LOGIQUE ET
TECHNIQUES DE
L’INTELLIGENCE
Chapitre 1 :
Introduction à
l’Intelligence Artificielle
PLAN DU CHAPITRE
Chapitre 1: Introduction à l’IA
Dr P. PODA,,, 2015-2016
1.1. Définition(s)
2015
1.2. Origines et Historique
1.3. Différentes approches d’IA
1.4. Catégorisation en domaines
2
1.5. Thèmes de recherche en cours sur l’IA
QUELLE RÉPONSE À LA QUESTION ?
Que requièrent les tâches suivantes pour être
menées à bien ?
Dr P. PODA,,, 2015-2016
Concevoir un programme capable de reconnaître et de
détruire des mails indésirables d’une boîte à courriers
2015
électroniques,
Concevoir un robot pour distribuer automatiquement
le courrier dans des bureaux,
Concevoir un programme capable de se substituer à
3
un expert (un cardiologue par exemple).
LA RÉPONSE
Les différentes tâches requièrent un certain
degré d’intelligence.
Dr P. PODA,,, 2015-2016
Mais qu’est-ce que l’intelligence?
2015
==> toute une profusion de définitions selon les
« intelligences » interrogées.
4
L’INTELLIGENCE?
L'intelligence c'est:
ce qui rend difficile la distinction entre une tâche
Dr P. PODA,,, 2015-2016
réalisée par un être humain ou par une machine (A.
Turing),
2015
ce qui permet la survie de l'individu le plus apte,
parfaitement adapté à son environnement (C.
Darwin).
tout ce qui fait que cela fonctionne et produit le plus
de revenus pour l'entreprise (T. Edison).
5
??? (vous étudiant en Master MIAGE)?
1.1. Définition(s)
Août 1956:
Dr P. PODA,,, 2015-2016
naissance du terme Intelligence
Artificielle
2015
à une conférence tenue au Dartmouth
College, Hanover, New Hampshire, USA
par John MC Carthy.
6
1.1. Définition(s)
1.
“It is the science and engineering of making
Dr P. PODA,,, 2015-2016
intelligent machines, especially intelligent
computer programs. It is related to the similar
task of using computers to understand human
intelligence, but Artificial Intelligence does not
2015
have to confine itself to methods that are
biologically observable.”
John Mc Carthy, Standford University; Computer
Science Department. What is artificial intelligence?
[Link]/jmc/
7
1.1. Définition(s)
2. " ... the science of making 3. "The study of how to make
machines do things that computers do things at
would require intelligence if which, at the moment, people
Dr P. PODA,,, 2015-2016
done by humans" (Marvin are better"
Minsky) ( E. Rich & K. Knight, 1991)
4. "AI is the part of computer 5. “The branch of computer science
2015
science concerned with designing that is concerned with the
intelligent computer systems" , automation of intelligent
(E. Feigenbaum) behavior ”
(Luger et Stubbleeld, 1993)
6. "[The automation of] activities 7. "The study of mental faculties
that we associate with human through the use of
thinking, activities such as computational models”
decision-making, problem (Charniak et McDermott, 1985)
solving, learning …." (Bellman,
8
1978)
1.1. DÉFINITION(S)
8. Etude des activités intellectuelles de l'homme pour
lesquelles aucune méthode n'est a priori connue (J.
Dr P. PODA,,, 2015-2016
L. Laurière).
Cette dernière définition sous-entend que, tout ce
2015
qui n'a pas encore été fait en Informatique - quand
on sait le faire, ce n'est plus de l'IA ...
L'Informatique est la science du traitement de
l'Information, l'IA s'intéresse à tous les cas où ce
traitement ne peut être ramené à une méthode
simple, précise, algorithmique. 9
1.1. Définition(s) : Synthèse
L’intelligence artificielle est :
Dr P. PODA,,, 2015-2016
a) une branche de l’informatique.
b) une science cognitive qui s’ingénie à
2015
concevoir des systèmes (programmes ou
machines) capables de reproduire le
comportement de l’être humain dans ses
activités de raisonnement.
