Introduction LIntelligence
Artificielle
EsmaEsma AA meurmeur
DD partement
Universit de Montr
Universit
partement ddinformatique
informatique et de
de Montr alal
et de recherche
al, Canada
MontrMontr al, Canada
rationnelle
recherche opop rationnelle
Email :aimeur
Email :
aimeur@@iro.umontreal.ca
iro.umontreal.ca
aimeur
www.iro.umontreal.ca/~~aimeur
http:////www.iro.umontreal.ca/
http:
I think,
therefore I am.
1
D finition de lintelligence
artificielle
Le but de lIntelligence Artificielle (IA) est de concevoir des syst mes
capables de reproduire le comportement de lhumain dans ses activit s
de raisonnement.
LIA se fixe comme but la mod lisation de lintelligence prise comme
ph nom ne (de m me que la physique, la chimie ou la biologie qui ont
pour but de mod liser dautres ph nom nes).
Test de Turing
2
Test de Turing (1950)
Consid rons trois joueurs
A: Homme, B: Femme, C: Homme ou Femme.
C doit d terminer qui est lhomme et qui est la femme.
A a pour r le dinduire C en erreur, B a pour r le de laider.
Le test de Turing : (on communique par clavier)
Question : si on faisait jouer le r le de A une machine est-ce que C
se tromperait aussi souvent ? => Les machines sont-elles capables de
penser ?
(Si le comportement de la machine est indistinguable de celui
dun humain alors on pourrait en conclure que la machine est
Intelligente)
La chambre chinoise
``Minds, Brains and Programs'' 1980
John Searle (professeur en philosophie a Berkeley) est enferm dans une pi ce ne
communiquant avec l'ext rieur que par un guichet et contenant un (tr s) gros livre
dans lequel est crit une succession de questions et de r ponses pertinentes ces
questions, et r dig es en chinois.
Searle pr cise qu'il ne conna t rien au chinois et que l'anglais est sa langue
maternelle.
Un exp rimentateur lui transmet des messages par le guichet, tant t en anglais,
tant t en chinois.
Searle r pond directement aux messages r dig s en anglais alors que pour
ceux r dig s en chinois, il est oblig de consulter le livre jusqu' trouver une
question identique au message ; il recopie alors la r ponse associ e.
3
Remarque de Searle
Searle fait alors remarquer que pour l'exp rimentateur ext rieur,
les messages transmis en chinois sembleront aussi pertinents que ceux
transmis en anglais.
Pourtant Searle conna t l'anglais alors qu'il ne conna t rien au
chinois.
De mani re analogue, on ne peut pas d duire du fait qu'un programme passe
avec succ s le test de Turing qu'il comprenne de quoi il est question.
Deux coles
" Une machine sera consid r e comme intelligente si elle reproduit
le comportement d'un tre humain dans un domaine sp cifique ou
non
" Une machine sera consid r e comme intelligente si elle
mod lise le fonctionnement d'un tre humain.
4
Exemple : Le jeu d ch c
Dans le premier cas, on essaiera avant tout d'obtenir un programme efficace.
Peu importe alors que la machine fasse des calculs inaccessibles l'homme,
comme explorer quelques centaines de millions (ou milliards) de positions la
seconde.
Dans le second, on essaiera d'abord de comprendre comment l'homme joue aux
checs.
Pour cela, on interviewera des ma tres, on essaiera de d gager les
r gles plus ou moins consciemment suivies par les joueurs : tenter d'occuper le
centre, de dominer une couleur de cases, etc. Le programme r alis validera
Historique de l'IA
La pr histoire 1945-1955
Traduction automatique du langage => probl me de repr sentation et
d'extraction des connaissances et probl me de r daction g n rique.
Intelligence artificielle dans la litt rature et le cin ma de science fiction
(Films: Odyss e 2001 de Kubrick, IA de Spielberg)
Apparition du mot robot pour la premi re fois en 1923 dans la pi ce de the tre
R.U.R (Rossums Universal Robots) crite par Karel Capek.
En 1950, Isaac Asimov (auteur de Science fiction avec un backround
scientifique) propose ses trois Lois de la robotique.
