1 / 34

Intelligence artificielle

Intelligence artificielle. Plan du cours. 1.Généralités sur l’IA 2. Langages pour l’IA: LE_LISP, PROLOG Application: les Systèmes Expert 3. Les réseaux neuronaux Application: la reconnaissance des formes (lettres, chiffres). Généralités. -Définition -Objectifs de l’IA

rhonda-cook
Download Presentation

Intelligence artificielle

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Intelligence artificielle

  2. Plan du cours 1.Généralités sur l’IA 2. Langages pour l’IA: LE_LISP, PROLOG Application:les Systèmes Expert 3. Les réseaux neuronaux Application: la reconnaissance des formes (lettres, chiffres)

  3. Généralités -Définition -Objectifs de l’IA -Origine et développement -Domaines de recherche et d’application -Techniques et problèmes spécifiques -Langages pour l’IA -Comparaison IA/IN

  4. Définition Une définition possible (parmi d’autres): Ensemble de disciplines qui cherchent à reproduire techniquement certaines performances de l’intellect humain qualifiées d’intelligentes. Exemples d’activités intelligentes: - déduire des relations entre objets (ex: la causalité) - généraliser des relations –> déduire des lois (ex: F = m*a) - faire des abstractions à partir de données concrètes - apprendre par expérience (clé de voûte de l’intelligence)) - reconnaître des formes noyées dans le bruit (lettres, chiffres, photos etc) - faire des analogies (fonctionnelles ou structurelles) - avoir de l’intuition (compréhension rapide non détaillée) - créer des entités nouvelles douées de valeurs (art, inventions techniques)

  5. Spécificités de l’IA -l’IA est pluridisciplinaire (elle utilise les acquis de plusieurs disciplines) psychologie, neurologie, logique, linguistique, automatique, informatique, mathématiques etc donc une grande variété de concepts et de techniques

  6. Objectifs de l’IA • Réaliser des programmes et des dispositifs utiles • -robots de plus en plus autonomes (explorations périlleuses) • -traduction automatique • -systèmes expert de diagnostic (médecine, technique) • -reconnaissance des formes (lettres, chiffres, photos) • 2. Etudier les mécanismes cérébraux • -au niveau neuronal (réseaux neuronaux) • -au niveau psychologique (l’IA symbolique) • Ces deux domaines sont liés et se complètent mutuellement

  7. Origines de l’A • Penchant ancien de l’homme à créer des mécanismes autonomes • - mécanismes naïfs (antiquité) • -automates de Vaucanson (moyen âge) • -régulateur de Watt (XX ème siècle) • 2. Mécanismes électroniques doués d’autonomie • -tortues de Grey Walter • -perceptron de Rosenblatt • 3. Essor de l’IA grâce à l’informatique(2ème moitié du XXème siècle) • John McCarthy lance le terme AI (1956) – congrès USA

  8. Développement • 1950 – 1960 • programmes pour la démonstration des théorèmes de géométrie et d’algèbre « THE LOGIC THEORIST » • programmes pour le traitement symbolique (non numérique) de l’information (IPL1 – père du LISP) • 1960 – 1970 • le traitement du langage; les grammaires formelles de CHOMSKY • la résolution des problèmes: programme GPS (General Problem Solver) • 1970 – 1980 • la représentation des connaissances • langages pour l’IA (LISP, PROLOG, PLANNER, CONNIVER etc) • systèmes expert (DENDRALL, MYCIN) • analyse des images, reconnaissance des formes • robots intelligents (à coordination œil-main) • 1980 -> développement de ces domaines

  9. Tendances actuelles • On remarque deux tendances: • L’IA symbolique qui développe des programmes qui « raisonnent » à l’instar des humains (logiques formelles, règles déductives du type SI…ALORS etc) - simulation de l’intelligence au niveau global, psychologique • . L’IA connexioniste qui imite le fonctionnement des réseaux neuronaux - simulation de l’intelligence au niveau neuronal

  10. Domaines de recherche actuels Le traitement du langage naturel à différents niveaux: - morphologique (identifier les mots) - syntaxique (grammaire de la phrase) - sémantique (le sens de la phrase) - pragmatique (trouver l’action adéquate) La reconnaissance des formes - reconnaissance de l’écriture - reconnaissance de la parole - communication fluide homme/machine La gestion des incertitudes – modèles pour - la prise de décisions - la prévision Les réseaux neuronaux (connexionisme) – modèles d’apprentissage Les jeux intelligents –stratégies heuristiques (l’explosion combinatoire exclut une stratégie algorithmique pure)

  11. Techniques et problèmes spécifiques La représentation des connaissances -correspondance entre le monde externe et un système de symboles internes -difficultés: connaissances vagues, changeantes, incertaines, nonstructurées etc Techniques de recherche des solutions -recherche dans l’espace d’états -recherche dans les systèmes déductifs à base de règles (SI…ALORS) Techniques d’apprentissage -utiliser l’expérience pour améliorer les performances (clé de voûte du comportement intelligent)