c) la science dont le but est de faire faire par une
machine des tâches que l'homme accomplit en
utilisant son intelligence. 10
1.1. DÉFINITION(S) : SYNTHÈSE
Des diverses définitions, on peut dire que l’IA est
une discipline qui systématise et automatise les
Dr P. PODA,,, 2015-2016
tâches intellectuelles pour créer des machines (ou
programmes) capables de:
2015
Penser comme un humain
Agir comme un humain
Penser rationnellement
Agir rationnellement 11
1.1. DÉFINITION(S) : SYNTHÈSE
Processus de pensée et de réflexion
Dr P. PODA,,, 2015-2016
Penser comme un humain Penser rationnellement
2015
= =
Science cognitive Approche logique
Agir rationnellement
Agir comme un humain
=
=
agir pour atteindre un
Test de Turing
objectif
Mesure du succès Mesure du succès par
par rapport à rapport à la
l’humain Comportement rationalité 12
1.1. DÉFINITION(S) :
SYNTHÈSE
Modélisation d’une entité intelligente
Dr P. PODA,,, 2015-2016
Possède des PROCESSUS
ENTREES INTERNES
connaissance
Percevoir s
Compréhension/
2015
l’environnement intentionnalité
Peut
Voir raisonner
Entendre
Toucher
Goûter
Sentir Comportement
s
13
SORTIES
1.2. Origines et Historique
Au commencement, 2 ouvrages de Turing:
Dr P. PODA,,, 2015-2016
(ouvrages) discutant des différentes techniques
susceptibles de doter les machines de comportements
intelligents
2015
(ouvrages) portant sur l’évaluation de l’intelligence
14
1.2. Origines et Historique
1er ouvrage: A. Turing, « Intelligent
Machinery », 1947 :
Dr P. PODA,,, 2015-2016
Cet ouvrage traite entre autres des
2015
modèles neuromimétiques,
Il expose la 1ère version du test de
Turing : dans ce test C joue aux échecs
contre A ou une machine.
15
1.2. Origines et Historique
2è ouvrage:
A. Turing, « Computing Machinery and intelligence », 1950:
Cet ouvrage traite de la 2è version du test de Turing : jeu
Dr P. PODA,,, 2015-2016
d’imitation d’une femme par un homme qui va être ensuite substitué
par une machine;
Ouvrage posant la problématique de systèmes d’IA : connaissance,
2015
raisonnement, compréhension du langage naturel, apprentissage:
une machine peut-elle penser ?
Peut-on imaginer une machine numérique qui joue au jeu de l’imitation ?
comment accroître la capacité mémoire des machines ?
comment les accélérer ?
comment apprendre à les programmer ?
Dans cet ouvrage, Turing prédit qu'avant l'an 2000, une machine
aurait 30% de chance de tromper une personne non avertie pendant 16
5 minutes.
1.2. ORIGINES ET HISTORIQUE
Test de Turing ( 2è version):
Dr P. PODA,,, 2015-2016
un individu communique à l'aide d'un
terminal d'ordinateur avec un
2015
interlocuteur invisible.
l’individu doit décider si l'interlocuteur
est un être humain ou un système d'IA
imitant un être humain.
17
1.2. ORIGINES ET HISTORIQUE
Test de Turing:
Premier scénario:
Dr P. PODA,,, 2015-2016
la femme (A), l’homme (B) et le juge.
Le juge doit se prononcer par rapport à la question
« lequel de A ou de B est une femme? »
2015
Deuxième scénario:
la femme (A), l’ordinateur (B) et le juge.
Le juge doit se prononcer par rapport à la question
« lequel de A ou de B est un ordinateur? »
Si l'ordinateur réussit à tromper le juge, alors il aura
présenté un niveau d'intelligence comparable à celui d'un 18
humain.
1.2. Origines et Historique
Quelques dates:
1955 : Simon et Newell : Logic theorist, un démonstrateur de
Dr P. PODA,,, 2015-2016
théorèmes
1957 : Simon et Newell: General Problem Solver
2015
1958 : Mc Carthy : LISt Processing, langage de programmation
1959 : Arthur Samuel : Programme de jeu de dames
1960 - Gelertner réalise un programme qui démontre des
théorèmes de géométrie, par exemple: Un triangle qui a deux
angles égaux, a aussi deux cotés égaux. (Le programme en
19
donne une meilleure démonstration que celle habituellement
enseignée).
1.2. Origines et Historique
1965 : Edward Feigenbaum : DENDRAL, système
expert qui détermine la formule chimique d’une
molécule.