Un robot ne doit pas attenter a la vie dun humain
Un robot doit obeir aux ordres dun humain sauf si cela contredit la premi re
loi
Un robot doit pr server sa propre existence sauf si cela contredit aux deux
premi res lois)
(Film I, Robot avec Will Smith, 2004)
5
1955-1970
Les d buts 1955-1970
"Le terme intelligence artificielle est apparu en 1956 la rencontre de Minsky,
McCarthy, Newell et Simon au coll ge de Darmouth (New Hampshire, USA).
" poque de l'enthousiasme absolu (Simon en 1958) : en moins de dix ans un
programme d' chec arrivera au niveau d'un champion du monde et qu'un
programme de d monstration automatique de th or me d couvrira un th or me
math matique.
Pourtant, Kasparov na t battu par la machine Deep Blue quen 1997 !
"D veloppement de travaux : jeux d' chec, d monstration de th or mes en g om trie
"Apparition du premier programme le LOGIC THEORIST (d monstration
automatique de th or me) en 1956 et du langage IPL1. Apparition des langage Lisp
en 1960 par MacCarthy, et Prolog en 1971 par Alan Colmerauer.
" Eliza est construit au MIT en 1965 , un syst me intelligent qui dialogue en anglais
et qui joue au psychotherapiste.
Le syst me ELIZA (de Joseph Weizenbaum, au MIT), en rep rant
des expressions cl s dans des phrases et en reconstruisant partir
delles des phrases toutes faites, tait capable, d s 1965, de
dialoguer en langage naturel en trompant un moment des
interlocuteurs qui croyaient avoir affaire un psychologue humain !
Pourtant, ELIZA ne d tenait aucune compr hension r elle des
phrases quil traitait. Cest sans doute le syst me SHRDLU de Terry
Winograd qui, en 1970, fut le premier comprendre quelque
chose la langue naturelle et exploiter cette compr hension dans
des dialogues qui portaient sur un monde simplifi fait de blocs.
6
Traitement du langage naturel
" Jai vu un homme sur la colline avec des jumelles.
" Le professeur envoya l l ve chez le directeur parce quil
voulait lui lancer des boulettes la figure.
Historique de lIA (suite)
1970 : SCHRDLU, logiciel con u par Terry Winograd. Il simule la manipulation
de blocs g om triques (cubes, cylindres, pyramides, ...) pos s sur une
table. Le logiciel g n re automatiquement des plans (<< Pour d placer le cube
bleu sur le sommet du cylindre jaune, je dois d'abord enlever la pyramide qui
se trouve sur le cube et ...>>) et est muni d'une interface en langage naturel.
Les syst mes experts, parmi lesquels :
1969 : DENDRAL : analyse des r sultats d'une spectrographie de masse
1967 : MACSYMA (logiciel de calcul formel)
1977 : MYCIN (maladies infectieuses).
HEARSAY-II en compr hension de la parole,
PROSPECTOR en g ologie.
7
Historique de lIA (suite)
La sp cialisation 1970-1980 (sp cialisation et th orisation)
L'IA est le carrefour de plusieurs disciplines : informatique, logique,
linguistique, neurologie et psychologie). Naissance du langage Smalltalk
en 80
Simon recoit le prix Nobel en conomie en 1978
La reconnaissance 1980-1990 (cr dibilit et audience)
Projet de cinqui me g n ration par MITI (3 alphabets pour les japonais :
le Katakana, l'Hiragana et le Kanji => id ogrammes)
MITI est l'ancien acronyme du nom du minist re de l' conomie japonais
remplac aujourd'hui par METI.
A partir des ann es 1980
Des techniques sp cifiques linformatique ont t d velopp es partir
des ann es 1980 : les r seaux de neurones qui simulent larchitecture
du cerveau humain, les algorithmes g n tiques qui simulent le
processus de s lection naturelle des individus, la programmation
logique inductive qui fait marcher lenvers le processus habituel
de d duction, les r seaux bay siens qui se fondent sur la th orie des
probabilit s pour choisir, parmi plusieurs hypoth ses, la plus
satisfaisante.
8
Fin des ann es 1980
LIA sest essentiellement focalis e sur les th ories et techniques
permettant la r alisation dintelligences individuelles. Dans la nature, il
existe toutefois une autre forme dintelligence collective celle-l ,
comme les tres multicellulaires simples, les colonies dinsectes sociaux,
les soci t s humaines. Ces sources dinspiration montrent quune forme
dintelligence sup rieure peut r sulter de lactivit corr l e dentit s plus
simples. Dans les syst mes artificiels, ce champ porte le nom d IA
distribu e ou de syst mes multiagents .
