Introduction à l’intelligence artificielle

frogsspiffyΤεχνίτη Νοημοσύνη και Ρομποτική

18 Ιουλ 2012 (πριν από 5 χρόνια και 1 μήνα)

468 εμφανίσεις

Introduction à Introduction à
l’intelligence artificiellel’intelligence artificielle
Jean-Paul Haton
Institut Universitaire de France
LORIA/INRIA, Université de Lorraine
Ecole doctorale SIMEM, Caen 24 avril 2012Ecole doctorale SIMEM, Caen 24 avril 2012
1
2
…the conjecture that every aspect of learning or any other
feature of intelligence can in principle be so precisely
described that a machine can be made to simulate it.
Jean-Paul Haton Caen 24 avril 2012
Jean-Paul Haton Caen 24 avril 2012 3
Question to John Mac Carthy. : What is artificial
intelligence?
“It is the science and engineering of making
intelligent machines, especially intelligent
computer programs. It is related to the similar task
of using computers to understand human
intelligence, but AI does not have to confine itself
to methods that are biologically observable”
Définition de l’intelligence artificielleDéfinition de l’intelligence artificielle
Modelling the brain
McCulloch - Pitts -
Rosenblatt…
IA connexionniste
Making a mind
McCarthy - Minsky -
Newell…
IA symbolique
90's
Convergence
(
Modèles
hybrides)
Les approches de l’intelligence artificielleLes approches de l’intelligence artificielle
Modèles statistiques
« Systèmes à bases de
connaissances »
« Réseaux neuronaux »
4
Intelligence...Intelligence...
￿
Référence à l'intelligence humaine (cf.
sciences cognitives).
￿
Capacités :
￿
de mémorisation,
￿
de structuration de la connaissance,
￿
de perception,
￿
de raisonnement,
￿
de prise de décision,
￿
d’apprentissage,
￿
de communication et de dialogue.
5Jean-Paul Haton Caen 24 avril 2012
L'Intelligence Artificielle (IA)L'Intelligence Artificielle (IA)
￿
Une branche de l‘informatique.
￿
Une science : des concepts, des théories,
des chercheurs.
￿
Une technique : des outils, des produits et
des réalisations, des ingénieurs.
￿
Un domaine pluridisciplinaire.
6Jean-Paul Haton Caen 24 avril 2012
7Jean-Paul Haton Caen 24 avril 2012
Adapté de (Wahlster 2002)
￿
Jeux : dames, échecs.
￿
Diagnostic : médical, spatial, industriel.
￿
Contrôle flou : véhicules, caméras, etc.
￿
Aide à la décision : banques, assurances, conduite de
procédés, domaine militaire.
￿
Reconnaissance de la parole : dictée vocale, télématique.
￿
Traitement de la langue écrite : compréhension, traduction.
￿
Lecture optique.
￿
Interprétation de signaux : surveillance, conduite.
￿
Traitement d’images et vision : inspection, imagerie
médicale.
RéalisationsRéalisations
8Jean-Paul Haton Caen 24 avril 2012
9
Loi de MooreLoi de Moore
Jean-Paul Haton Caen 24 avril 2012
10
Kasparov vs Kasparov vs DeepDeep Blue Blue : 1997: 1997
Défi : le jeu de Go…
- Exploration d’espaces
- Recherche heuristique
- Monte Carlo
Jean-Paul Haton Caen 24 avril 2012
Test de Turing et intelligence…Test de Turing et intelligence…
￿
Test de Turing
11
Jean-Paul Haton Caen 24 avril 2012
12
Test de Turing et intelligence…Test de Turing et intelligence…
￿
Test de Turing
13
Jean-Paul Haton Caen 24 avril 2012
« Les principales composantes d'un système
d'IA doivent être les connaissances, le
raisonnement, la compréhension du langage
naturel et l'apprentissage.»
Alan Turing
Intelligence et connaissancesIntelligence et connaissances
￿
Représentation des connaissances :
Règles / Objets / Ontologies / … (cf. Cyc)
… et raisonnements associés
14
Jean-Paul Haton Caen 24 avril 2012
INTERPRÉTEUR
(ou moteur d'inférence)
Stratégie
Contrôle
Données
Solutions partielles
Hypothèses courantes
Procédures
Règles
Formules logiques
Contraintes
Objets
Ontologies
Arbres de décision
Métaconnaissance
BASE(S) DE
CONNAISSANCES
MEMOIRE DE TRAVAIL
(base de faits)
Systèmes à base de connaissancesSystèmes à base de connaissances
15Jean-Paul Haton Caen 24 avril 2012
1616
Représentation des connaissancesReprésentation des connaissances