Dr P. PODA,,, 2015-2016
1966 : Joseph Weizenbaum : Elisa, dialogue H-M,
psychothérapeute
2015
1967 : Le premier programme d'échecs ayant des
performances satisfaisantes est dû à Greenblatt. Il
bat un joueur normal.
1970 : Terry Winograd : SHRDLU, ordre en langage
humain. 20
1.3. Différentes approches d’IA
Approche symbolique :
- fondée principalement sur la logique ;
- manipule des expressions et met en œuvre des processus de
Dr P. PODA,,, 2015-2016
raisonnement.
- nécessite une représentation explicite des connaissances du
problème et des méthodes de résolution.
2015
Approche neuromimétique :
s’inspire de la réalité biologique (neurones) pour construire des
modèles informatiques.
demande peu ou pas de programmation explicite,
exploite des processus d’apprentissage,
permet de développer des systèmes auto-adaptatifs et
évolutifs.
Approche hybride neuro-symbolique 21
1.4. Catégorisation en domaines
Répartition en 3 grandes catégories non disjointes:
Dr P. PODA,,, 2015-2016
les interfaces : reproduction des activités
sensitives (vision, audition, parole) ;
2015
le raisonnement : reproduction du raisonnement
et des activités cérébrales (calcul formel,
démonstrations de théorèmes, expertise, jeux, …) ;
les outils : catégorie issue du domaine même avec
les outils et les méthodes de l’informatique
conceptuelle (machines, langages de bases de
données « intelligentes », …).
22
1.4. CATÉGORISATION EN DOMAINES
Interfaces Raisonnement Outils
-Traitement de • Systèmes experts • Bases de
Dr P. PODA,,, 2015-2016
la parole • Démonstration de connaissance
-Vision par théorèmes • Langages
ordinateur spécialisés (Lisp,
2015
Prolog)
• Représentation des
connaissances
Traduction automatique,
Compréhension du langage
Bases de données déductives
Aide à la programmation 23
1.4. APERÇU NON EXHAUSTIF DE SOUS-DOMAINES DE L’IA
Démonstration Automatique de Théorèmes :
domaine bien formalisé, bien connu des premiers chercheurs en IA, typique
de l'intelligence humaine.
Dr P. PODA,,, 2015-2016
performances de la décennie précédente supérieures à celles d'un individu
moyen, inférieures à celles d'un bon mathématicien.
2015
domaine dépassant le cadre des mathématiques et est utilisé dans de
nombreux autres domaines comme par exemple en Résolution de
problèmes et en Vérification de programmes.
Jeux
performances aux échecs encore inférieures à celles d'un champion du
monde, bien que le champion du monde ait pu être battu par un
programme.
Le jeu de go reste une casse-tête dans le domaine (des progrès ont été
réalisés) ? 24
1.4. APERÇU NON EXHAUSTIF DE SOUS-DOMAINES D’IA
Résolution de problèmes (au sens large)
Il s'agit de poser, analyser, représenter ... et résoudre des problèmes dans des
situations concrètes : faire un emploi du temps - colorier une carte de
géographie - résoudre des casse-tête logiques, des problèmes mathématiques -
Dr P. PODA,,, 2015-2016
trouver un chemin dans un labyrinthe ou tout simplement dans une maison
(robots).
Langage naturel et dialogue homme/machine
2015
Le langage naturel a d'abord été étudié dans le but de faire de la traduction
automatique.
Étude de sous-problèmes liés à la compréhension et à la génération du langage
naturel.
Reconnaissance des Formes et Perception
On a parmi tant d’autres : la compréhension de la parole, la lecture d'un
manuscrit, l'analyse de scènes.
Exemples de réalisations : voitures pour handicapés à commande vocale; robots 25
pour la construction automobile.
1.4. APERÇU NON EXHAUSTIF DE SOUS-DOMAINES D’IA
EIAO et Tuteurs (dits) intelligents (ITS)
"Enseignement Intelligemment Assisté par Ordinateur" devenu
"Environnements Interactifs d'Apprentissage avec Ordinateur" est un domaine
qui concerne tous les types d'enseignement classique ou d'apprentissage de
Dr P. PODA,,, 2015-2016
savoir-faire.