  12. Langages pour l’IA Les langages classiques (Fortran, Cobol, C, Pascal etc) : traitement de l’information numérique -> calcul Les langages pour l’IA(LISP, PROLOG, SMALLTALK,PLANNER, CONNIVER) : traitement de l’information symbolique -> raisonnement

  13. Comparaison IA / IN Capacité et organisation de la mémoire mémoire individuelle < mémoire machine (Go) mémoire collective grande (bibliothèques, archives etc) mémoire humaine: associative (plus performante) mémoire machine par adresses Vitesse de calcul machine: 10^8 op/sec > homme: 1op/sec 20-30 LIPS (Logical Inference Per Second) Langage langage humain: redondant, nuancé, flexible langage de programmation: concentré, rigoureux, figé Spécificités de l’IN non acquises par l’IA versatilité, créativité, intuition, douée de valeurs

  14. Le test de TURINGpour comparer l’IA et l’IN Un humain ‘A’ communique par ordinateur et sans les voir avec B et C. S’il n’arrive pas à les identifier c’est que leur intelligence est pareille. B C humain machine A humain

  15. L’IA symbolique Imite le raisonnement humain au niveau global Basée sur les « logiques formelles » (règles du raisonnement logique) Première étude de la logique humaine: ARISTOTE (philosophe grec - 300 av. J.C.) Logique « binaire » (deux valeurs de vérité: VRAI et FAUX) Formalisation de la logique: G.BOOLE (mathématicien et logicien britannique – 1860) « l’algèbre de Boole » pose les bases de la logique mathématique . Développement puissant des études de logique au 20ème siècle : - logique probabiliste (connaissances incertaines) - logique temporelle (tient compte du temps dans le raisonnement) - logique floue (plusieurs valeurs de vérité)

  16. La logique du premier ordre John McCarthy propose en 1958 d’utiliser la logique formelle dans les programmes d’IA La logique formelle étudie les règles du raisonnement. Elle comprend: 1. Le calcul des propositions (raisonnements élémentaires) 2. Le calcul des prédicats (raisonnements plus complexes)

  17. Le calcul des propositions Le calcul des propositions est défini par: -une syntaxe qui permet de construire des propositions correctes -des règles d’inférence (de raisonnement) qui permettent de déduire de nouvelles vérités (SI fièvre ALORS maladie) -une sémantique qui assigne des valeurs de vérité (VRAI,FAUX) aux propositions -cinq connectifs logiques pour combiner les propositions: ET noté Λ, & OU noté V NON noté ~, - IMPLIQUE noté  EQUIVALENT noté =

  18. Exemple d’inférenceen calcul des propositions Soient deux propositions: A = je suis à Paris B = je suis en France Formalisation: SI A => B & SI A = T ALORS B = T T = TRUE (VRAI)

  19. Le calcul des prédicats -Le prédicat représente une relation entre des termes. Exemple: va (jean, mer)(jean va à la mer) va (jean, mer) V va (jean, montagne)(jean va à la mer ou à la montagne) -Le calcul des prédicatsintroduit lanotion devariableet les quantificateurs: variable : symbole qui peut prendre diverses valeurs : quantificateur existentiel ; x (il existe un x) : quantificateur universel ; x (quel que soit x) Exemples: (x) éléphant ( x )  couleur ( x, gris ) (tous les éléphants sont gris) (x) (y) SI père (x, y) & père (y, z) ALORS grand-père (x, z) (SI x est le père de y ET y le père de z ALORS x est le grand-père de z)

  20. Application du calcul des prédicats au déplacement des cubes État final État initial b a c b c a

  21. Définition des états Pour définir les états on utilise les prédicats « sur » et « libre » L’état initial: sur (c, a) Λ sur (a, table) Λ sur (b, table) Λ libre (c) Λ libre (b) L’état final: sur (a, b) Λ sur (b, c) Λ sur (c, table)

  22. Les règles de déplacement Pour définir les règles on ajoute les prédicats «ôter » et « empiler ». Règle1: (pour vérifier qu’un cube est libre) (x) [ libre x  ( y ) sur ( y, x ) ] (si un cube est libre il n’existe aucun cube sur lui) Règle2: (pour ôter un cube) sur ( y, x ) Λ ôter ( y, x )  libre ( x ) et sur ( y, x ) Règle3: (pour empiler un cube) libre ( x ) Λ libre ( y ) Λ empiler ( y, x )  sur ( y, x )