-- logique
- règles de production
- réseaux sémantiques, frames, objets
- ontologies
- arbres de décision
- cas
- procédures
Jean-Paul Haton Caen 24 avril 2012
￿
Représentation des connaissances :
Règles / Objets / Ontologies / … (cf. Cyc)
… et raisonnements associés
￿
Moteurs de recherche, Web sémantique
￿
Fouille de données, textes, images, documents
￿
Systèmes de questions - réponses :
True Knowledge, Watson, TextRunner, Quaero
17
Jean-Paul Haton Caen 24 avril 2012
Intelligence et connaissancesIntelligence et connaissances
Jean-Paul Haton Caen 24 avril 2012 18
WatsonWatson
￿
Représentation des connaissances :
Règles / Objets / Ontologies / … (cf. Cyc)
… et raisonnements associés
￿
Moteurs de recherche, Web sémantique
￿
Fouille de données, textes, images, documents
￿
Systèmes de questions - réponses :
True Knowledge, Watson, TextRunner, Quaero
Défi : « Watson » dans sa poche
Jean-Paul Haton Caen 24 avril 2012
-TALN
- Bases de données
- Ontologies
- Web sémantique
- Elagage heuristique
- Apprentissage
Intelligence et connaissancesIntelligence et connaissances
19
Applications des SBC : industrieApplications des SBC : industrie
SACHEM, aide à la conduite d’un hautSACHEM, aide à la conduite d’un haut--fourneaufourneau
20Jean-Paul Haton Caen 24 avril 2012
Modèles statistiquesModèles statistiques
￿
Principe : modéliser la variabilité naturelle
￿
Modèles markoviens
￿
Mise au point (apprentissage) à partir d’exemples
￿
Nombreuses utilisations :
o
Reconnaissance des formes : parole, images, etc.
21Jean-Paul Haton Caen 24 avril 2012
Reconnaissance de la paroleReconnaissance de la parole
￿
Principe : modéliser les unités (mots, phonèmes)
à l’aide de modèles statistiques
￿
Apprentissage : à partir d’énormes quantités de parole
￿
Évolution scientifique et technologique :
de l’ordinateur (1974) ...... au téléphone portable (2004)!
22
Jean
-
Paul Haton Caen 24 avril 2012
Reconnaissance de la paroleReconnaissance de la parole
￿
Principe : modéliser les unités (mots, phonèmes)
à l’aide de modèles statistiques
￿
Apprentissage : à partir d’énormes quantités de parole
￿
Évolution scientifique et technologique :
de l’ordinateur (1974) au téléphone portable (2004)!
￿
Nombreuses utilisations :
o
Saisie vocale
o
Commandes vocales
o
Handicapés
o
Transcription (réunions, discours, médias)
23Jean-Paul Haton Caen 24 avril 2012
24
Modèles statistiquesModèles statistiques
￿
Principe : modéliser la variabilité naturelle
￿
Modèles markoviens : MMC, réseaux bayésiens
￿
Mise au point (apprentissage) à partir d’exemples
￿
Nombreuses utilisations :
o
Reconnaissance des formes : parole, images, etc.
o
Interprétation de signaux : radar, sonar, biologiques, ...
o
Robotique
o
Traitement de la langue écrite
Défi : traduction parole-parole…
- Connaissances linguistiques et
ontologiques
- Logique(s)
- Modélisation statistique
- Décision bayésienne
- Apprentissage(s)
- Recherche heuristique
- Programmation dynamique
- Traitement du signal
25
￿
Aide au diagnostic (cf.Watson)
￿
Action thérapeutique guidée
￿
Anesthésie assistée et chirurgie guidée
￿
Télémédecine
￿
Assistance à la vie autonome
Santé «Santé « numériquenumérique »»
Jean-Paul Haton Caen 24 avril 2012
26
Aide à la radiothérapieAide à la radiothérapie
Etablissement d’une thérapie :
Exemple : le système CAVCAV pour
la radiothérapie du cancer du cavum
Partenaires: LORIA et Centre Alexis-Vautrin
Jean-Paul Haton Caen 24 avril 2012
27
Aide à la radiothérapie : Aide à la radiothérapie :
le système CAVle système CAV--CAVCAV
Jean-Paul Haton Caen 24 avril 2012
￿
Télésurveillance interactive et coopérative des
dialysés à domicile
￿
Partenaires :
o
LORIA
o
ALTIR (Association Lorraine de Traitement de
l’Insuffisance Rénale)
o
Diatélic SA
TélémédecineTélémédecine
28Jean-Paul Haton Caen 24 avril 2012
Organisation du suivi d’un patientOrganisation du suivi d’un patient