Un système d'EIAO doit être capable de : résoudre les problèmes; comprendre
2015
le raisonnement (correct ou erroné) de l'élève; établir un modèle de l'élève; lui
proposer des exercices en fonction de ce modèle.
Robotique
n'est pas forcément de l'IA.
Cependant, peut en être par l'aspect Reconnaissance des formes et Résolution
de problèmes.
Quelques applications sont particulièrement utiles : travaux dangereux,
réparations dans les centrales nucléaires ou dans l'espace.
26
1.4. APERÇU NON EXHAUSTIF DE SOUS-DOMAINES DE L’IA
Programmation Automatique
Il peut s'agir d'écrire des programmes qui écrivent des programmes
résolvant des problèmes décrits en langage mathématique ou en langage
Dr P. PODA,,, 2015-2016
naturel par exemple.
activité concurrencée par les systèmes experts; elle en est maintenant
2015
complémentaire, de nombreuses bases de connaissances étant compilées (c-
à-d remplacées par des connaissances procédurales (programmes C par
exemple)) dans un souci d'efficacité.
Systèmes à base de connaissances
de nombreuses applications et résultats obtenus ont entraîné un très
grand développement du domaine ainsi que de sous-thèmes :
Représentation des connaissances
Technologie des systèmes experts 27
Acquisition des connaissances
1.4. APERÇU NON EXHAUSTIF DE SOUS-DOMAINES DE L’IA
Autres:
Dr P. PODA,,, 2015-2016
Interaction homme/machine
Modélisation cognitive
Planification
2015
Propagation de contraintes - Programmation par
contraintes
Raisonnement par cas
Réseaux neuronaux et approches connexionnistes
Systèmes multi-agents et Intelligence artificielle
distribuée
28
1.5. THÈMES DE RECHERCHE EN IA (RFIA 2014)
Thèmes de RFIA 2014 ( Reconnaissance des Formes et
Intelligence Artificielle) :
Liste des thématiques d’IA:
Dr P. PODA,,, 2015-2016
Apprentissage supervisé, non supervisé (clustering et biclustering),
par renforcement, bioinformatique,
Fouille de masse de données, fouille de grands graphes, fouille de
2015
textes
Extraction et utilisation de connaissances par et pour la fouille (de
masses) de données
Satisfaction de contraintes
Représentation des connaissances, modèles de raisonnement,
automatisation du raisonnement, planification
Agents autonomes et systèmes multi-agents : décision individuelle,
décision collective, interactions stratégique
Informatique émotionnelle, agent virtuel socio-émotionnel,
interaction humain-agent . 29
1.5. THÈMES DE RECHERCHE EN IA (RFIA 2014)
Thèmes de RFIA 2014 ( Reconnaissance des Formes et Intelligence
Artificielle) :
Liste des thématiques d’IA:
Dr P. PODA,,, 2015-2016
Robotique autonome, contrôle intelligent, planification, aide à la décision
dans les systèmes robotiques
Gestion des connaissances : modélisation, organisation, optimisation et
traitement (computational et symbolique)
2015
Traitement automatique des langues
Données liées, données ouvertes, publication de données
Masse de données, Web de données, schémas et vocabulaires liés sur le web,
web sémantique, ontologies
Extraction d'information (calcul de mesures sémantiques, stratégies
d'agréation, ...), indexation sémantique de contenu
Visualisation de données et de connaissances
Validation, évaluation de la qualité des données, des connaissances et des
performances des systèmes d’IA
Applications de l’IA (médecine, transport, agronomie, droit, …) 30
1.5. THÈMES DE RECHERCHE EN IA (RFIA 2016)
Thèmes de RFIA 2016 ( Reconnaissance des Formes et
Intelligence Artificielle) :
Dr P. PODA,,, 2015-2016
Liste des thématiques d’IA:
Apprentissage supervisé, non supervisé, par renforcement
Environnements Informatiques d'Apprentissage Humain
2015
Raisonnement à base de modèles, Raisonnement à partir de cas
Fouille de masse de données, Fouille de graphes, Fouille de textes
Impact du Big Data en IA
Impact et utilisation des données ouvertes en IA
Satisfaction de contraintes
Représentation des connaissances, Modèles de raisonnement,
Automatisation du raisonnement, Planification
31
Agents autonomes et Systèmes Multi-Agents
1.5. THÈMES DE RECHERCHE EN IA (RFIA 2016)
Thèmes de RFIA 2016 ( Reconnaissance des Formes et Intelligence
Artificielle) :
Liste des thématiques d’IA:
Dr P. PODA,,, 2015-2016
Informatique émotionnelle, Interaction humain-agent
Robotique autonome, contrôle intelligent dans les systèmes robotiques
Gestion des connaissances : modélisation, organisation, optimisation et
traitement
2015
Traitement automatique des langues
Données liées, données ouvertes, publication de données
Web de données, web sémantique, ontologies.