  23. Stratégie pour atteindre « l’état final » b a L’état final: sur (a, b) Λ sur (b, c) Λ sur (c, table) -Essai de satisfaire la première clause: sur (a, b) (premier but) -Application de R3 avec: x=a, y=b -conditions de R3: libre (a ), libre (b), empiler (a, b)(sous buts) -sous but1: libre ( a )R1 montre que ‘a’ n’est pas libre - pour libérer ‘a’ -> R2 (avec x = a) : sur ( y, a ), ôter ( y, a ) - sur ( y, a ) est établi avec y = c (état initial) -exécuter - ôter ( c, a ) (première commande) -on obtient: libre ( a ) et (libre c) -on a déjà: libre ( b )(état initial) -exécuter : empiler ( a, b )(deuxième commande) on obtient : c c a b a b c État initial État intermédiaire

  24. Suite -Essai de satisfaire la deuxième clause: sur( b, c ) -On applique R3 avec x = b, y = c -sous buts de R3: libre ( b ), libre ( c ), empiler (b, c ) -R1 montre que ‘b’ n’est pas libre, donc: -R2: ôter (a, b ) défaire l’action précédente  on obtient : libre ( b ) -on vérifie libre ( c ) avec R1 et on exécute : empiler(b,c) -on exécute: empiler (a,b). b a a c b c c État intermédiaire Etat final

  25. Conclusion L’ordre d’exécution des sous buts n’est pas indifférent D’abord sur (c, table ) ensuite sur( b, c ), ensuite sur (a, b). Il faut des informations supplémentaires (des métaconnaissances) Exemple de métaconnaissances : attaquer d’abord les buts de bas niveau Sinon attaquer les buts par une démarche aveugle qui parvient au but si toutes les possibilités sont explorées (démarche plus longue)

  26. Représentation dans l’espace d’états L’étatd’un système est donné par l’ensemble de ses (n) paramètres. C’est un point dans un espace à n dimensions – l’espace d’états. Exemples: pour n=2 -> un point dans le plan défini par deux coordonnées (x,y) pour n=3 -> un point dans l’espace (naturel) à trois dimensions (x,y,z) y y . x x z

  27. Recherche dans l’espace d’etats Un opérateur change l’état du système (déplace le point dans l’espace d’états). Résoudre un problème c’est explorer l’espace d’états pour trouver le chemin qui mène de l’état initial à l’état final (état cible). Si plusieurs chemins, la solution optimale c’est trouver le chemin de moindre coût (le coûtdépend du problème: distance, vitesse, argent etc).

  28. Exemple: le labyrinthe sortie but 4 3 2 1 entrée départ 1 2 3 4 x Etat du problème: position de la personne X (les coordonnées) état initial: (1,1) état final: (4,4) points d’intersection: (2,2) (2,3) (2,4) (3,1) (3,2) (3,3) (3,4) impasse: (1,4) opérateur: déplacement de X Il y a plusieurs chemins possibles (lesquels ?)

  29. Représentation des cheminspar un graphe Nœud de départ 1,1 2,3 1 1 2,4 2,2 1 1 1 3,4 2 3,2 1,4 1 1 1 1 4,4 3,1 Nœud cible 2 3,3

  30. Le jeu de taquin 6 2 3 1 2 3 8 opérateurs 1 4 8 4 7 5 7 6 5 État initial Etat final • Quels sont les opérateurs ? • Quelles sont les pré-conditions ?

  31. Opérateurs et pré-conditions • OPERATEURS PRE-CONDITIONS • Déplacer la case vide vers le hautIl y a un pion au-dessus • Déplacer la case vide vers le bas Il y a un pion au-dessous • Déplacer la case vide vers la gauche Il y a un pion sur la gauche • Déplacer la case vide vers la droite Il y a un pion sur la droite

  32. Stratégies de contrôle (techniques de recherche) -choisir la succession des opérateurs à appliquer -vérifier si les pré-conditions sont satisfaites -mémoriser les règles qui ont été appliquées -reconnaître l’état final (le but) La sélection des opérateurs peut être: -arbitraire: recherche aveugle, aléatoire, par essais et tâtonnements (recherchedépourvue d’information) guidée par un algorithme (information supplémentaire - métaconnaissances) -recherche systématique(en profondeur ou en largeur) -recherche guidée par une fonction d’évaluation d’un paramètre (exemple: le coût)

  33. Recherche systématique (verticale ou horizontale) S Nœud source A B C D E F H G Nœud but L’ordre de recherche verticale: S, A, C, D, B, E, H, G (8 noeuds explorés) Recherche horizontale: S, A, B, C, D, E, F, H, G (9 nœuds explorés – un de plus)

  34. Recherche de la solution optimale Le paramètre à optimiser est ici le coût du transport (marqué sur les arêtes); S Nœud source 5 2 A B 3 1 1 3 C D E F 2 4 1 H G Nœud but Le chemin de coût minimum: S, B, F, G

More Related