SlideShare une entreprise Scribd logo
Département de mathématiques et physique
Faculté des Sciences appliquées




     Introduction à l’Intelligence
              Artificielle
                       Nathanaël Ackerman




                                            Le 2 décembre 2004
Introduction et Historique

•   Premières définitions et dichotomies
•   Historique : dates, noms, programmes…
•   Domaines d’application actuels
•   Conclusions
    – Deux perspectives sur l’historique du domaine
    – Le « pourquoi » de l’IA
• Concepts clés
• Bibliographie
Partie 1 :
Premières définitions et
     dichotomies
Définitions

• Choix du nom 1956, conférence de Dartmouth



• « L’intelligence artificielle est la science qui
  consiste à faire faire à des machines ce que
  l’homme fait moyennant une certaine
  intelligence » M. Minsky


• Problème de récursivité dans la définition
La « complexité » mentale est-elle comparable à la
  complexité informatique ?

La définition de Minsky exclut des domaines majeurs
  de l’IA :
   – La perception (vision et parole)
   – La robotique
   – La compréhension du langage naturel
   – Le sens commun
Dictionnaires


• Qu’est-ce que l’intelligence ?

• Qu’est-ce que l’artificiel ?
Remarques
• La définition du terme « intelligence » change.

• L’intelligence est liée à l’homme dans ses facultés de
  compréhension, et d’apprentissage, et observable grâce au
  comportement (adaptabilité).

• Renvoi à des questions fondamentales : qu ’est-ce que la
  compréhension? Qu ’est-ce que l ’apprentissage ? Qu ’est-
  ce que la connaissance ?
• Les tentatives de définitions de l’IA, sont floues quant
  aux domaines d’application et s’inscrivent plutôt dans
  une perspective cognitiviste de simulation du cerveau
  humain. Elles excluent la possibilité d’une forme
  d’intelligence non humaine.



• Le terme artificiel a une connotation relativement
  péjorative et induit une tension conflictuelle entre
  l’homme et l’ordinateur. L ’ordinateur reste
  subordonné à l ’homme.
Définition « opérationnelle »

• « L’IA est le domaine de l’informatique qui
  étudie comment faire faire à l’ordinateur des
  tâches pour lesquelles l’homme est
  aujourd’hui encore le meilleur. » E. Rich

• Définition essentiellement évolutive, l ’IA est
  innovatrice :
Homme
        Perception   Processus       actions
                     internes

                     Raisonnements   Motricité
        Vision       Résolution de   Robot
                     problèmes
Monde                Planification               Monde
                     Apprentissage
        Audition     Emotion         Langage
                                     Parler
                     Créativité
Domaines connexes
•   Philosophie des sciences, de la connaissance, de l’esprit
•   Logique
•   Linguistique
•   Neurophysiologie
•   Psychologie cognitive
•   Optimisation mathématique
•   Automatique et contrôle
•   Statistique
•   Théorie des graphes
•   Aquisition et traitement d’images
•   Dynamique des systèmes chaotiques
•   Programmation robotique …
Dichotomies

•   Strong AI vs Weak AI
•   Niveau de compétence vs niveau de performance
•   Algorithmique vs non algorithmique
•   Vision analytique vs vision émergente de la
    résolution de problèmes

• Sciences du naturels vs sciences de l’Artificiel
• ...
Strong AI VS Weak AI
• Point de vue essentiellement philosophique relatif à la
  conscience des machines

• La conscience peut-elle émerger de manipulations
  purement syntaxiques ? (cf Chambre Chinoise, Searle 81)

• Hypothèse d ’un système physique de symboles (Newell
  1980); la conscience du thermostat (D. Chalmers)

• Matrix
Niveau de compétence VS
    Niveau de performance
• Distinction introduite par Chomsky : faire
  « comme » ou faire « aussi bien que ».

• L’oiseau et l ’avion volent …

• Jeux d ’échecs : les GMI réfléchissent
  différemment de Deep Blue

• Question fondamentale en Sciences Cognitives :
  l ’aspect séquentiel du processeur limite-t-il la
  validité de l ’approche connexionniste?
Algorithmique vs
           non Algorithmique
• Un algorithme est une séquence finie
  d ’instructions qui permet de résoudre un
  problème en un temps fini.


• La définition de l ’IA comme domaine de la
  programmation non algorithmique est
  équivoque.
Vision analytique vs
               vision émergente
• Décomposition de problèmes en sous-problèmes plus
  simples à résoudre (analyse procédurale, système experts
  basés sur la logique des prédicats)

• Distribution des tâches à un ensemble d ’agents qui
  interagissent (NN, OO, Ant Algorithm)

• Dans la même veine :
   – IA classique vs IA NN
   – IA symbolique vs IA numérique
Plus court chemin
                 (méthode analytique)

                           f(x)

         5
 min ∫       1 + f '2 ( x) dx
  f ∈C 1 0




 ( 0) =
 f        0
                                               x
 ( 2) =
 f        10

 ( 4) =
 f        11
f ( x ) − − >
          x  4 0                  ∀ : 1 <x <
                                   x        3

 ' ( x) > 1
f         −                      ∀ : 0 <x <
                                   x        4
Plus court chemin
        (approche émergente)




f(x)              f(x)




              x                x
Sciences naturelles vs
         Sciences de l’artificiel

• Compréhension des phénomènes de la nature

• Cette compréhension passe par la construction de
  modèles capables de réaliser des simulations. D’où la
  possibilité d ’explorer effectivement les conséquences des
  postulats initiaux; éthologie des programmes informatiques

• Sciences normatives par opposition au caractère descriptif
  des sciences naturelles.
Caractéristiques de l’IA VS
     informatique classique
• Informatique plus symbolique
• Aspects plus déclaratif, moins procédural
• On privilégie la satisfaction à l’optimisation (sauf si
  l’on introduit des méta-règles heuristiques)
• Données incomplètes, inexactes, conflictuelles
• La notion de représentation d’un problème est
  fondamentale
• Pluridisciplinaire: logique, psycho-cognitive, biologie,
  neurosciences, philosophies, mathématiques …
Partie 2 :
Historique : dates, noms,
     programmes…
Automates : recréer la vie
Machines Programmables

Métier à tisser   Machine Analytique
(Jacquard 1805)   (Babbage & A. Ada Lovelace 1837)
Quelques approches théoriques
         avant 1900
 • XIII : Raymond Lulle (Ars Magna)

 • XVIII : Gottfried Wilhelm Leibnitz (calculus
   Ratiocinator)

 • XIX :
    – George Boole, The Laws of Thaught, 1854;
    – Gottlob Frege (1879 – logique des prédicats)
Tentative de Leibnitz

substance = 2
material = 3        immaterial = 5
animate = 7         inanimate = 11
sensitive = 13      insensitive = 17
rational = 19       irrationnal = 23
…
Human = 2 x 3 x 7 x 13 x 19 = 10374
Mineral = 2 x 3 x 11 = 66

103674 mod 66 ≠0 => a human is not a mineral
Transitivité de l’héritage
Formalisation du raisonnement

• Logique des propositions
  syntaxe inductive permettant d’écrire des formules
  Sémantique vérifonctionnelle (+ table de vérité)
  (A ∧(A ⇒ B)) ⇒ B             modus ponens
  (¬ B ∧(A ⇒ B)) ⇒ ¬ A)       modus tollens

• Logique des prédicats
  ∀x homme(x ) ⇒ mortel(x )          (1)
  homme(Socrate).                     (2)
  homme(Socrate) ⇒ mortel(Socrate)   (3)
  mortel(Socrate).                    (4)
1900-1945
• David Hilbert
   – 23 problèmes (Second Congrès International des
     mathématiques à Paris, 1900)
• Russell et Whitehead
   – Principia mathematica (1913)
• Emil Post
   – Systèmes de production
• Gödel
   – théorème d’incomplétude (1931)
• Turing
   – machine universelle (1936)
   – pas d’a priori sur la non prouvabilité d’un théorème
La machine universelle
                                Unité de                         États internes:
                                                               Etat0, Etat1, Etat2,
                               commande                                 ...

