Ce cours introduit à l'intelligence artificielle. La première partie du cours présente et définit ce qu'est l'intelligence et décrit les notions d'agent rationnel et d'environnement et leurs propriétés. Ces deux concepts permettent d'offrir un cadre de réflexion sur l'intelligence. La fin de la première partie présente les neufs formes d'intelligence selon Howard Gardner. La seconde partie du cours présente et définit l'intelligence artificielle, initiée par Marvin Minsky et John McCarthy au MIT. Elle présente également le test de Turing, test permettant de déterminer si une machine peut penser. Cette partie se termine en présentant les six grands domaines de l'intelligence artificielle.
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
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
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