Extraction d'information, Indexation sémantique de contenu
Visualisation de données et de connaissances
Validation, évaluation de la qualité des données, des connaissances et des
performances
Langages de programmation pour l’IA, programmation logique
Plates-formes et environnement de développement en IA 32
1.5. THÈMES DE RECHERCHE ECAI 2016
(EUROPEAN CONFERENCE ON ARTIFICIAL INTELLIGENCE,
22È ÉDITION)
Autonomous Agents and Multi-agent Systems
Constraints, Satisfiability, and Search
Dr P. PODA,,, 2015-2016
Knowledge Representation, Reasoning, and Logic
Machine Learning and Data Mining
Natural Language Processing
2015
Planning and Scheduling
Robotics, Perception and Vision
Uncertainty in AI
Web and Knowledge-based Information Systems
Cognitive Modeling and Cognitive Architectures
Agent-based and integrated systems
Multidisciplinary Topics 33
1.5. T HÈMES DE RECHERCHE ECAI 2012
agent architectures classical planning
agent-oriented programming cognitive robotics
agent-human interactions cognitive perception
Dr P. PODA,,, 2015-2016
algorithms and complexity cognitive agents and robots
combinatorial optimization
analysis of scientific data
computational linguistics
answer set programming computational logic
2015
argumentation computational social choice
automated negotiations computational complexity
automated reasoning conformant and contingent
planning
automated planning constraint satisfaction
adaptive decision making constraint programming
belief merging constraint solving
belief revision and update cooperative games 34
CP-nets
biological and social networks
1.5. T HÈMES DE RECHERCHE ECAI 2012
data mining game playing
data mining in social game theory
sciences general game playing
Dr P. PODA,,, 2015-2016
discrete and continuous graphical models
computation heuristic search
hybrid optimisation
2015
decision-theoretic planning
discrete optimization integrated robot learning
inductive logic programming
decision making under intelligent agents
uncertainty knowledge processing and
diagnosis representation for robots
knowledge representation and
description logics reasoning
fuzzy control and knowledge representation 35
modelling knowledge compilation
1.5. T HÈMES DE RECHERCHE ECAI 2012
knowledge representation Monte-Carlo tree search
knowledge discovery natural language processing
logics for AI normative systems
Dr P. PODA,,, 2015-2016
multi-agent systems negotiation
multi-agent learning ontology technologies
multi-agent planning ontologies in software modeling
2015
machine learning organisation of complex
MDPs and POMDPs dynamic systems
mining the web pattern recognition
memory-based language planning
processing Plan-based control of robotic
machine translation agents
model-based systems planning under uncertainty
modal epistemic and temporal planning under incomplete
logics knowledge 36
1.5. THÈMES DE RECHERCHE ECAI 2012
plan/activity recognition reasoning and decision under
Preferences uncertainty
preference learning reasoning about action and
Dr P. PODA,,, 2015-2016
preference reasoning change
preference representation robotics
propositional logic structures rule learning
2015
and computational complexity semantic information retrieval
probabilistic graphical models Semantic Web foundations
programming languages stable marriages
qualitative reasoning social choice and AI
querying & reasoning statistical relational learning
reasoning under uncertainty statistical machine learning
reasoning under uncertainty stochastic optimization
and/or inconsistency trust and reputation
reasoning under inconsistency etc. 37
PLAN DU COURS
Chapitre 1: Introduction à l’IA
Dr P. PODA,,, 2015-2016
Chapitre 2: Représentation de la
connaissance et Raisonnement : logique.
2015
Chapitre 3: Langages spécialisés d’IA: LISP et
Prolog.
Chapitre 4: atelier bibliographique (par les
étudiants)
38