Ruban= entrée,
   sortie et
  mémoire                                  Lecture/écriture


                                 +        + +       +


            Etat de la   Contenu de Ecrit sur le Déplacement
                                                             Etat suivant
            machine       la cellule  ruban         ruban
              Etat0          vide                     D         Etat0
              Etat0            +                      D         Etat1

                          Le Programme
Neurone formel
Mac Cullogh & Pitts (1943)


      1      0.3

             -1
      0               Σ      1
             0.5

      1
Cybernétique (1947)

• Norbert Wiener, s’inspirant de la biologie,
  introduit la notion de rétroaction dans les
  systèmes de traitement de l’information.
• Idée des boucles réentrantes fondamentales
  en IA et Sciences Cognitives.


      input                  output
                 Système

                                controle
              feedback
ENIAC 1945
• Electrical and Numerical Integrator and Calculator

• Architecture de Von Neumann: ranger les données et
  les instructions dans une « mémoire »; le processeur
  – séparé – réalise les calculs.

• 1900 tubes à vides, 1500 relais, des milliers de
  résistances, capacités … 200 KW

• 10 khz (addition)
The Turing Test (1950)
Dartmouth 1956
« Chaque aspect de l’apprentissage, ou tout autre caractéristique
    de l’intelligence, peut en principe être décrit si précisément
    qu’il est possible de construire une machine pour le simuler »

•   Minsky : le dinosaure…
•   Newell et Simon (Prix Nobel d’économie 1978)
•   John McCarthy
•   Claude Shannon : théorie mathématique de l’information et
    de la communication (1960)
•   Selfridge : Pandemonium
Approche Symbolique

• Newell et Simon (CMU)
   – Logic Theorist : démonstration des théorèmes des Principia
     Mathematica de Russell et Whitehead
   – General Problem Solver (GPS 59)

• Weizenbaum
   – Eliza (1966) simule un psycholgue rogerien

• Dans la lignée de A. Turing
   – Traduction automatique du langage
   – Jeux d’ échecs
Exemples typiques de
   problèmes (années 50-60)
• Le fermier, le loup, la chèvre et le choux
• Les recipients : comment obtenir 1 litre d’eau,
  avec deux récipients de capacité 2 litres et 5
  litres (ce dernier étant rempli au départ)
• Intégration symbolique de sin(x). cos(x)
• Voyageur de commerce
• Les huits reines
• Les tours de Hanoi
• Le Singe et les bananes
Résultats
• Première catégorisations sur les strucutres de
  données : arbre de recherche, définition d’un espace
  d’états, …
• Algorithme de recherche : A, A*,…
• Succès de l’application de la logique des prédicats
• MacSyma et GPS

• Échec flagrant de la traduction automatique : la
  sémantique émerge du contexte; peu de moyen pour
  représenter le sens commun
•
Recherche dans un arbre
Algorithme A* - problème   du taquin
         1+5      2+4         3+4
        2 8 3     2 8 3       2 3                5+2
        1 6 4     14          1 8 4              1 2 3
          7 5     76 5        76 5               7 8 4
                              3+2                  5
                                                   6 5
0+4     1+3     2+3                       4+1
2 8 3   2 8 3   2 3             2 3      1 2 3
1 6 4   1 4     1 8 4         1 8 4        8 4
7 5     76 5    76 5          76 5       76 5
                              3+4                5+0
        1+5     2+3          2 8 3               1 2 3
        2 8 3   2 8 3        71 4                8 4
        1 6 4     1 4          6 5               76 5
        75      76 5
                              3+3                GOAL
                               8 3
                             2 1 4
                             76 5
Approche connexionniste
• Mac Cullogh & Pitts
   – Développement du neurone formel (1943)


• Hebb
   – relie les comportements de conditionnement simple à une loi de
     renforcement synaptique (1949)

• Selfridge
   – Pandemonium (1956)

• Rosenblatt
   – modèle du Perceptron (1958)
Le perceptron

• réseau de neurones à 2
  couches inspiré du système
  visuel

• Définition d’une règle
  d’apprentissage
   – La règle delta
Les années 70 – début 80
• Période d’ombre pour l’approche connexionniste
   – Minsky et Papert, Perceptrons, 1969
   – Impossibilité de l’apprentissage du XOR


• Renforcement de l’approche symbolique :
   – Travaux sur la représentation de la connaissance :
     réseaux sémantiques, Scripts (Shank 1977),
     approche déclarative
   – Etude des micromondes : SHRDLU (Winograd,
     1972)
   – Développement des Systèmes Experts, apparition de
     Prolog (1972)
Réseaux sémantiques
Winston 1970
Ontologie Web (2002)
Réseaux sémantiques
SHRDLU : the Block World
Winograd 1972
SHRDLU 2001

HMM    Analyse      Analyse
  +   Syntaxique   Sémantique
 NN
Systèmes Experts
   Base de connaissance (BC)
   mémoire à long terme
                                 Moteur
                                 d’inférence
    Base de faits (BF)           (MI)
    mémoire de travail




• Chainage avant (Rules) ou arrière (Prolog)
• Dendral (1965), Mycin (1974); Prospector(1983)
Mycin (1974 - …)

• Aide au diagnostic / thérapie dans le domaine
  médical (septicémies, méningites …)
• Connaissances représentées explicitement sous
  forme de règles
• Prise en compte de l’incertain
• Réelle compétence
• Capacité à expliquer le raisonnement
Mycin – exemple de règles

• Si le site de culture est le sang, et que le germe est
  positif à la coloration de Gram et que la porte
  d’entrée est l’appareil gastro-intestinal et que

• L’abdomen est le site d’infection ou
• Le bassinet est le site d’infection
Alors
• Il y a de très fortes présomptions pour que les
  entérobactéries soient la classe d’organismes que la
  thérapie devra traiter.
Années 80
• Récession de l’approche symbolique due aux
  déclarations non tenues :
   – Échec de la généralisation des micromondes
   – Manque de souplesse des systèmes experts


• Succès dans des domaines ciblés, intégration dans la
  vie économique : informatique de gestion …

• Renaissance de l’approche connexionniste :
   – Hopfield, mémoire autoassociative, 1982
   – Rumelhart & McClelland, Parallel Distributed Processes,
     MIT Press, 1985
Le perceptron multi-couches
Hopfield
• Mémoires auto-associatives par un apprentissage
  hebbien
• Utilisation des résultats de la physique statistique
  et des verres de spins
Partie 3:
Domaines actuels
Domaines actuels de recherche

• Machine Learning, reinforcement learning
• Datamining : classification supervisée et non
  supervisée; combinaison de classificateurs
• Vision artificielle, reconnaissance des formes
• Reconnaissance et traitement de la parole, sens
  commun
• Définition de méthodes métaheuristiques : ants
  algorithm, local search, algorithme génétique
• Systèmes multiagents (intelligence distribuée,
  planification multiagents)

• Agents intelligents (sur internet); Objets Intelligents

• Programmation automatique

• Philosophie de l’Esprit : Hard Problem of
  consciousness
• Robotique sensorielle (Cog, Kismet)

• Artificial Life

• Chimie computationnelle

• Etude du chaos dans les réseaux de neurones

• Evolutionary robotics
Images
•
Conclusions
Perspective philosophique
• Emulation de la pensée raisonnée

• Trois étapes :
   – Représentation de la connaissance
   – Mode déductif : le raisonnement
   – Mode inductif : l’apprentissage
Perspective technologique
 • Développement de la puissance de calcul des
   ordinateurs (loi de Moore)

 • Changement de paradigme : la technologie a pris
   une longueur d’avance; distinction difficile entre
   intégration technologique et véritable progrès
   scientifique.
Conclusions
• Deux acceptions dans la définition :
    – Programme scientifique et technologique visant à doter l’ordinateur
      de capacités telles que la vision, l’acquisition des connaissances, la
      prise de décisions … habituellement attribuées à l’intelligence
      humaine (démarche pragmatique).

