l'Intelligence Artificielle Jean-Antoine Moreau
11 j'aime•6,127 vues
Le document traite de l'intelligence artificielle, explorant sa définition, ses méthodes de réalisation et ses distinctions entre intelligence artificielle faible et forte. Il souligne l'importance des heuristiques, des algorithmes et des systèmes experts, ainsi que divers domaines d'application comme la robotique et le traitement du langage naturel. En outre, il aborde la formalisation des problèmes à résoudre et les algorithmes de recherche pour arriver à des solutions optimales.
l'Intelligence Artificielle Jean-Antoine Moreau
- 1. Jean-Antoine Moreau (Ingénieur) © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. L’Intelligence ArtificielleL’Intelligence Artificielle
- 2. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 2 / 102 Contact Mobile Website MOOC « C’est l’esprit qui mène le monde et non l’intelligence. » Antoine de Saint-Exupéry
- 3. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 3 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • C’est quoi ? • Ça fait quoi ? • Ça sert à quoi ? • C’est comment ? • On s’en sert comment ? • Ses impacts – Économiques; – Sociaux.
- 4. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 4 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L'expression intelligence artificielle a été proposée au congrès de Dartmouth en 1956.
- 5. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 5 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une machine sera considérée comme intelligente : – Si elle reproduit le comportement d'un être humain dans un domaine spécifique ou général; – Si elle modélise le fonctionnement d'un être humain.
- 6. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 6 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deux possibilités de réalisation d’un programme: – Un programme efficace. Peu importe alors que la machine fasse des calculs inaccessibles à l'homme, comme explorer quelques centaines de millions (ou milliards) de possibilités à la seconde; – On essaiera d'abord de comprendre comment l'homme fait, puis le programme réalisé validera (ou non) les hypothèses qui auront été faites.
- 7. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 7 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La première possibilité est purement informatique; • La seconde possibilité fait appel au courrant des sciences cognitives (années 1960) en posant comme hypothèse de base la pertinence de l'analogie entre les couples esprit| cerveau et logiciel|matériel.
- 8. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 8 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deux niveaux – matériel ou physique; – informationnel ou fonctionnel; • Ces deux niveaux sont indépendants – Ainsi un programme peut être exécuté sur des machines possédant des architectures différentes.
- 9. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 9 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le fonctionnalisme devient la notion centrale; • Les processus sont effectifs c'est-à-dire calculables.
- 10. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 10 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La capacité brute de l'ordinateur ne suffit plus à résoudre les problèmes complexes. – Il est nécessaire d'y adjoindre • des heuristiques; • des méthodes de représentations des connaissances qui proviennent le plus souvent d'une analyse de la manière dont nous fonctionnons; • Des paradigmes tels que : – connectionnisme (réseaux neuronaux); – algorithmes adaptatifs (algorithmes génétiques - algorithmes évolutionnistes).
- 11. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 11 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L'intelligence artificielle « faible » – ne vise pas à évaluer; – ne vise pas à évoluer; – vise à effectuer une ou plusieurs tâches. • L'intelligence artificielle « forte » – approche qui consiste à chercher et à construire • des systèmes de plus en plus autonomes; • des algorithmes capables de résoudre des problèmes d’une classe prédéfinie; • la programmation d'un apprentissage (Machine Learning).
- 12. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 12 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le concept d’intelligence artificielle forte fait donc référence à une machine capable : – de produire un comportement intelligent; – d’éprouver une compréhension de ses propres raisonnements.
- 13. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 13 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Ainsi l’intelligence artificielle intègre : – Le Deep learning (apprentissage profond); – Les Réseaux à apprentissage (neuronique); – Le Big Data; – La Data Science; – Les Algorithmes; – Les Méthodes; – Les Processus; – La Robotique; – La Théorie de l'information.
- 14. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 14 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Approches : – Logiciel; – Système expert • la résolution du problème s'appuie sur un ensemble de règles données par l’expert humain du domaine; • l’utilisation de la logique floue ne change pas la nature des limitations d’emploi du programme: l'exécution reste totalement déterministe; – Auto apprentissage, Machine Learning, la Neuronique.
- 15. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 15 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • EXPERT – Programmation déclarative ou logique; • NEURONIQUE – Programmation fonctionnelle; – Auto-adaptation; – Auto-apprentissage.
- 16. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 16 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Notion d’agent : Un agent est tout ce qu'il peut être vu comme quelque chose qui perçoit son environnement à travers des capteurs et agit sur son environnement à travers d'effecteurs.
- 17. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 17 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Perception Une perception est l'entrée perçu par l'agent à un moment donné. • Séquence de Perception La séquence de perception est l'histoire complète de tout ce qu'un agent a perçu. • Comportement Le comportement d'un agent est décrit par la fonction d'agent qui associe à chaque séquence de perception une action. • Programme d’Agent Un programme d'agent est une implémentation de la fonction d'agent.