9
Ann es 1990-2000
Lav nement dInternet a ouvert la voie au partage et la
communication de connaissances. Comment organiser et traiter ces
gigantesques masses dinformation ? Comment en extraire les
connaissances pertinentes pour les probl mes pos s ? Les moteurs de
recherche comme Google ont int gr dans leurs t ches des
techniques avanc es de recherche dinformation (information
retrieval) et dintelligence artificielle (data mining).
Ann es 1990-2000 (suite)
En 1994, une quipe fran aise met au point dans le cadre de ses
recherches en vie artificielle les Jardins des hasards Ce sont des
jardins virtuels dont l volution est fonction de donn es num riques
re ues par modem en temps r el. Ils sont compos s de plusieurs familles
de formes qui naissent, grandissent, meurent et interagissent entre elles
suivant des comportements inspir s de la vie. Ils constituent des
cosyst mes de vie artificielle.
Les couleurs des objets changent avec les donn es m t o et avec le
temps chronologique au fil des jours et des saisons.
10
Ann es 1990-2000 (suite)
En 1995, le syst me automatique de vision ALVINN de Carnegie
Mellon University a permis la conduite automatique dun v hicule
appel Navlab5 de Pittsburgh San Diego, pendant que les op rateurs
humains soccupaient du frein et de lacc l rateur.
En 1997, Philadelphie, le champion du monde aux checs,
GarryKasparov, a t battu par Deep Blue, un ordinateur dIBM, en six
manches. Kasparov a gagn la premi re, a perdu la seconde et a tr s
mal jou le reste. Furieux, il a d sincliner devant la machine.
Kasparov got wiped off the board, a d clar le grand ma tre Ilya
Gurevich.
11
Ann es 1990-2000 (Fin)
Toujours en 1997, a eu lieu pour la premi re fois RoboCup, le
championnat des robots qui jouent au football (ou au soccer, si vous
pr f rez ce terme nord-am ricain). Cela sest pass Nagoya, au Japon,
lors de la conf rence IJCAI-97.
En 1999, un agent artificiel et intelligent de la NASA a pilot un
satellite au-del de la plan te Mars pendant une journ e enti re sans
aucune aide en provenance de la Terre.
12
Les ann es 2000
Lacquisition de connaissances a permis quant elle la cr ation
dontologies de diverses natures. Citons par exemple le Unified
Medical Language System.
Publicité
Succ s du traitement de langage naturel, WordNet est une base de
donn es lexicale en anglais et OpenCyc est une base de connaissances
qui formalise les connaissances de sens commun.
Ontology
13
Les ann es 2000 (suite)
Lapprentissage en ligne, ou e-learning, est en pleine expansion. LIA a
permis gr ce ses techniques de mettre en Suvre des syst mes
d ducation distance de plus en plus performants.
Il y a une meilleure prise en compte du profil de lapprenant (cognitif,
affectif et inf rentiel), une construction le plus souvent collaborative de
la base de connaissances (curriculum), une interaction plus intelligente
entre le syst me et lapprenant, etc.