    – Étude des mécanismes de l’intelligence en général, l’ordinateur est
      un moyen de simulation (démarche cognitive).

• Réel échange entre l’homme et la machine (le Pourquoi? de la
  définition opérationnelle)

    –   Enseignement intelligemment assisté
    –   Réalité augmentée
    –   Éthologie artificielle: S. Wolfram, A new kind of Science, 2002.
    –   Hans Moravec & nanotechnologies
    –   ICCS 2002, Boston, Massachussets
COURS à l’ULB

• INFO 362 : éléments de logique et d’intelligence artificielle
(Pierre Gaspart – 4ème info - FSA)
• MATH 304 : Intelligence artificielle
(Pierre Gaspart – 5ème FSA)
• INFO 373 : méthodes numériques en Intelligence artificielle
(Hugues Bersini – 5ème - FSA)
• INFO 087 : Intelligence artificielle
(Pascal Francq - Infodoc – Philo et Lettres)
• COGN00X : Introduction à l’intelligence artificielle
(Nathanael Ackerman – DEA Sciences Cognitives - PSycho)
Bibliographie
• A. Barr, E.A. Feigenbaum, The Handbook of Artificial
  Intelligence, W. Kaufmann, Inc. , Palo Alto, 1981.
• Cornuéjols A., Miclet L., Apprentissage Artificiel, concepts
  et algorithmes, Eyrolles, Paris, 2002.
• D. Crevier, The tumultuous History of the search for
  Artificial Intelligence, Harper Collins Publishers, Inc., New
  York, 1993. (Flammarion, coll. Champs, 1997).
• J.-P. Delahaye, L ’intelligence et le calcul, de Gödel aux
  ordinateurs quantiques, Belin, Pour la Science, 2002.
• J.-P. Haton, M.-C. Haton, l ’Intelligence Artificielle, PUF,
  coll. Que sais-je ?, 3d ed., 1993.
•Haykin S., Neural Networks, a comprehensive foundation,
Prentice Hall, 2nd ed., 1999.

•Hofstader D., Gödel, Escher, Bach : an Eternal Golden Braid,
Basic Books, USA, 1979 (Intereditions/ Masson, Paris, 1985)

•Nilsson N. J., Principles of Artificial Intelligence, Palo Alto,
Tioga Publishing Co., 1980.

•N.J. Nilsson, Artificial Intelligence: A New Synthesis, Artificial
Intelligence, n°125, pp 227-232, Elsevier, 2001.

• J.-F. Le Ny et al., Intelligence naturelle et Intelligence 
Artificielle, Symposium de l ’APSLF (Rome, 1991), PUF, Paris,
1993.

•M. Minsky, The Society of Mind, Basic Books, First
TouchStone ed., New York, 1988.
• Rich E. , Knight K., Artificial Intelligence, McGraw
  Hill Inc. (International Edition), USA, 1991.


• Searle J.R., The mystery of consciousness, Granta
  Books, GB, 1997. (Odile Jacob, Paris, 1999)

• Searle J.R., Minds, Brains and Programs, the
  Behavioral and Brain Sciences, 1981

• Turing A.M., Computing Machinery and Intelligence,
  Mind, 1950.

• Pour la Science, L ’Intelligence, n° spécial, décembre
  1998
Revues Scientifiques
• AI communications, The European Journal on
  Artificial Intelligence, IOS Press, The Nederlands,
  published quarterly.

• AI Magazine, AAAI Press, USA, published quarterly.

• Artificial Intelligence, Elsevier Science, The
  Nederlands, published monthly.

• Artificial Life, MIT Press, Cambridge, Massachussets,
  published quarterly.
• IEEE Intelligent Systems, IEEE Press, published 6
  times in a year.



• JETAI : Journal of Experimental and theoretical
  Artificial Intelligence, Taylor and Francis Ltd, UK.,
  published quarterly.



• Journal of the ACM, ACM, NY, published 6 times a
  year.

Contenu connexe

Tendances

l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
Jean-Antoine Moreau
 
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
Jean Rohmer
 
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
Papa Cheikh Cisse
 
Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécurité
OPcyberland
 
Conference robots kedge 26 mars 2021
Conference robots kedge   26 mars 2021Conference robots kedge   26 mars 2021
Conference robots kedge 26 mars 2021
OPcyberland
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neuronesMed Zaibi
 
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
Conférence UTA  BFM  Limoges - IA nouvel acteur du champ de batailleConférence UTA  BFM  Limoges - IA nouvel acteur du champ de bataille
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
OPcyberland
 
TPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielleTPE 2005 - Intelligence artificielle
TPE 2005 - Intelligence artificielle
Sebastien 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 bataille
OPcyberland
 
001 intro psycho cognitive
001 intro psycho cognitive001 intro psycho cognitive
001 intro psycho cognitiveFrançois Dehan
 
Convergence NBIC CKTS et RH
Convergence NBIC CKTS et RHConvergence NBIC CKTS et RH
Convergence NBIC CKTS et RH
OPcyberland
 
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
Daphné Savoundiraradjane
 
Neuro sciences
Neuro sciencesNeuro sciences
Neuro sciences
YakoubAbdallahOUARDI
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
Soumia Elyakote HERMA
 
Deep learning
Deep learningDeep learning
Deep learning
Bilal Rezkellah
 
Les reseaux profonds
Les reseaux profondsLes reseaux profonds
Les reseaux profonds
Stany Mwamba
 
Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique
Appstud
 

Tendances (20)

l'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreaul'Intelligence Artificielle Jean-Antoine Moreau
l'Intelligence Artificielle Jean-Antoine Moreau
 
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
De l'IA au Calcul Littéraire: Pourquoi j'ai zappé le Web Sémantique
 
Réseaux de neurones
Réseaux de neurones Réseaux de neurones
Réseaux de neurones
 
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
Analyse de méthodes intelligentes de détection de fissures dans diverses stru...
 
Cours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécuritéCours Conférence INHESJ - IA et cybersécurité
Cours Conférence INHESJ - IA et cybersécurité
 
Conference robots kedge 26 mars 2021
Conference robots kedge   26 mars 2021Conference robots kedge   26 mars 2021
Conference robots kedge 26 mars 2021
 
Réseaux des neurones
Réseaux des neuronesRéseaux des neurones
Réseaux des neurones
 
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
Conférence UTA  BFM  Limoges - IA nouvel acteur du champ de batailleConférence UTA  BFM  Limoges - IA nouvel acteur du champ de bataille
Conférence UTA BFM Limoges - IA nouvel acteur du champ de bataille
 
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
 
001 intro psycho cognitive
001 intro psycho cognitive001 intro psycho cognitive
001 intro psycho cognitive
 
Convergence NBIC CKTS et RH
Convergence NBIC CKTS et RHConvergence NBIC CKTS et RH
Convergence NBIC CKTS et RH
 
Cours1 1
Cours1 1Cours1 1
Cours1 1
 
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
TeamWork - Ce qu'est l'IA et ce qu'elle n'est pas !
 
