Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Introduction Plan • Qu’est‐ce que l’IA? • Préhistoire de l’IA • Histoire de l

1 Introduction Plan • Qu’est‐ce que l’IA? • Préhistoire de l’IA • Histoire de l’IA • État de l’art Qu’est‐ce que l’IA? Penser comme des humains Penser rationnellement « The exciting new effort to make computers think … machines with minds, in the full and litteral sense » (Haugeland, 1985) « [The automation of] activities that we associate with human thinking, activities sush as decision-making, problem solving, learning … » (Bellman, 1978) « The study of mental faculties through the use of computational models » (Charniak and McDermott, 1985) « The study of computations that make it possible to perceive, reason, and act » (Winston, 1992) Agir comme des humains Agir rationnellement « The art of creating machines that perform functions that require intelligence when performed by people » (Kurzweil, 1990) « The study of how to make computers do things at witch, 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) Pensée et raisonnement Comportement Fidélité aux performances humaines Concept idéalisé de l’intelligence Empirique (Hypothèses et expérimentations) Théorique (Mathématique et ingénierie) 2 Intelligence Artificielle Penser comme des humains • Comment fonctionne notre cerveau ? • Requiert des théories scientifiques de l’activité interne du cerveau par introspection ou expériences psychologiques. • Implémenter les théories et comparer avec les humains. • Comment valider ces systèmes : – Il faut prédire et tester le comportement de sujets humains (sciences cognitives) – ou il faut les valider directement à partir de données neurologiques (neurosciences cognitives) Agir comme des humains Test de Turing • Capacités requises : – Traitement du langage naturel – Représentation des connaissances – Raisonnement automatique – Apprentissage IA ? Interrogateur humain Système d’IA Humain Penser rationnellement • Aristote et le processus de raisonnement correct, la logique – Ex: Socrate est un homme; tous les hommes sont mortels; donc Socrate est mortel. • Au 19e siècle, la logique formelle permet d’écrire des énoncés sur les objets dans le monde et leurs interrelations. • Lien direct entre les mathématiques et la philosophie vers l’IA moderne. • Problèmes: – Il est difficile de traduire les connaissances et les états du monde réel en des équations logiques (incertitude) – Il y a une différence entre résoudre un problème en principe et le résoudre réellement (complexité) 3 Agir rationnellement • Comportement rationnel : Faire la bonne chose, c’est‐à‐dire celle qui devrait, selon les informations disponibles, maximiser l’accomplissement d’un but. • N’implique pas nécessairement un raisonnement mais le raisonnement devrait être au service d’une action rationnelle. Agent rationnel • Agent rationnel: une entité qui perçoit et agit dans un environnement pour accomplir ses buts en fonction de ses capacités ou de ses croyances (ou ses connaissances). • Ce cours porte sur la conception d’agents rationnels. • Pour chaque environnement ou tâche, on recherche l’agent qui obtient les meilleures performances. • La rationalité parfaite n’est pas atteignable en raison des limitations de calculs, donc le but est de concevoir le meilleur programme avec les ressources disponibles. Préhistoire de l’IA • Philosophie (428 av. J.‐C. à aujourd’hui) – Logique et méthodes de raisonnement – Esprit comme système physique – Fondations de l’apprentissage, du langage et de la rationalité • Mathématiques (800 à aujourd’hui) – Représentations formelles et preuves – Algorithmes – Calcul, (in)décidabilité, (in)solubilité – Probabilité 4 Préhistoire de l’IA • Économie (1776 à aujourd’hui) – Théorie formelle de la décision rationnelle • Neurosciences (1861 à aujourd’hui) – Étude sur le fonctionnement du cerveau • Psychologie (1879 à aujourd’hui) – Adaptation – Phénomène de la perception et du contrôle moteur – Techniques expérimentales Préhistoire de l’IA • Ingénierie informatique (1940 à aujourd’hui) – L’ordinateur comme entité artificielle ayant la meilleure chance de démontrer de l’intelligence • Théorie des asservissements et cybernétique (1948 à aujourd’hui) – Systèmes homéostatiques (capables de conserver l’équilibre), stabilité – Un modèle d’agent optimal simple • Linguistique (1957 à aujourd’hui) – Représentation des connaissances – Grammaire Histoire de l’IA • 1943‐1955: La gestation de l’IA – Neurones artificiels (McCulloch et Pitts) – Turing « Computing Machinery and Intelligence » • 1956: La naissance de l’IA – Atelier de 2 mois à Dartmouth • Newell et Simon: Logic Theorist (raisonnement symbolique) • McCarty propose le nom d’intelligence artificielle 5 Histoire de l’IA • 1952‐1969: Les espoirs sont grands – Newell et Simon: GPS (General Problem Solver) – McCarty: LISP – Widrow (adalines), Rosenblatt (perceptron) – Minsky: micro‐mondes (problèmes limités qui requièrent de l’intelligence) • 1966‐1973: Une dose de réalité – Insolubilité des problèmes étudiés – Limitations des représentations utilisées – Minsky et Papert: la mort des réseaux de neurones Histoire de l’IA • 1969‐1976 : Systèmes à base de connaissances • 1980 à aujourd’hui: l’IA devient une industrie – Le projet « Fifth Generation » – Les systèmes experts • 1986 à aujourd’hui : Retour des réseaux de neurones – Algorithme de rétropropagation – Deep Networks • 1987 à aujourd’hui : L’IA devient une science Histoire de l’IA • 1995 à 2005 : L’émergence des agents intelligents – Les chercheurs reviennent au problème de construire un « agent complet » – Internet: un des environnements les plus importants des agents intelligents • 2 000 à aujourd’hui : Apprentissage machine et big data 6 État de l’art • Planification autonome – L’agent distant de la NASA aux alentours des années 2000 • Jeu – 2010: Watson Man‐Machine – Watson for everyone • Control automatique – Google Cars: It drives itself • Diagnostic – Certains programmes sont rendus au même niveau que les experts État de l’art • Traduction instantanée pour Skype • Datasets : le cas de NETFLIX • Robotique • Vision • Vision‐via‐Deep Learning (39’) • AI@ Microsoft • AI@Google uploads/Philosophie/ introduction 4 .pdf