Introduction а l’Intelligence Artificielle

1
Introduction à lIntelligence Artificielle
Département de mathématiques et physique Faculté
des Sciences appliquées

• Nathanaël Ackerman

Le 2 décembre 2004
2
Introduction et Historique

• Premières définitions et dichotomies
• Historique dates, noms, programmes
• Domaines dapplication actuels
• Conclusions
• Deux perspectives sur lhistorique du domaine
• Le  pourquoi  de lIA
• Concepts clés
• Bibliographie

3
Partie 1 Premières définitions et dichotomies
4
Définitions

• Choix du nom 1956, conférence de Dartmouth
•   Lintelligence artificielle est la science qui
  consiste à faire faire à des machines ce que
  lhomme 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 lIA
• La perception (vision et parole)
• La robotique
• La compréhension du langage naturel
• Le sens commun

6
Dictionnaires

• Quest-ce que lintelligence ?
• Quest-ce que lartificiel ?

7
Remarques

• La définition du terme  intelligence  change.
• Lintelligence est liée à lhomme dans ses
  facultés de compréhension, et dapprentissage, 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 lIA, sont
  floues quant aux domaines dapplication et
  sinscrivent plutôt dans une perspective
  cognitiviste de simulation du cerveau humain.
  Elles excluent la possibilité dune forme
  dintelligence non humaine.
• Le terme artificiel a une connotation
  relativement péjorative et induit une tension
  conflictuelle entre lhomme et lordinateur.
  L ordinateur reste subordonné à l homme.

9
Définition  opérationnelle 

•  LIA est le domaine de linformatique qui
  étudie comment faire faire à lordinateur des
  tâches pour lesquelles lhomme est aujourdhui
  encore le meilleur.  E. Rich
• Définition essentiellement évolutive, l IA est
  innovatrice

10

11
Domaines connexes

• Philosophie des sciences, de la connaissance, de
  lesprit
• Logique
• Linguistique
• Neurophysiologie
• Psychologie cognitive
• Optimisation mathématique
• Automatique et contrôle
• Statistique
• Théorie des graphes
• Aquisition et traitement dimages
• 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 lArtificiel
• ...

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 VSNiveau de performance

• Distinction introduite par Chomsky faire
   comme  ou faire  aussi bien que .
• Loiseau 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)
x
18
Plus court chemin(approche émergente)
f(x)
f(x)
x
x
19
Sciences naturelles vs Sciences de lartificiel

• Compréhension des phénomènes de la nature
• Cette compréhension passe par la construction de
  modèles capables de réaliser des simulations.
  Doù 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 lIA VS informatique classique

• Informatique plus symbolique
• Aspects plus déclaratif, moins procédural
• On privilégie la satisfaction à loptimisation
  (sauf si lon introduit des méta-règles
  heuristiques)
• Données incomplètes, inexactes, conflictuelles
• La notion de représentation dun problème est
  fondamentale
• Pluridisciplinaire logique, psycho-cognitive,
  biologie, neurosciences, philosophies,
  mathématiques

21
Partie 2 Historique dates, noms, programmes
22
Automates recréer la vie
23
Machines Programmables
Métier à tisser (Jacquard 1805)
Machine Analytique (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 gt a human is not a mineral
• Transitivité de lhéritage

26
Formalisation du raisonnement

• Logique des propositions
• syntaxe inductive permettant décrire des
  formules
• Sémantique vérifonctionnelle ( table de
  vérité)
• (A ?(A ? B)) ? B modus
  ponens
• (? B ?(A ? B)) ? ? A) modus tollens
• Logique des prédicats

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 dincomplétude (1931)
• Turing
• machine universelle (1936)
• pas da priori sur la non prouvabilité dun
  théorème

28
La machine universelle
29
Neurone formel
Mac Cullogh Pitts (1943)
0.3
1
-1
?
1
0
0.5
1
30
Cybernétique (1947)

• Norbert Wiener, sinspirant de la biologie,
  introduit la notion de rétroaction dans les
  systèmes de traitement de linformation.
• Idée des boucles réentrantes fondamentales en IA
  et Sciences Cognitives.

Système
output
input
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
(No Transcript)
33
The Turing Test (1950)

34
Dartmouth 1956

•  Chaque aspect de lapprentissage, ou tout autre
  caractéristique de lintelligence, peut en
  principe être décrit si précisément quil est
  possible de construire une machine pour le
  simuler 
• Minsky le dinosaure
• Newell et Simon (Prix Nobel déconomie 1978)
• John McCarthy
• Claude Shannon théorie mathématique de
  linformation 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 deau,
  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 dun
  espace détats,
• Algorithme de recherche A, A,
• Succès de lapplication 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

38
Recherche dans un arbre
39
Algorithme A - problème du taquin
1 5
2 4
3 4
5 2
4
5
3 2
0 4
2 3
1 3
4 1
5 0
3 4
1 5
2 3
7
5
GOAL
3 3
2
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 dune règle dapprentissage
• La règle delta

42
Les années 70 début 80

• Période dombre pour lapproche connexionniste
• Minsky et Papert, Perceptrons, 1969
• Impossibilité de lapprentissage du XOR
• Renforcement de lapproche 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)

43
Réseaux sémantiques
Winston 1970
44
Ontologie Web (2002)
45
Réseaux sémantiques
46
SHRDLU the Block World
Winograd 1972
47
SHRDLU 2001
HMM NN
Analyse Syntaxique
Analyse Sémantique
48
Systèmes Experts

• 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 lincertain
• 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 dentrée est lappareil
  gastro-intestinal et que
• Labdomen est le site dinfection ou
• Le bassinet est le site dinfection
• Alors
• Il y a de très fortes présomptions pour que les
  entérobactéries soient la classe dorganismes que
  la thérapie devra traiter.

51
Années 80

• Récession de lapproche 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 lapproche connexionniste
• Hopfield, mémoire autoassociative, 1982
• Rumelhart McClelland, Parallel Distributed
  Processes, MIT Press, 1985

52
Le perceptron multi-couches
53
Hopfield

• Mémoires auto-associatives par un apprentissage
  hebbien
• Utilisation des résultats de la physique
  statistique et des verres de spins

54
Partie 3Domaines actuels
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 lEsprit Hard Problem of
  consciousness

57

• Robotique sensorielle (Cog, Kismet)
• Artificial Life
• Chimie computationnelle
• Etude du chaos dans les réseaux de neurones
• Evolutionary robotics

58
Images
59

60
(No Transcript)
61
Conclusions
62
Perspective philosophique

• Emulation de la pensée raisonnée
• Trois étapes
• Représentation de la connaissance
• Mode déductif le raisonnement
• Mode inductif lapprentissage

63
Perspective technologique

• Développement de la puissance de calcul des
  ordinateurs (loi de Moore)
• Changement de paradigme la technologie a pris
  une longueur davance distinction difficile
  entre intégration technologique et véritable
  progrès scientifique.

64
Conclusions

• Deux acceptions dans la définition
• Programme scientifique et technologique visant à
  doter lordinateur de capacités telles que la
  vision, lacquisition des connaissances, la prise
  de décisions habituellement attribuées à
  lintelligence humaine (démarche pragmatique).
• Étude des mécanismes de lintelligence en
  général, lordinateur est un moyen de simulation
  (démarche cognitive).
• Réel échange entre lhomme 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 lULB

• INFO 362 éléments de logique et dintelligence
  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 lintelligence
  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, n125, 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.