patient médecin
système expert
• alertes
• suivi des malades
• envoi de messages
• fiches journalières
• réception de messages
base de données
RTC RTC/Internet
29Jean-Paul Haton Caen 24 avril 2012
30
￿
Aide au diagnostic
￿
Action thérapeutique guidée
￿
Chirurgie guidée
￿
Assistance à la vie autonome
Santé «Santé « numériquenumérique »»
Défi : l’IA au service de la santé!…
Jean-Paul Haton Caen 24 avril 2012
31
￿
Bio-informatique: séquençage, comparaison
de séquences, prédiction de la structure 3D des
protéines, etc.
￿
Etude de comportements (fourmis, araignées),
intelligence collective, émergence, modèles
neuro-mimétiques
IA et biologieIA et biologie
Jean
-
Paul Haton Caen 24 avril 2012
￿
Principe : coopération ou concurrence
entre un ensemble « d’agents » :
oo
Agent cognitif : « systèmes multi-agents »
oo
Agent réactif (stimulus-action)
• L’intelligence
émerge
de la pertinence des échanges
• Exemple de modèle :
stigmergie
Intelligence «Intelligence « collective»collective»
32Jean-Paul Haton Caen 24 avril 2012
Intelligence «Intelligence « collectivecollective »»
￿￿
Stigmergie (Grassé, 1959) :
o
Echanges indirects via l’environnement
o
« Le travail pilote l’ouvrier »
￿
Exemples :
o
Termites : construction de nids
o
Fourmis : établissement de chemins vers la nourriture
o
Araignées sociales : construction de toiles (attraction
d’une araignée pour la soie)
Exemple : araignée Anelosimus eximius (avec B. Krafft)Exemple : araignée Anelosimus eximius (avec B. Krafft)
33Jean-Paul Haton Caen 24 avril 2012
Les araignées socialesLes araignées sociales
- 5 mm
- vie en colonie (jusqu’à 100 m
3
)
- activités collectives :
Construction de la toile
Prédation (synchronisation, attaque, transport)
Décision collective
Anelosimus eximius :
Élevage au Labo de Biologie du
Comportement de Nancy
34Jean-Paul Haton Caen 24 avril 2012
Quelques résultatsQuelques résultats
35
Adapté de V. Chevrier
Jean-Paul Haton Caen 24 avril 2012
36
￿
Bio-informatique: séquençage, comparaison
de séquences, prédiction de la structure 3D des
protéines, etc.
￿
Etude de comportements (fourmis, araignées),
intelligence collective, émergence, modèles
neuro-mimétiques
￿
Vie artificielle : reproduire par simulation des
mécanismes propres au vivant
IA et biologieIA et biologie
Défi : un avenir de l’informatique !…
Jean
-
Paul Haton Caen 24 avril 2012
37
Capitaliser, diffuser, exploiterCapitaliser, diffuser, exploiter
les connaissancesles connaissances
￿
Fouille de données de nature variée
￿
Mémoires d’entreprise
￿
Commerce électronique
￿
Web sémantique
￿
Réseaux sociaux : Facebook et al.
￿
Communautés virtuelles
Jean-Paul Haton Caen 24 avril 2012
ML3
ML4
38
Web «Web « sémantiquesémantique »»
￿
Compréhension
partagée
de
l’information
￿
Entre les personnes
￿
Entre les applications et les objets
￿
Entre tous!
￿
Ontologies et métadonnées
￿
… et les agents
Jean-Paul Haton Caen 24 avril 2012
Diapositive 37
ML3
Rendre exploitable l'immense source de K potentielle du Web!
Rapprochement fructueux BD-IA
MAIA; 10/12/2002
ML4
We : normes RDF et RDFS pour organiser les infos sur le web avec la syntaxe XML (principe : ajout de
méta données à la description des ressources sous forme d'objets = on "sémantise" les données, par
rapport à XML, purement syntaxique.
MAIA; 10/12/2002
Rôles d’un agent intelligent Rôles d’un agent intelligent
￿
Recherche, analyse, acquisition, mise en forme
et gestion de l’information
￿
Fusion, synthèse et présentation
d’informations hétérogènes
￿
Guidage intelligent de l’utilisateur, adaptation
et assistance
Défi : Web des connaissances
39
40
￿
L’art assisté par ordinateur : dès les années
1970 : fractales, « algoristes », ….
IA et artIA et art
(cf. article Interstices)(cf. article Interstices)
Jean
-
Paul Haton Caen 24 avril 2012
Jean-Paul Haton Caen 24 avril 2012 41
Jean-Paul Haton Caen 24 avril 2012 42
Jean-Paul Haton Caen 24 avril 2012 43