Neuro sciences
Neuro sciencesNeuro sciences
Neuro sciences
 
Cours rn 2006
Cours rn 2006Cours rn 2006
Cours rn 2006
 
Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)Exposé réseaux des neurones (NN) - (RN)
Exposé réseaux des neurones (NN) - (RN)
 
Deep learning
Deep learningDeep learning
Deep learning
 
Les reseaux profonds
Les reseaux profondsLes reseaux profonds
Les reseaux profonds
 
Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique Intelligence Artificielle - La technique et l'éthique
Intelligence Artificielle - La technique et l'éthique
 

En vedette

M5 - Repenser l’expérience client avant, pendant après le séjour, offline, o...
M5 - Repenser l’expérience client  avant, pendant après le séjour, offline, o...M5 - Repenser l’expérience client  avant, pendant après le séjour, offline, o...
M5 - Repenser l’expérience client avant, pendant après le séjour, offline, o...
Salon e-tourisme #VeM
 
M10 - Le marketing de l’intention anticiper le besoin client
M10 - Le marketing de l’intention  anticiper le besoin clientM10 - Le marketing de l’intention  anticiper le besoin client
M10 - Le marketing de l’intention anticiper le besoin client
Salon e-tourisme #VeM
 
Présentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplicationsPrésentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplications
Adelphe Patrick Mveng
 
Présentation excursion Ifrane
Présentation excursion IfranePrésentation excursion Ifrane
Présentation excursion Ifrane
Hassan Ou-aly
 
Sound+ultimate+cristian+camilo+cano+1001
Sound+ultimate+cristian+camilo+cano+1001Sound+ultimate+cristian+camilo+cano+1001
Sound+ultimate+cristian+camilo+cano+1001
soundarmy1001
 
L’échange international « mon corps, mon éducation, mes droits » - rapport ...
L’échange international   « mon corps, mon éducation, mes droits » - rapport ...L’échange international   « mon corps, mon éducation, mes droits » - rapport ...
L’échange international « mon corps, mon éducation, mes droits » - rapport ...
Joke Van Dooren
 
Práctica 6
Práctica 6Práctica 6
Le modèle IFADEM en action
Le modèle IFADEM en actionLe modèle IFADEM en action
Le modèle IFADEM en actionIFADEM
 
Ablacion2
Ablacion2Ablacion2
Trabajo final 16 nov
Trabajo final 16 novTrabajo final 16 nov
Trabajo final 16 nov
vasconcelos06
 
Redes informáticas
Redes informáticasRedes informáticas
Redes informáticas
dyaadianna
 
Liderazgo
LiderazgoLiderazgo
Liderazgo
Saulo Cifuentes
 
Treezmas, des sapins de Noël pour les entreprises
Treezmas, des sapins de Noël pour les entreprisesTreezmas, des sapins de Noël pour les entreprises
Treezmas, des sapins de Noël pour les entreprises
Treezmas
 
Boletin Consorcio Platja de Palma 07
Boletin Consorcio Platja de Palma 07Boletin Consorcio Platja de Palma 07
Boletin Consorcio Platja de Palma 07
Platja de Palma
 
L’indexation des éditions de sources et la conception de base(s) prosopograph...
L’indexation des éditions de sources et la conception de base(s) prosopograph...L’indexation des éditions de sources et la conception de base(s) prosopograph...
L’indexation des éditions de sources et la conception de base(s) prosopograph...
Equipex Biblissima
 
Practica modelos clasticos
Practica modelos clasticosPractica modelos clasticos
Practica modelos clasticospacozamora1
 
David alexander cano vallejo
David alexander cano vallejoDavid alexander cano vallejo
David alexander cano vallejo
sedkan
 
Présentation de Webschool Dijon
Présentation de Webschool DijonPrésentation de Webschool Dijon
Présentation de Webschool Dijon
webschool-dijon
 
Computo
ComputoComputo
Computo
ROSSYJIMENEZ
 
Las plantas
Las plantasLas plantas
Las plantas
Aliens Vega
 

En vedette (20)

M5 - Repenser l’expérience client avant, pendant après le séjour, offline, o...
M5 - Repenser l’expérience client  avant, pendant après le séjour, offline, o...M5 - Repenser l’expérience client  avant, pendant après le séjour, offline, o...
M5 - Repenser l’expérience client avant, pendant après le séjour, offline, o...
 
M10 - Le marketing de l’intention anticiper le besoin client
M10 - Le marketing de l’intention  anticiper le besoin clientM10 - Le marketing de l’intention  anticiper le besoin client
M10 - Le marketing de l’intention anticiper le besoin client
 
Présentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplicationsPrésentation intelligence artificielle et domaines dapplications
Présentation intelligence artificielle et domaines dapplications
 
Présentation excursion Ifrane
Présentation excursion IfranePrésentation excursion Ifrane
Présentation excursion Ifrane
 
Sound+ultimate+cristian+camilo+cano+1001
Sound+ultimate+cristian+camilo+cano+1001Sound+ultimate+cristian+camilo+cano+1001
Sound+ultimate+cristian+camilo+cano+1001
 
L’échange international « mon corps, mon éducation, mes droits » - rapport ...
L’échange international   « mon corps, mon éducation, mes droits » - rapport ...L’échange international   « mon corps, mon éducation, mes droits » - rapport ...
L’échange international « mon corps, mon éducation, mes droits » - rapport ...
 
Práctica 6
Práctica 6Práctica 6
Práctica 6
 
Le modèle IFADEM en action
Le modèle IFADEM en actionLe modèle IFADEM en action
Le modèle IFADEM en action
 
Ablacion2
Ablacion2Ablacion2
Ablacion2
 
Trabajo final 16 nov
Trabajo final 16 novTrabajo final 16 nov
Trabajo final 16 nov
 
Redes informáticas
Redes informáticasRedes informáticas
Redes informáticas
 
Liderazgo
LiderazgoLiderazgo
Liderazgo
 
Treezmas, des sapins de Noël pour les entreprises
Treezmas, des sapins de Noël pour les entreprisesTreezmas, des sapins de Noël pour les entreprises
Treezmas, des sapins de Noël pour les entreprises
 
Boletin Consorcio Platja de Palma 07
Boletin Consorcio Platja de Palma 07Boletin Consorcio Platja de Palma 07
Boletin Consorcio Platja de Palma 07
 
L’indexation des éditions de sources et la conception de base(s) prosopograph...
L’indexation des éditions de sources et la conception de base(s) prosopograph...L’indexation des éditions de sources et la conception de base(s) prosopograph...
L’indexation des éditions de sources et la conception de base(s) prosopograph...
 
Practica modelos clasticos
Practica modelos clasticosPractica modelos clasticos
Practica modelos clasticos
 
David alexander cano vallejo
David alexander cano vallejoDavid alexander cano vallejo
David alexander cano vallejo
 
Présentation de Webschool Dijon
Présentation de Webschool DijonPrésentation de Webschool Dijon
Présentation de Webschool Dijon
 
Computo
ComputoComputo
Computo
 
Las plantas
Las plantasLas plantas
Las plantas
 

Similaire à Ackerman04

ia.ppt
ia.pptia.ppt
ia.ppt
Notan2
 
Intelligence artificielle dans le domaine d'education.pdf
Intelligence artificielle dans le domaine d'education.pdfIntelligence artificielle dans le domaine d'education.pdf
Intelligence artificielle dans le domaine d'education.pdf
Gamal Mansour
 
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
OPcyberland
 
Intelligence-Artificielle-cours.pdf
Intelligence-Artificielle-cours.pdfIntelligence-Artificielle-cours.pdf
Intelligence-Artificielle-cours.pdf
TCHAMINIPRINCESSELUS
 
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
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
syliaghz
 
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdfI-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
lauriandjikam
 
Théories des Sciences de l'Information et de la Communication (partie 1)
Théories des Sciences de l'Information et de la Communication (partie 1)Théories des Sciences de l'Information et de la Communication (partie 1)
Théories des Sciences de l'Information et de la Communication (partie 1)
Clément Dussarps
 
Ch1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdfCh1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdf
kedegaston39
 
AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
MissaouiWissal
 
Intelligence Artificielle-course -S1.pdf
Intelligence Artificielle-course -S1.pdfIntelligence Artificielle-course -S1.pdf
Intelligence Artificielle-course -S1.pdf
AbdelghaniBoutlih
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdf
harizi riadh
 
historique de l'informatique
historique de l'informatiquehistorique de l'informatique
historique de l'informatique
Abdelouahab Benlatreche
 