ITS Architecture
Learner Model
Planner
Curriculum
Session
Manager
D
i
d
a
c
t
i
c
R
e
s
o
u
r
c
e
s
Pedagogical Model
Tr
C
Tu
Pedagogical
agents
Learning strategies
R
e
s
o
u
r
c
e
s
A
d
i
d
a
c
t
i
c
Interface
14
Basic Strategy
Basic Strategy
3
H
D
D
D
H
S
S
S
S
S
H
H
H
H
D
DS
S
P
P
H
D
P
P
P
P
S
P
4
H
D
D
D
S
S
S
S
S
S
H
H
D
D
D
DS
S
P
P
H
D
P
P
P
P
S
P
5
H
D
D
D
S
S
S
S
S
S
D
D
D
D
D
DS
S
P
P
P
D
P
P
P
P
S
P
6
H
D
D
D
S
S
S
S
S
S
D
D
D
D
D
DS
S
P
P
P
D
P
P
P
P
S
P
7
H
H
D
D
H
H
H
H
H
S
H
H
H
H
H
S
S
P
P
H
D
H
P
P
S
S
P
8
H
H
D
D
H
H
H
H
H
S
H
H
H
H
H
Publicité
S
S
H
H
H
D
H
H
P
P
S
P
9
H
H
D
D
H
H
H
H
H
S
H
H
H
H
H
H
S
H
H
H
D
H
H
P
P
S
P
T
H
H
H
D
H
H
H
H
H
S
H
H
H
H
H
H
S
H
H
H
H
H
H
P
S
S
P
A
H
H
H
H
H
H
H
H
H
S
H
H
H
H
H
H
S
H
H
H
H
H
H
P
S
S
P
8-
9
10
11
12
13
14
15
16
17+
soft 13
soft 14
soft 15
soft 16
soft 17
soft 18
soft 19+
2,2
3,3
4,4
5,5
6,6
7,7
8,8
9,9
T,T
A,A
2
H
H
D
D
H
S
S
S
S
S
H
H
H
H
H
S
S
P
P
H
D
P
P
P
P
S
P
Multiple decks (4, 6, 8)
Double down on any two cards
Double after splits allowed
Dealer stand on soft 17
H = HIT, S = STAND, P = SPLIT, T = 10, J, Q or K
D = DOUBLE if allowed, otherwise HIT
DS = DOUBLE if allowed, otherwise STAND
15
Les ann es 2000 (suite)
Par ailleurs, il existe de plus en plus de syst mes de recommandation de
produits ou de services sur le Web : films, livres, cours, restaurants,
voyages, trajets dautobus ou de m tro.
Ils sont tous bas s sur des techniques dIA comme le raisonnement
base de cas, le filtrage de contenu (content filtering) ou le filtrage
collaboratif (collaborative filtering). Certains dentre eux prennent en
compte les donn es d mographiques mais aussi les habitudes dachat du
client ainsi que le comportement de navigation sur le web (web usage
mining).
Les ann es 2000 (suite)
Le syst me Captcha, d velopp Carnegie Mellon University,
soccupe de diff rencier les humains des machines. Captcha g n re des
tests que seuls les humains peuvent passer, afin de combattre les spams
et les actions malicieuses de certaines machines.
16
Les ann es 2000 (suite)
L quipe am ricaine de Sargur Srihari, directeur du Center of
excellence for document analysis and recognition (CEDAR, State
University of New York at Buffalo), a mis au point en 2002 un
logiciel capable de distinguer avec 98 % de certitude si deux
documents ont t crits par la m me personne ou non. Les travaux
ont t effectu s sur un chantillon de 1 500 personnes.
17
Les ann es 2000 (suite)
Dot dune t te dandro de et dune peau en polym re, K-Bot (con u par
David Hanson de luniversit du Texas) peut reconna tre et suivre nos
mouvements. Il est dot de 24 muscles m caniques qui lui permettent de
simuler 24 de nos expressions faciales.
Ceci peut servir consid rablement aux chercheurs qui tudient la
communication humain-machine.
Les ann es 2000 (suite)
Wakamaru, robot d velopp par Mitsubishi Heavy Industries et dot
de la parole, est principalement con u pour veiller sur les personnes
g es. Destin sins rer dans la vie familiale de tout un chacun, il
aura pour mission de pr venir lh pital ou les services de sant en cas
de besoin.
18
Les ann es 2000 (suite)
Du 26 janvier au 7 f vrier 2003, New York, Garry Kasparov sest
mesur durant six parties d chec Deep Junior, trois fois champion du
monde des logiciels.
La rencontre sest sold e par une galit 3 3.
la diff rence du fameux tournoi de 1997, le champion g de 39 ans a
eu tout le loisir de sentra ner au pr alable sur un PC avec la version
commerciale de Deep Junior, qui nest pas loin du niveau de lactuel
Deep Junior sur la m me machine. Il est capable de passer en revue trois
millions de positions la seconde !
19
Les ann es 2000 (suite)
Le 13 janvier 2004, une firme qu b coise rapporte dans le Medical Post
la mise en march dun syst me portatif dalerte cardiaque appel Vital
Positioning System (VPS).
Incluant un t l phone cellulaire, un ordinateur de poche et un GPS, ce
syst me peut d tecter lapproche dune attaque cardiaque 8 minutes
avant que les premiers sympt mes ne soient humainement perceptibles.
Il appelle alors automatiquement lh pital le plus proche et pr cise
lemplacement du futur patient.