44
￿
L’art assisté par ordinateur : dès les années
1970 : fractales, « algoristes », ….
￿
Nouvelles tendances : art génératif autonome,
art numérique
IA et artIA et art
Jean
-
Paul Haton Caen 24 avril 2012
Jean-Paul Haton Caen 24 avril 2012 45
« Neon spaghetti » par Coded beauty
46
￿
L’art assisté par ordinateur : dès les années
1970 : fractales, « algoristes », ….
￿
Nouvelles tendances : art génératif autonome,
art numérique
￿
« Intelligence artificielle artistique » :
￿
le robot Aaron
￿
apprentissage : IArtist
IA et artIA et art
Jean
-
Paul Haton Caen 24 avril 2012
Jean-Paul Haton Caen 24 avril 2012 47
Jean-Paul Haton Caen 24 avril 2012 48
49
￿
L’art assisté par ordinateur : dès les années
1970 : fractales, « algoristes », ….
￿
Nouvelles tendances : art génératif, art
numérique
￿
« Intelligence artificielle artistique » :
￿
le robot Aaron
￿
apprentissage : IArtist
IA et artIA et art
Défi : un nouvel impressionnisme…
Jean
-
Paul Haton Caen 24 avril 2012
Robotique mobileRobotique mobile
Gaston
￿
Apprentissage de comportements
￿
Fusion de données de capteurs
￿
Planification (trajectoires, missions)
￿
Applications :
o
Jeux, compagnons
o
Intervention, sauvetage
o
Industrie
o
Tourisme (Cycab)
o
Médecine
o
Humanoïdes
o
Assistance à la conduite
50
Jean-Paul Haton Caen 24 avril 2012
51
Prise de décision...Prise de décision...
Jean-Paul Haton Caen 24 avril 2012
52
Future mission martienneFuture mission martienne
Jean-Paul Haton Caen 24 avril 2012
Robotique mobileRobotique mobile
Gaston
￿
Apprentissage de comportements
￿
Fusion de données de capteurs
￿
Planification (trajectoires, missions)
￿
Applications :
o
Jeux, compagnons
o
Intervention, sauvetage
o
Industrie
o
Tourisme (Cycab)
o
Médecine
o
Humanoïdes
o
Assistance à la conduite
Défi : exploration de planètes …
53
Jean-Paul Haton Caen 24 avril 2012
54
Jean-Paul Haton Caen 24 avril 2012
Véhicules autonomes : Stanley (Véhicules autonomes : Stanley (StanfordStanford U.)U.)
Grand Challenge
DARPA 2005 ::
212 km en 7 heures212 km en 7 heures
55
Véhicules autonomes : Boss (CMU)Véhicules autonomes : Boss (CMU)
Urban Challenge
DARPA 2007 :
96 km en ville en moins 96 km en ville en moins
de 6 heuresde 6 heures
Défi : automobile autonome et route intelligente…
- Connaissances
- Planification
- Traitement du signal et d’images
- Reconnaissance de formes
- Décision bayésienne
- Apprentissage
- Recherche heuristique
- Fusion de données
- Traitement du signal
56
Robots humanoïdesRobots humanoïdes
AsimoAsimo de Hondade Honda
Nao de Nao de AldebaranAldebaran TechnologiesTechnologies
Défi : une équipe de robots championne
du monde de football en 2050…
Jean-Paul Haton Caen 24 avril 2012
IA et éthiqueIA et éthique
Jean-Paul Haton Caen 24 avril 2012 57
- Questions déjà abordées pour l’infoéthique :
http://www.cnrs.fr/fr/organisme/ethique/comets/docs/rapportComets091112.pdf
- Aspects spécifiques nouveaux :
- nuisance des systèmes d’IA (cf. lois d’Asimov pour les robots)
- statut moral des machines
- propriétés requises du fait du rôle social potentiel de systèmes d’IA :
prédictabilité, transparence à l’inspection
- systèmes à intelligence surhumaine :
implique des comportements « suréthiques »…
Défi : une éthique de l’IA
￿
L’IA a permis d’étendre le champ de l’informatique
￿
Mise au service de l’homme de la puissance de
l’ordinateur d’une façon intelligente pour :

résoudre des problèmes longs ou compliqués

faciliter la communication et faire partager un savoir

aider l’être humain « intelligemment »!
￿
L’IA est entrée dans la vie économique ...
￿
... mais la recherche continue : connaissance,
apprentissage, etc.
￿
Aspects éthiques
ConclusionConclusion
58Jean-Paul Haton Caen 24 avril 2012
59Jean-Paul Haton Caen 24 avril 2012
60Jean-Paul Haton Caen 24 avril 2012
En l’an 2000…En l’an 2000…
Merci pour votre attention!Merci pour votre attention!
61Jean-Paul Haton Caen 24 avril 2012