The Golden Volume
The Golden VolumeThe Golden Volume
The Golden Volume
Florin Munteanu
 
I a pdf1
I a pdf1I a pdf1
I a pdf1
Prevost Boupda
 
Conférence du 10 novembre 2O22 par Yvon Gervaise.pdf
Conférence du 10 novembre 2O22  par Yvon Gervaise.pdfConférence du 10 novembre 2O22  par Yvon Gervaise.pdf
Conférence du 10 novembre 2O22 par Yvon Gervaise.pdf
Yvon Gervaise
 
001 intro psycho cognitive
001 intro psycho cognitive001 intro psycho cognitive
001 intro psycho cognitiveFrançois Dehan
 
Les Ontologies dans les Systèmes d’Information
Les Ontologies dans les Systèmes d’InformationLes Ontologies dans les Systèmes d’Information
Les Ontologies dans les Systèmes d’Information
catherine roussey
 

Similaire à Ackerman04 (20)

ia.ppt
ia.pptia.ppt
ia.ppt
 
ia.ppt
ia.pptia.ppt
ia.ppt
 
Intelligence artificielle dans le domaine d'education.pdf
Intelligence artificielle dans le domaine d'education.pdfIntelligence artificielle dans le domaine d'education.pdf
Intelligence artificielle dans le domaine d'education.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
 
Intelligence-Artificielle-cours.pdf
Intelligence-Artificielle-cours.pdfIntelligence-Artificielle-cours.pdf
Intelligence-Artificielle-cours.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...
 
cours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificiellecours introduction a l'intelligence artificielle
cours introduction a l'intelligence artificielle
 
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdfI-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
I-et-Simulation jfjduzizuzgeyehebeuabzjzjzh.pdf
 
Théories des Sciences de l'Information et de la Communication (partie 1)
Théories des Sciences de l'Information et de la Communication (partie 1)Théories des Sciences de l'Information et de la Communication (partie 1)
Théories des Sciences de l'Information et de la Communication (partie 1)
 
Ch1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdfCh1-Intro-IA-IFT6261-H-11.pdf
Ch1-Intro-IA-IFT6261-H-11.pdf
 
AI_course.pdf
AI_course.pdfAI_course.pdf
AI_course.pdf
 
Intelligence Artificielle-course -S1.pdf
Intelligence Artificielle-course -S1.pdfIntelligence Artificielle-course -S1.pdf
Intelligence Artificielle-course -S1.pdf
 
IntelligenceArtificielle.pdf
IntelligenceArtificielle.pdfIntelligenceArtificielle.pdf
IntelligenceArtificielle.pdf
 
historique de l'informatique
historique de l'informatiquehistorique de l'informatique
historique de l'informatique
 
The Golden Volume
The Golden VolumeThe Golden Volume
The Golden Volume
 
I a pdf1
I a pdf1I a pdf1
I a pdf1
 
Conférence du 10 novembre 2O22 par Yvon Gervaise.pdf
Conférence du 10 novembre 2O22  par Yvon Gervaise.pdfConférence du 10 novembre 2O22  par Yvon Gervaise.pdf
Conférence du 10 novembre 2O22 par Yvon Gervaise.pdf
 
001 intro psycho cognitive
001 intro psycho cognitive001 intro psycho cognitive
001 intro psycho cognitive
 
Jean Rohmer
Jean RohmerJean Rohmer
Jean Rohmer
 
Les Ontologies dans les Systèmes d’Information
Les Ontologies dans les Systèmes d’InformationLes Ontologies dans les Systèmes d’Information
Les Ontologies dans les Systèmes d’Information
 

