpg 52