Intelligence Artificielle : Introduction à l'intelligence artificielle
11 j'aime•10,173 vues
Ce document présente une introduction à l'intelligence artificielle, abordant des sujets tels que les différentes formes d'intelligence, les agents rationnels et les sous-domaines de l'IA, y compris le traitement du langage naturel et l'apprentissage automatique. Il décrit également des films pertinents illustrant les concepts de l'IA et mentionne des figures clés comme Alan Turing et Marvin Minsky. Le cours est évalué à travers des travaux pratiques, une présentation orale et un examen écrit.
![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](https://image.slidesharecdn.com/ecam-ia-2016-cours1-slides-160312113548/85/Intelligence-Artificielle-Introduction-a-l-intelligence-artificielle-46-320.jpg)
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
- 11. Intelligence
- 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