Ackerman04

  • 1. Département de mathématiques et physique Faculté des Sciences appliquées Introduction à l’Intelligence Artificielle Nathanaël Ackerman Le 2 décembre 2004
  • 2. Introduction et Historique • Premières définitions et dichotomies • Historique : dates, noms, programmes… • Domaines d’application actuels • Conclusions – Deux perspectives sur l’historique du domaine – Le « pourquoi » de l’IA • Concepts clés • Bibliographie
  • 3. Partie 1 : Premières définitions et dichotomies
  • 4. Définitions • Choix du nom 1956, conférence de Dartmouth • « L’intelligence artificielle est la science qui consiste à faire faire à des machines ce que l’homme fait moyennant une certaine intelligence » M. Minsky • Problème de récursivité dans la définition
  • 5. La « complexité » mentale est-elle comparable à la complexité informatique ? La définition de Minsky exclut des domaines majeurs de l’IA : – La perception (vision et parole) – La robotique – La compréhension du langage naturel – Le sens commun
  • 6. Dictionnaires • Qu’est-ce que l’intelligence ? • Qu’est-ce que l’artificiel ?
  • 7. Remarques • La définition du terme « intelligence » change. • L’intelligence est liée à l’homme dans ses facultés de compréhension, et d’apprentissage, et observable grâce au comportement (adaptabilité). • Renvoi à des questions fondamentales : qu ’est-ce que la compréhension? Qu ’est-ce que l ’apprentissage ? Qu ’est- ce que la connaissance ?
  • 8. • Les tentatives de définitions de l’IA, sont floues quant aux domaines d’application et s’inscrivent plutôt dans une perspective cognitiviste de simulation du cerveau humain. Elles excluent la possibilité d’une forme d’intelligence non humaine. • Le terme artificiel a une connotation relativement péjorative et induit une tension conflictuelle entre l’homme et l’ordinateur. L ’ordinateur reste subordonné à l ’homme.
  • 9. Définition « opérationnelle » • « L’IA est le domaine de l’informatique qui étudie comment faire faire à l’ordinateur des tâches pour lesquelles l’homme est aujourd’hui encore le meilleur. » E. Rich • Définition essentiellement évolutive, l ’IA est innovatrice :
  • 10. Homme Perception Processus actions internes Raisonnements Motricité Vision Résolution de Robot problèmes Monde Planification Monde Apprentissage Audition Emotion Langage Parler Créativité
  • 11. Domaines connexes • Philosophie des sciences, de la connaissance, de l’esprit • Logique • Linguistique • Neurophysiologie • Psychologie cognitive • Optimisation mathématique • Automatique et contrôle • Statistique • Théorie des graphes • Aquisition et traitement d’images • Dynamique des systèmes chaotiques • Programmation robotique …
  • 12. Dichotomies • Strong AI vs Weak AI • Niveau de compétence vs niveau de performance • Algorithmique vs non algorithmique • Vision analytique vs vision émergente de la résolution de problèmes • Sciences du naturels vs sciences de l’Artificiel • ...
  • 13. Strong AI VS Weak AI • Point de vue essentiellement philosophique relatif à la conscience des machines • La conscience peut-elle émerger de manipulations purement syntaxiques ? (cf Chambre Chinoise, Searle 81) • Hypothèse d ’un système physique de symboles (Newell 1980); la conscience du thermostat (D. Chalmers) • Matrix
  • 14. Niveau de compétence VS Niveau de performance • Distinction introduite par Chomsky : faire « comme » ou faire « aussi bien que ». • L’oiseau et l ’avion volent … • Jeux d ’échecs : les GMI réfléchissent différemment de Deep Blue • Question fondamentale en Sciences Cognitives : l ’aspect séquentiel du processeur limite-t-il la validité de l ’approche connexionniste?
  • 15. Algorithmique vs non Algorithmique • Un algorithme est une séquence finie d ’instructions qui permet de résoudre un problème en un temps fini. • La définition de l ’IA comme domaine de la programmation non algorithmique est équivoque.
  • 16. Vision analytique vs vision émergente • Décomposition de problèmes en sous-problèmes plus simples à résoudre (analyse procédurale, système experts basés sur la logique des prédicats) • Distribution des tâches à un ensemble d ’agents qui interagissent (NN, OO, Ant Algorithm) • Dans la même veine : – IA classique vs IA NN – IA symbolique vs IA numérique
  • 17. Plus court chemin (méthode analytique) f(x) 5 min ∫ 1 + f '2 ( x) dx f ∈C 1 0  ( 0) = f 0  x  ( 2) = f 10   ( 4) = f 11 f ( x ) − − > x 4 0 ∀ : 1 <x < x 3   ' ( x) > 1 f − ∀ : 0 <x < x 4
  • 18. Plus court chemin (approche émergente) f(x) f(x) x x
  • 19. Sciences naturelles vs Sciences de l’artificiel • Compréhension des phénomènes de la nature • Cette compréhension passe par la construction de modèles capables de réaliser des simulations. D’où la possibilité d ’explorer effectivement les conséquences des postulats initiaux; éthologie des programmes informatiques • Sciences normatives par opposition au caractère descriptif des sciences naturelles.
  • 20. Caractéristiques de l’IA VS informatique classique • Informatique plus symbolique • Aspects plus déclaratif, moins procédural • On privilégie la satisfaction à l’optimisation (sauf si l’on introduit des méta-règles heuristiques) • Données incomplètes, inexactes, conflictuelles • La notion de représentation d’un problème est fondamentale • Pluridisciplinaire: logique, psycho-cognitive, biologie, neurosciences, philosophies, mathématiques …
  • 21. Partie 2 : Historique : dates, noms, programmes…
  • 23. Machines Programmables Métier à tisser Machine Analytique (Jacquard 1805) (Babbage & A. Ada Lovelace 1837)
  • 24. Quelques approches théoriques avant 1900 • XIII : Raymond Lulle (Ars Magna) • XVIII : Gottfried Wilhelm Leibnitz (calculus Ratiocinator) • XIX : – George Boole, The Laws of Thaught, 1854; – Gottlob Frege (1879 – logique des prédicats)
  • 25. Tentative de Leibnitz substance = 2 material = 3 immaterial = 5 animate = 7 inanimate = 11 sensitive = 13 insensitive = 17 rational = 19 irrationnal = 23 … Human = 2 x 3 x 7 x 13 x 19 = 10374 Mineral = 2 x 3 x 11 = 66 103674 mod 66 ≠0 => a human is not a mineral Transitivité de l’héritage
  • 26. Formalisation du raisonnement • Logique des propositions syntaxe inductive permettant d’écrire des formules Sémantique vérifonctionnelle (+ table de vérité) (A ∧(A ⇒ B)) ⇒ B modus ponens (¬ B ∧(A ⇒ B)) ⇒ ¬ A) modus tollens • Logique des prédicats ∀x homme(x ) ⇒ mortel(x ) (1) homme(Socrate). (2) homme(Socrate) ⇒ mortel(Socrate) (3) mortel(Socrate). (4)
  • 27. 1900-1945 • David Hilbert – 23 problèmes (Second Congrès International des mathématiques à Paris, 1900) • Russell et Whitehead – Principia mathematica (1913) • Emil Post – Systèmes de production • Gödel – théorème d’incomplétude (1931) • Turing – machine universelle (1936) – pas d’a priori sur la non prouvabilité d’un théorème
  • 28. La machine universelle Unité de États internes: Etat0, Etat1, Etat2, commande ... Ruban= entrée, sortie et mémoire Lecture/écriture + + + + Etat de la Contenu de Ecrit sur le Déplacement Etat suivant machine la cellule ruban ruban Etat0 vide D Etat0 Etat0 + D Etat1 Le Programme
  • 29. Neurone formel Mac Cullogh & Pitts (1943) 1 0.3 -1 0 Σ 1 0.5 1
  • 30. Cybernétique (1947) • Norbert Wiener, s’inspirant de la biologie, introduit la notion de rétroaction dans les systèmes de traitement de l’information. • Idée des boucles réentrantes fondamentales en IA et Sciences Cognitives. input output Système controle feedback
  • 31. ENIAC 1945 • Electrical and Numerical Integrator and Calculator • Architecture de Von Neumann: ranger les données et les instructions dans une « mémoire »; le processeur – séparé – réalise les calculs. • 1900 tubes à vides, 1500 relais, des milliers de résistances, capacités … 200 KW • 10 khz (addition)
  • 32.
  • 33. The Turing Test (1950)
  • 34. Dartmouth 1956 « Chaque aspect de l’apprentissage, ou tout autre caractéristique de l’intelligence, peut en principe être décrit si précisément qu’il est possible de construire une machine pour le simuler » • Minsky : le dinosaure… • Newell et Simon (Prix Nobel d’économie 1978) • John McCarthy • Claude Shannon : théorie mathématique de l’information et de la communication (1960) • Selfridge : Pandemonium
  • 35. Approche Symbolique • Newell et Simon (CMU) – Logic Theorist : démonstration des théorèmes des Principia Mathematica de Russell et Whitehead – General Problem Solver (GPS 59) • Weizenbaum – Eliza (1966) simule un psycholgue rogerien • Dans la lignée de A. Turing – Traduction automatique du langage – Jeux d’ échecs