Quelques domaines de lIA
Les syst mes experts (m decine, analyse financi re, configuration d'appareils)
T che de diagnostic, de surveillance ou de d pannage d'installations industrielles.
Robotique et FAO (fabrication assist e par ordinateur)
Publicité
Introduction de robots qui acqui rent l'information l'aide de capteurs ou de cam ras
afin de se mouvoir dans des environnements diversifi s.
Compr hension du langage et traduction automatique
Apparition d'interfaces en langage naturel => interrogation de bases de donn es en
fran ais ou en anglais (exemple : film Dune).
Reconnaissance des formes (reconnaissance de la parole, de l'image et de l' criture)
IBM utilise une interface auditive qui reconnait 20 000 mots anglais tir s du
vocabulaire des affaires et qui les crit l' cran.
Apprentissage cr er des programmes qui g n rent leurs propres connaissances en
se modifiant partir de leurs succ s et leurs erreurs.
L' motion artificielle. ( les travaux de Rosalind Picard sur l' motion)
20
Domaines de recherche en IA
Apprentissage-machine
Ce Ce processus donne un agent la capacit deffectuer des t ches qui ne
pouvaient pas l tre auparavant ou deffectuer de fa on plus efficace
(plus rapidement et plus pr cis ment) les t ches desquelles il sacquittait
d j .
Les syst mes dapprentissage analytiques ont pour but danalyser et de
mettre sous une forme plus efficace ou op rationnelle les
connaissances d j existantes. Les syst mes dapprentissage synth tiques
ont pour but de d couvrir des connaissances fondamentalement
nouvelles.
Domaines de recherche en IA
R alit virtuelle
Ce domaine propose de nouvelles formes dinteraction entre lhomme et
la machine. Larriv e dordinateurs plus puissants, dot s
dimpressionnantes capacit s graphiques en trois dimensions, coupl s
des p riph riques de visualisation et dinteraction (casque, gant, etc.),
permet de fournir les informations sensorielles n cessaires pour
convaincre des utilisateurs quils sont en immersion.
Larry Hedges du Georgia Institute of Technology utilise depuis
longtemps la r alit virtuelle pour gu rir certaines phobies comme celles
de lascenseur ou celles des araign es.
21
Domaines de recherche en IA
Reconnaissance des formes
Les recherches dans ce domaine visent automatiser le discernement de
situations typiques sur le plan de la perception. Ses m thodes trouvent
des applications nombreuses. Citons la vision, la reconnaissance de la
parole, la lecture optique de documents et la synth se dimages.
Les progr s en reconnaissance dimages vid o permettent d j la police
de rep rer une cible dans une foule.
22
Domaines de recherche en IA
Vie artificielle
Ce domaine sint resse l tude des cosyst mes et la reproduction,
par des syst mes artificiels, de caract ristiques propres aux syst mes
vivants (depuis les m canismes de fonctionnement cellulaire jusquaux
dynamiques de peuplement, en passant par des mod les de
d veloppement individuel).
Domaines de recherche en IA
Robotique
Sous-domaine important de lIA, la robotique peut tre vue comme
une interconnexion intelligente de la perception, de laction, ainsi
que du fonctionnement des robots.
Utilis e pour maintenir des repr sentations dynamiques de leur
environnement, elle permet aux robots de se munir de capacit s de
sentir, de se d placer, de raisonner et ventuellement de
communiquer en langage naturel.
23
24
25
Domaines de recherche en IA
Indexation multim dia
Les ressources multim dia que lon retrouve aujourdhui sur le Web
sont la fois nombreuses, volumineuses et parfois non pertinentes.
Aussi lIA propose-t-elle des outils pour la fouille de bases de
donn es (data mining) afin den extraire des connaissances
synth tiques ou dy d couvrir des informations cach es, de
diagnostiquer des situations, ou daider superviser la conduite de
syst mes.
26
Applications de lIA
Diagnostic m dical, th rapie, surveillance dappareils
Synth se dimages, vision par ordinateur
Classifications naturelles (biologie, min ralogie, &)
Planification de t ches (pr dictions financi res, ...)
Architecture (conception assist e par ordinateur)
D tection de pannes (Sherlock pour les avions F16)
Applications de lIA (suite)
ducation (Syst mes Tutoriels Intelligents, e-Learning)
G nie (v rification de r gles de design)
Prospection g ologique (gisements miniers)
Centrales nucl aires, feux de for ts (syst mes temps r el)
Simulateurs de vols (CAE, Bombardier, &)
Jeux (vid os)
27
Biblio Autre Forum
Scott L. Andresen, Hebert A. Simon: AI pioneer , IEEE Intelligent Systems 16(4): 7172,
2001.
Marvin Minsky, A framework for representing knowledge , in Patrick Henry Winston, d.,
The Psychology of Computer Vision (pourquoi cette apostrophe apr s Computer?), McGraw-
Hill, New York, USA, 1975. <web.media.mit.edu/~minsky/papers/Frames/frames.html>
<www-poleia.lip6.fr/~gortais/pages/Jardin%20des%20Hasards.html>
<www.nlm.nih.gov/research/umls>
<www.cs.waikato.ac.nz>
<www.opencyc.org>
Tim Menzies, Guest editors introduction: 21st-century AI Proud, not Smug , IEEE
Intelligent Systems 18(3): 1824, 2003.
<www.captcha.net>
<www.cedar.buffalo.edu/NIJ/>
Comparaison des m thodes
de l'intelligence artificielle et des m thodes
informatiques classiques
M thodes classiques
M thodes d'intelligence artificielle
Pr s du fonctionnement de la machine
Pr s du fonctionnement humain
Traitement de nombres ou de textes
Traitement de symboles
Utilisent beaucoup de calculs
Utilisent beaucoup d'inf rences
Suivent des algorithmes rigides et
exhaustifs
Font appel des heuristiques et des
raisonnements incertains
Ne sont g n ralisables qu' une classe
de probl mes semblables
Sont g n ralisables des domaines
compl tement diff rents
28
Types de raisonnement en IA
" Le raisonnement est un encha nement d' nonc s ou de
repr sentations symboliques conduit en fonction d'un but
(d montrer, convaincre, lucider, interpr ter, d cider,
justifier, expliquer) en g n ral non lin aire (retours arri re)
comme la d marche humaine.
" Le raisonnement formel
" Le raisonnement proc dural
" Le raisonnement par analogie
" Le raisonnement par g n ralisation et abstraction
" Le raisonnement g om trique
Raisonnement formel
" Raisonnement logique,
" Raisonnement approximatif,
" Raisonnement temporel
29
Raisonnement proc dural
"Le raisonnement proc dural => algorithmes et automates
d' tats finis (raisonnement par classification et raisonnement
distribu et mod le de tableau noir)
30
Raisonnement par analogie
" Le raisonnement par analogie (raisonnement partir de cas)
Cycle du CBR
Nouveau probl me
Cas similaires au probl me
Recherche
Mise jour
R utilisation
Base de cas
Adaptation
Solution confirm e
Solution propos e
31
Raisonnement par g n ralisation
"Le raisonnement par g n ralisation et abstraction (raisonnement par
classification raisonnement par induction)
Raisonnement g om trique
"Le raisonnement g om trique (Synth se d'images , reconnaissances
des formes, localisation d'objets, vision par ordinateur)
32
Acquisition des connaissances
Acquisition des
connaissances
Explicitation
Mod lisation
Probl matique de l'acquisition de
connaissances
" Les connaissances d'un expert sont subjectives et difficiles formaliser.
" Les formalismes utilis s pour la repr sentation des connaissances ne
permettent pas un bon niveau d'abstraction et restent li s
l'implantation.
" Comment organiser les connaissances en vue de leur traitement ?
" Transfert d'expertise => Mod lisation des connaissances et de la
m thode de r solution de probl mes
33
Types de connaissances
F Connaissances d claratives (le savoir)
La population du Qu bec tait de 7 800 000 habitants en 2009.
F Connaissances proc durales (le savoir faire)
Une recette de cuisine => faire un gateau au chocolat.
F Connaissances conceptuelles (combine les deux)
Le concept de r f rendum fera appel aux connaissances proc durales :
installation des bureaux de votes et constitution des listes lectorales ;
la connaissance d clarative est : un bulletin nul n'est pas compt .