  • 36. Exemples typiques de problèmes (années 50-60) • Le fermier, le loup, la chèvre et le choux • Les recipients : comment obtenir 1 litre d’eau, avec deux récipients de capacité 2 litres et 5 litres (ce dernier étant rempli au départ) • Intégration symbolique de sin(x). cos(x) • Voyageur de commerce • Les huits reines • Les tours de Hanoi • Le Singe et les bananes
  • 37. Résultats • Première catégorisations sur les strucutres de données : arbre de recherche, définition d’un espace d’états, … • Algorithme de recherche : A, A*,… • Succès de l’application de la logique des prédicats • MacSyma et GPS • Échec flagrant de la traduction automatique : la sémantique émerge du contexte; peu de moyen pour représenter le sens commun •
  • 39. Algorithme A* - problème du taquin 1+5 2+4 3+4 2 8 3 2 8 3 2 3 5+2 1 6 4 14 1 8 4 1 2 3 7 5 76 5 76 5 7 8 4 3+2 5 6 5 0+4 1+3 2+3 4+1 2 8 3 2 8 3 2 3 2 3 1 2 3 1 6 4 1 4 1 8 4 1 8 4 8 4 7 5 76 5 76 5 76 5 76 5 3+4 5+0 1+5 2+3 2 8 3 1 2 3 2 8 3 2 8 3 71 4 8 4 1 6 4 1 4 6 5 76 5 75 76 5 3+3 GOAL 8 3 2 1 4 76 5
  • 40. Approche connexionniste • Mac Cullogh & Pitts – Développement du neurone formel (1943) • Hebb – relie les comportements de conditionnement simple à une loi de renforcement synaptique (1949) • Selfridge – Pandemonium (1956) • Rosenblatt – modèle du Perceptron (1958)
  • 41. Le perceptron • réseau de neurones à 2 couches inspiré du système visuel • Définition d’une règle d’apprentissage – La règle delta
  • 42. Les années 70 – début 80 • Période d’ombre pour l’approche connexionniste – Minsky et Papert, Perceptrons, 1969 – Impossibilité de l’apprentissage du XOR • Renforcement de l’approche symbolique : – Travaux sur la représentation de la connaissance : réseaux sémantiques, Scripts (Shank 1977), approche déclarative – Etude des micromondes : SHRDLU (Winograd, 1972) – Développement des Systèmes Experts, apparition de Prolog (1972)
  • 46. SHRDLU : the Block World Winograd 1972
  • 47. SHRDLU 2001 HMM Analyse Analyse + Syntaxique Sémantique NN
  • 48. Systèmes Experts Base de connaissance (BC) mémoire à long terme Moteur d’inférence Base de faits (BF) (MI) mémoire de travail • Chainage avant (Rules) ou arrière (Prolog) • Dendral (1965), Mycin (1974); Prospector(1983)
  • 49. Mycin (1974 - …) • Aide au diagnostic / thérapie dans le domaine médical (septicémies, méningites …) • Connaissances représentées explicitement sous forme de règles • Prise en compte de l’incertain • Réelle compétence • Capacité à expliquer le raisonnement
  • 50. Mycin – exemple de règles • Si le site de culture est le sang, et que le germe est positif à la coloration de Gram et que la porte d’entrée est l’appareil gastro-intestinal et que • L’abdomen est le site d’infection ou • Le bassinet est le site d’infection Alors • Il y a de très fortes présomptions pour que les entérobactéries soient la classe d’organismes que la thérapie devra traiter.
  • 51. Années 80 • Récession de l’approche symbolique due aux déclarations non tenues : – Échec de la généralisation des micromondes – Manque de souplesse des systèmes experts • Succès dans des domaines ciblés, intégration dans la vie économique : informatique de gestion … • Renaissance de l’approche connexionniste : – Hopfield, mémoire autoassociative, 1982 – Rumelhart & McClelland, Parallel Distributed Processes, MIT Press, 1985
  • 53. Hopfield • Mémoires auto-associatives par un apprentissage hebbien • Utilisation des résultats de la physique statistique et des verres de spins
  • 55. Domaines actuels de recherche • Machine Learning, reinforcement learning • Datamining : classification supervisée et non supervisée; combinaison de classificateurs • Vision artificielle, reconnaissance des formes • Reconnaissance et traitement de la parole, sens commun • Définition de méthodes métaheuristiques : ants algorithm, local search, algorithme génétique
  • 56. • Systèmes multiagents (intelligence distribuée, planification multiagents) • Agents intelligents (sur internet); Objets Intelligents • Programmation automatique • Philosophie de l’Esprit : Hard Problem of consciousness
  • 57. • Robotique sensorielle (Cog, Kismet) • Artificial Life • Chimie computationnelle • Etude du chaos dans les réseaux de neurones • Evolutionary robotics
  • 59.
  • 60.
  • 62. Perspective philosophique • Emulation de la pensée raisonnée • Trois étapes : – Représentation de la connaissance – Mode déductif : le raisonnement – Mode inductif : l’apprentissage
  • 63. Perspective technologique • Développement de la puissance de calcul des ordinateurs (loi de Moore) • Changement de paradigme : la technologie a pris une longueur d’avance; distinction difficile entre intégration technologique et véritable progrès scientifique.
  • 64. Conclusions • Deux acceptions dans la définition : – Programme scientifique et technologique visant à doter l’ordinateur de capacités telles que la vision, l’acquisition des connaissances, la prise de décisions … habituellement attribuées à l’intelligence humaine (démarche pragmatique). – Étude des mécanismes de l’intelligence en général, l’ordinateur est un moyen de simulation (démarche cognitive). • Réel échange entre l’homme et la machine (le Pourquoi? de la définition opérationnelle) – Enseignement intelligemment assisté – Réalité augmentée – Éthologie artificielle: S. Wolfram, A new kind of Science, 2002. – Hans Moravec & nanotechnologies – ICCS 2002, Boston, Massachussets
  • 65. COURS à l’ULB • INFO 362 : éléments de logique et d’intelligence artificielle (Pierre Gaspart – 4ème info - FSA) • MATH 304 : Intelligence artificielle (Pierre Gaspart – 5ème FSA) • INFO 373 : méthodes numériques en Intelligence artificielle (Hugues Bersini – 5ème - FSA) • INFO 087 : Intelligence artificielle (Pascal Francq - Infodoc – Philo et Lettres) • COGN00X : Introduction à l’intelligence artificielle (Nathanael Ackerman – DEA Sciences Cognitives - PSycho)
  • 66. Bibliographie • A. Barr, E.A. Feigenbaum, The Handbook of Artificial Intelligence, W. Kaufmann, Inc. , Palo Alto, 1981. • Cornuéjols A., Miclet L., Apprentissage Artificiel, concepts et algorithmes, Eyrolles, Paris, 2002. • D. Crevier, The tumultuous History of the search for Artificial Intelligence, Harper Collins Publishers, Inc., New York, 1993. (Flammarion, coll. Champs, 1997). • J.-P. Delahaye, L ’intelligence et le calcul, de Gödel aux ordinateurs quantiques, Belin, Pour la Science, 2002. • J.-P. Haton, M.-C. Haton, l ’Intelligence Artificielle, PUF, coll. Que sais-je ?, 3d ed., 1993.
  • 67. •Haykin S., Neural Networks, a comprehensive foundation, Prentice Hall, 2nd ed., 1999. •Hofstader D., Gödel, Escher, Bach : an Eternal Golden Braid, Basic Books, USA, 1979 (Intereditions/ Masson, Paris, 1985) •Nilsson N. J., Principles of Artificial Intelligence, Palo Alto, Tioga Publishing Co., 1980. •N.J. Nilsson, Artificial Intelligence: A New Synthesis, Artificial Intelligence, n°125, pp 227-232, Elsevier, 2001. • J.-F. Le Ny et al., Intelligence naturelle et Intelligence  Artificielle, Symposium de l ’APSLF (Rome, 1991), PUF, Paris, 1993. •M. Minsky, The Society of Mind, Basic Books, First TouchStone ed., New York, 1988.
  • 68. • Rich E. , Knight K., Artificial Intelligence, McGraw Hill Inc. (International Edition), USA, 1991. • Searle J.R., The mystery of consciousness, Granta Books, GB, 1997. (Odile Jacob, Paris, 1999) • Searle J.R., Minds, Brains and Programs, the Behavioral and Brain Sciences, 1981 • Turing A.M., Computing Machinery and Intelligence, Mind, 1950. • Pour la Science, L ’Intelligence, n° spécial, décembre 1998
  • 69. Revues Scientifiques • AI communications, The European Journal on Artificial Intelligence, IOS Press, The Nederlands, published quarterly. • AI Magazine, AAAI Press, USA, published quarterly. • Artificial Intelligence, Elsevier Science, The Nederlands, published monthly. • Artificial Life, MIT Press, Cambridge, Massachussets, published quarterly.
  • 70. • IEEE Intelligent Systems, IEEE Press, published 6 times in a year. • JETAI : Journal of Experimental and theoretical Artificial Intelligence, Taylor and Francis Ltd, UK., published quarterly. • Journal of the ACM, ACM, NY, published 6 times a year.