Donn es probl matiques
Redondance : calcul du rapport (long t te/hauteur du corps) alors que l on a
les rapports (long t te/long standard) et (hauteur du corps /long standard)
Corr lation : la taille de la fontanelle diminue en m me temps
que la taille du corps augmente
Synonymie : posture du corps (presque droit, C, faiblement courb )
Ambiguit : couleur (fonc , noir)
Information cach e : forme m le, forme femelle
Impr cision : poisson de grande taille
Absence : absence de paupi re adipeuse
34
volution des processus
dacquisition de connaissances
techniques
manuelles
Techniques
semi-automatiques
Apprentissage
machine
Les syst mes base de connaissances
Autre appellation : syst mes experts
Base de connaissances : elle contient l'ensemble des informations sp cifiques au
domaine d'expertise.
Base de faits : elle contient l'ensemble des faits relatifs au probl me.
On y stocke les donn es symboliques et les donn es num riques.
Base de r gles : elle contient l'ensemble des r gles de production et des connaissances
heuristiques d terminant la r solution de probl mes.
Moteur d'inf rences : il r alise le fonctionnement cr atif du syst me en s lectionnant
r gles et faits pour g n rer de nouvelles r gles et de nouveaux faits.
M ta-r gles : il s'agit des r gles destin es guider le moteur d'inf rences quant la
strat gie de r solution ou la maintenance des bases de r gles ou de faits.
35
D veloppement dun syst me
expert
Publicité
Raisons favorisant le d veloppement d'un syst me expert :
Existence d'un grand nombre d'observations syst matiques
Existence d'une proc dure d'analyse et de prise de d cisions accept e
Importance des param tres qualitatifs, non seulement quantitatifs
solution algorithmique impossible
Solutions souhait es non videntes du premier coup, ou difficiles
obtenir autrement
Int r t conomique du projet (disponibilit d'une information intelligente
24/24h, complexit excessive, etc.)
Phases de d veloppement
1.Sp cification du cahier des charges
2.Choix d'une architecture du syst me, de son interface utilisateur, et d'un
langage de traitement.
Pr vision des m canismes de modification ult rieure du syst me
3.S lection d'un sous-ensemble repr sentatif du probl me pour l' laboration
d'un d monstrateur
4.Acquisition des informations et laboration du m canisme d'ajout et
de modification de la base de connaissances
5.Implantation du "moteur d'inf rences" (r gles d'inf rence)
6.Test, ajustement et documentation du syst me
36
Cat gories de syst mes experts
Cat gories
Types de probl mes
Interpr tation
D crire des situations partir de donn es sensorielles.
Pr diction
Pr dire des cons quences de situations donn es.
Diagnostic
Identifier des probl mes de fonctionnement partir d'observations.
Conception
Configurer des objets partir de contraintes descriptives.
Planification
D terminer des plans d'action.
Surveillance
et contr le
R paration
Formation
Comparer des observations des d faillances possibles
et rem dier ces d faillances.
Prescrire des rem des des mauvaisfonctionnements.
Ex cuter des plans en fonction de rem des prescrits.
Identifier les failles dans les connaissances et proposer des
strat gies p dagogiques pour y rem dier.
Exemples de syst mes experts
Syst mes d'interpr tation de donn es. Des syst mes permettant de classifier de nouvelles
observations par r f rence des observations pr stock es.
syst mes de diagnostic en m decine ("de quelle maladie s'agit-il?"),
syst me d'interpr tation g ologique ("les mesures seismologiques permettent-elles
de croire l'existence de d p ts min raux importants?"),
syst mes d' valuation psychologique ("s'agit-il d'un cas suicidaire?"), etc.
Syst mes de pr diction. Des syst mes effectuant une interpr tation pr dictive partir
d'observations pr stock es.
syst mes de pr diction m t orologique ("Il pleut aujourd'hui en France.
Va-t-il pleuvoir en Suisse demain?"),
pr dictions g opolitiques ("Les conflits de guerre sont particuli rement
fr quents en situation de crise conomique. Quelles combinaisons pr cises de
facteurs conomiques, sociologiques et politiques pr disent un d clenchement
d'hostilit s?"),
37
Exemples de syst mes experts
Syst mes de planification. Des syst mes capables de planifier des actions
humaines ou robotiques dans un univers complexe caract ris par des
contraintes ou r gles connues.
Syst me de r servation de vols a riens, planification des altitudes de
vol selon les vents connus et les corridors disponibles,
planification des actions d'assemblage d'un robot industriel, planification des interventions requis
pour la construction d'un b timent, etc.