Notes de l'éditeur

  1. Cette définition « historique » (reprise par Boden 1972) exclut des domaines clé et majeurs de l’IA; de plus elle sous-entend - dans la bouche de Minsky - l ’intelligence logico-mathématique.
  2. Complexité mentale = calculer, jouer aux échecs, faire des math, culture générale … Complexité informatique = percevoir, bouger, comprendre, simuler le nouveau né …
  3. Il est intéressant de constater l’évolution de la définiton du terme intelligence dans le dictionnaire … Dictionnaire usuel, Quillet Flammarion, 1973, France L’Esprit dans sa faculté de concevoir, de comprendre; manière de comprendre propre à chaque esprit; connaissance approfondie […] Dictionnaire Encyclopédique, Petit Larousse, 1993, France Faculté de comprendre, de saisir par la pensée. L’intelligence distingue l’homme de l’animal . Intelligence Artificielle : intelligence humaine simulée par une machine; ensemble des théories et des techniques mises en œuvre pour réaliser de telle machine. Aptitude à s’adapter à une situation, à choisir en fonction des circonstances; capacité de comprendre, de donner du sens à telle ou telle chose. Etre humain considéré dans ses aptitudes intellectuelles
  4. Petit Larousse, 2001 Faculté de comprendre, de saisir par la pensée, ensemble des fonctions mentales ayant pour objet la connaissance conceptuelle. L’intelligence distingue l’homme de l’animal . Intelligence Artificielle : ensemble des théories et des techniques mises en œuvre pour réaliser des machines dont le fonctionnement s’apparente à celui du cerveau humain. Aptitude à s’adapter à une situation, à choisir en fonction des circonstances; capacité de comprendre, de donner du sens à telle ou telle chose. Etre humain considéré dans ses aptitudes intellectuelles […] En ce qui concerne le terme artificiel , les définitions concordent : Qui n’est as naturel, fabriqué par l’homme; qui manque d’authenticité, qui relève du procédé : arbitraire(« classement artificiel »)
  5. On observe que la définition du terme intelligence évolue. Ceci est à mettre en rapport avec l’intérêt qu’a porté la Science sur la compréhension du raisonnement humain (les années nonante comme la décennie de recherche sur le Cerveau). Quoiqu’il en soit ces définitions sont fort peu opérationnelles et témoignent de la difficulté à cerner ce concept. Elles renvoient d’emblée à d’autres questions fondamentales : Qu’est-ce que la compréhension ? Qu’est-ce que l’apprentissage ? Qu’est-ce que la Connaissance ? etc … On dégage de ces définitions deux éléments clé : l’intelligence est liée à l’homme dans ses facultés de compréhension, et d’apprentissage, et observable grâce au comportement (adaptabilité). Les tentatives de définitions de l’IA, sont floues quant aux domaines d’application et s’inscrivent plutôt dans une perspective cognitiviste de simulation du cerveau humain. Elles excluent la possibilité d’une forme d’intelligence non humaine. Le terme artificiel a une connotation relativement péjorative et induit une tension conflictuelle entre l’homme et l’ordinateur. L ’ordinateur reste subordonné à l ’homme.
  6. Les pionniers de l’aviation abandonnèrent (vite?) l’idée d’imiter le vol des oiseaux pour lui préferer une analyse en terme d’écoulement d’air ou de pressions. « L’avion a beaucoup évolué depuis celui des frères Wright; il n’atteindra jamais l’élégante précision de l’oiseau, mais par d’autres aspects, il le dépasse largement. Au lieu de confiner l’intelligence artificielle à la reproduction des comportements humains, nous pouvons, plus utilement, chercher à donner des comportements intelligents aux systèmes de calcul. […] L’histoire de l’aviation a également montré que la technique devance fréquemment la connaissance scientifique. Les concepteurs des premiers avions n’apprirent pas les principes de l’aérodynamique en étudiant l’anatomie des oiseaux […] Elle naquit des premières expériences en soufflerie, au début du XX ème siècle[…] On ne découvrira pas les principes de la pensée intelligente en plongeant dans les dédales de l’esprit humain. Une science de l’intelligence doit isoler des aspects spécifiques de la pensée, comme la mémoire, la recherche et l’adaptation, pour nous permettre de les expérimenter, chacun à leur tour, sur des systèmes artificiels. […]Le véritable but de l’IA est la création d’une science de l’intelligence elle-même qu’elle soit humaine ou non. […] Ainsi l’IA est la technique des objets cognitifs fondées sur la compréhension « calculatoire » qui alimente et instruit les sciences cognitives » in K. Forth, P. Hayes, L’intelligence artificielle , Pour la Science, n° 254, pp 158-163, 12-1998.
  7. Pygmalion, roi de Chypre dans la mythologie grecque et sculpteur a ses heures tomba amoureux d’une statue de femme qu’il scultait suite à un sort d’Aphrodite. Emue par ses souffrances, elle décida de donner vie à Galatée. George Bernard Sahw repris l’histoire dans une pièce de théâtre en 1916. Le dix-huitième siècle est l’âge d’or des automates : Jacques de Vaucanson crée son joueur de flûte et son canard (défécant) Le Turc joueur d’échec du Baron Von Kempelen (1769) Mary Shelley, épouse de Lord Byron, écrivit Frankenstein ou le Prométhée moderne en 1818. Carlo Collodi écrivit Pinnochio par épisodes entre 1881 et 1883.
  8. W3C Recommendation 10 February 2004 (http://www.w3.org/TR/owl-guide/) The World Wide Web as it is currently constituted resembles a poorly mapped geography. Our insight into the documents and capabilities available are based on keyword searches, abetted by clever use of document connectivity and usage patterns. The sheer mass of this data is unmanageable without powerful tool support. In order to map this terrain more precisely, computational agents require machine-readable descriptions of the content and capabilities of Web accessible resources. These descriptions must be in addition to the human-readable versions of that information. The OWL Web Ontology Language is intended to provide a language that can be used to describe the classes and relations between them that are inherent in Web documents and applications. This document demonstrates the use of the OWL language to formalize a domain by defining classes and properties of those classes, define individuals and assert properties about them, and reason about these classes and individuals to the degree permitted by the formal semantics of the OWL language. The OWL Web Ontology Language is designed for use by applications that need to process the content of information instead of just presenting information to humans. OWL facilitates greater machine interpretability of Web content than that supported by XML, RDF, and RDF Schema (RDF-S) by providing additional vocabulary along with a formal semantics. OWL has three increasingly-expressive sublanguages: OWL Lite, OWL DL, and OWL Full.
  9. The human observer said : “Put the red block on the cyan block”. And VIAVOICE recognized his words and whispered it to the Syntactical Analyzer. The Syntactical Analyzer understood that it was about an order to execute concerning two colored blocks and told it to his neighbor. The Avatar then asked : “ What red block are you talking about ?”. “ The one on the yellow block” the human answered. And the Semantical Analyzer transmitted the instruction to the Planning Agent who executed the order, putting first the blue block on the table. That is why the red block is on the cyan block, my Son.
  10.          L&apos;interface qui permet au monde extérieur d&apos;avoir accès aux services du système.          La base de connaissance qui contient les faits et les règles qui représentent la connaissance disponible pour le domaine d&apos;application considéré. Nous verrons plus loin que les règles (de type implication ) sont en général utilisées pour formaliser la connaissance experte à propos du domaine d&apos;application. Les faits sont, quant à eux, descriptifs de la situation courante de l’application.          Le moteur d&apos;inférence qui est en fait l&apos;implantation logicielle et/ou matérielle des procédures d&apos;inférence utilisées par le système. Ce moteur est clairement séparé de la base de connaissance de manière à ce que le système expert puisse être utilisé dans divers domaines. Signalons dès à présent qu&apos;on utilise très souvent une procédure similaire à modus ponens comme moyen d&apos;inférence.
  11. ECCAI, the European Coordinating Committee for Artificial Intelligence Eccai was established in July 1982 as a representative body for the European Artificial Intelligence community. Its aim is to promote the study, research and application of Artificial Intelligence in Europe. http://www.eccai.org American Association for Artificial Intelligence Founded in 1979, the American Association for Artificial Intelligence (AAAI) is a nonprofit scientific society devoted to advancing the scientific understanding of the mechanisms underlying thought and intelligent behavior and their embodiment in machines. AAAI also aims to increase public understanding of artificial intelligence, improve the teaching and training of AI practitioners, and provide guidance for research planners and funders concerning the importance and potential of current AI developments and future directions. Major AAAI activities include organizing and sponsoring conferences, symposia, and workshops, publishing a quarterly magazine for all members, publishing books, proceedings, and reports, and awarding grants, scholarships, and other honors. http://www.aaai.org Elsevier http://www.computer.org/intelligent/
  12. Association for Computing Machinery Founded in 1947, ACM is a major force in advancing the skills of information technology professionals and students worldwide. Today, our 75,000 members and the public turn to ACM for the industry&apos;s leading Portal to Computing Literature, authoritative publications and pioneering conferences, providing leadership for the 21st century. http://www.acm.org Institute of Electrical and Electronics Engineers The IEEE (Eye-triple-E) is a non-profit, technical professional association of more than 377,000 individual members in 150 countries. The full name is the Institute of Electrical and Electronics Engineers, Inc., although the organization is most popularly known and referred to by the letters I-E-E-E. http://www.computer.org/intelligent/