Syst mes de conception. Des syst mes de configuration ou de d couverte selon un cahier
des charges pr cises.
D veloppement et simplification de circuits int gr s, am nagement d'une cuisine
optimale dans un espace donn , clonage de g nes, cr ation d'un nouveau
compos chimique, etc.
Le syst me MEDIC
Base de faits : sympt mes du patient (examen clinique,
examens biologiques, radiologiques et fonctionnels)
Deux Bases de r gles : expertise de lexpert sur les ict res
r tentionnels chirurgicaux
Moteur dinf rences => cha nage bidirectionnel
Cha nage avant : suspicion de diagnostics
Cha nage arri re : confirmation ou infirmation de diagnostics
Cha nage avant : th rapie et pronostic
38
Traitement symbolique des
connaissances
Traitement de l'information num rique (premiers ordinateurs)
Traitement alphanum rique (bases de donn es)
Traitement symbolique (en intelligence artificielle on traite des faits
des nonc s des quations, des m thodesrepr sent s par des syst mes de symboles
Repr sentation des connaissances
Formalismes de repr sentation :
" Logique des propositions (pas de quantificateurs et pas variables)
" Logique de premier ordre (introduction de variables et de quantificateurs)
" R gles de production
Repr sentation structur es
" R seaux s mantiques
" Frames
" Logiques terminologiques KL-ONE
" Graphes conceptuels
39
Exemple en logique propositionnelle et
en logique du premier ordre
La phrase "Zola a crit Germinal" peut se repr senter de la
fa on suivante :
(AUTEUR, ZOLA) (LIVRE, GERMINAL)
Pour repr senter la phrase "quelqu'un a crit Germinal",
on peut utiliser formule atomique form e d'un pr dicat et de
deux termes (r duits des constantes) :
$x, A-ECRIT (x, GERMINAL)
Exemple de r gle de production
" S'il n'y a pas d'image mais que vous entendez le son, v rifiez
le r glage d'intensit de l' cran"
Si non IMAGE et SON Alors INTENSIT - CRAN
40
Exemple de r seau s mantique
a une peau
peut se mouvoir
respire
mange
ANIMAL
est-un
est-un
POISSON
Poss de des nageoires
a des ailes
peut voler
OISEAU
est-un
sait nager
est-un
sait chanter
CANARI
couleur jaune
SAUMON
couleur rose
comestible
Exemples de graphes conceptuels
AGT
HISSER
OBJ
VOILE
MARIN
CHRC
JEUNE
(AGT)
(AGT)
(
OBJ)
(MANR)
41
Exemple de logique terminologique
*
*
*
THING
Mammif re
Personne
Parent
Grand-parent
date-de-naissance
(1,1)
enfants
(1, )
enfants
(1, )
*
*
Date
Personne
Parent
Ing nierie de la connaissance
Questions que doit r soudre un cogniticien
Quelles sont les donn es fournir au syst me ?
Quels sont les r sultats produits par le syst me, comment sont-ils pr sent s ?
Quels sont les types de probl mes ?
Quelles sont les caract ristiques des solutions ?
Quels types de connaissances doit-on acqu rir ?
Quelles sont les relations entre donn es ?
Quel est le degr de pr cision des donn es et des r sultats fournir ?
Quels sont les postulats de base (parfois implicites) de l'expert ?
Quelles sont les contraintes respecter dans les donn es ou les solutions ?
Quels sont les probl mes faciles, fr quents, difficiles ou int ressants ?
42
T ches en ing ni rie des
connaissances
Identifier la connaissance
Expliciter la connaissance
Structurer la connaissance
Repr senter la connaissance
Utiliser, valider, raffiner, et
mettre jour la connaissance
Nature de la connaissance d'un
expert
La connaissance de l'expert est
" compil e
" volatile
" subjective
" r partie
43
Perspectives futures en IA
vAgents intelligents (r solution de conflits politiques,&)
vVie artificielle ( tude des cosyst mes)
vData mining (aide la d cision, internet)
vTraitement du langage naturel ( crit ou parl )
vE-Learning (formation distance)
vCommerce lectronique
vWeb services
vR alit virtuelle
Vers un futur coop ratif
une t che individuelle
une t che coop rative
44
45
Un futur plus agr able...