- 18. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 18 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les systèmes experts – permettent d'appliquer des règles pour prendre des décisions ou de découvrir de nouvelles connaissances. • La logique floue – permet de contrôler des systèmes informatiques ou mécaniques de manière plus souple que les programmes traditionnels. • La logique des possibilité • Les algorithmes • Le formalisme Objet – objets, classes, instances, propriétés, héritage • Les systèmes multi-agents – simulent des foules ou permettant des comportements émergents à partir de plusieurs agents très simples. • Les réseaux de neurones – capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données.
- 19. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 19 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Outils : – Langages de programmation; – Programmation et objets structurés; – Moteur d’inférences; – Bases de connaissances; – Modélisation; – Graphes.
- 20. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 20 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthodes – Procédures algorithmiques; – Description d’experts; – Apprentissage neuronal.
- 21. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 21 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Fondements : – Logique de Boole; – Logique formelle; – Logique des propositions; – Logique combinatoire; – Logique des prédicats; – Syllogismes; – Déduction; – Heuristique; – Énigmes; – Paradoxes.
- 22. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 22 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Fondements théoriques – Décidabilité (Hilbert); – Calculabilité (Turing); – Incomplétude (Gödel).
- 23. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 23 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Intègre donc : – La conception d’agents intelligents; – Les disciplines étudiant la possibilité de faire exécuter par l’ordinateur des tâches pour lesquelles l’homme est aujourd’hui meilleur que la machine; – L’automatisation des activités associées au raisonnement humain, telles que la décision, la résolution de problèmes, l’apprentissage; – L’étude des mécanismes permettant à un agent de percevoir, raisonner, et agir; – L´études des entités ayant un comportement intelligent.
- 24. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 24 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Construction des machines qui raisonnent d'une manière autonome et s'adaptent au changement et à l'environnement. • Construction de programmes informatiques qui effectuent des tâches qui sont, pour l’instant, accomplies par l’homme puisqu'elles demandent des processus mentaux de haut niveau.
- 25. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 25 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un ensemble de techniques visant à tenter d’approcher le raisonnement humain.
- 26. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 26 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Créer des systèmes qui pensent rationnellement; • Créer des systèmes qui possèdent des comportements rationnels; • Créer des systèmes qui possèdent des comportements structurés ou structurants.
- 27. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 27 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Historique récent : – Systèmes Experts (1969-1979); – Dans l’Industrie (1980 à aujourd’hui); – Réseaux de neurones (1986 à aujourd’hui).
- 28. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 28 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Domaines • Apprentissage machine; • Robotique; • Domotique; • Transport; • Finance; • Informatique Médicale; • Bio-informatique; • Cybercommerce; • Infographie intelligente et jeux; • Mégadonnées; • Internet des objets.
- 29. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 29 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Sous domaines – Représentation des connaissances; – Raisonnement Automatique; – Résolution de problèmes généraux; – Traitement du langage naturel; – Vision artificielle; – Robotique; – Domotique (domestique et industrielle); – Apprentissage automatique; – Planification; – Ordonnancement; – Systèmes Experts; – Logistique.
- 30. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 30 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Formalisation d’un sujet à résoudre – un état initial; – un ensemble d’actions; – une fonction de successeur, qui définit l’état résultant de l’exécution; – une action dans un état; – un ensemble d’états buts; – une fonction de coût, associant à chaque action un nombre non-négatif dit le coût de l’action.
- 31. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 31 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un problème a résoudre peut être formalisé: – comme un graphe orienté où les nœuds sont des états accessibles depuis l’état initial et où les arcs sont des actions. Le graphe donne l’espace des états
- 32. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 32 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une solution sera un chemin de l’état initial à un état but.
- 33. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 33 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Une solution est optimale si la somme des coûts des actions du chemin est minimale parmi toutes les solutions du problème.
- 34. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 34 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Structure générale d’un algorithme de recherche: – On commence toujours dans l’état initial et puis nous exécutons les étapes suivantes en boucle jusqu’à terminaison : • s’il n’y a plus d’états à traiter, renvoyez échec – sinon, choisir un des états à traiter (?) • si l’état est un état but, renvoyez la solution correspondante – sinon, supprimer cet état de l’ensemble des états à traiter, et le remplacer par ses états successeurs.
- 35. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 35 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Évaluation de l’algorithme : – Complexité en temps; – Complexité en espace; – Complétude; – Optimalité.
- 36. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 36 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Arbre de Recherche de base, recherche aveugle
- 37. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 37 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Algorithme de recherche dans les arbres
- 38. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 38 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Stratégies de recherche aveugle (non-informée) : – Recherche en largeur d’abord; – Recherche en coût uniforme; – Recherche en profondeur d’abord; – Recherche en profondeur limité; – Recherche itérative en profondeur.
- 39. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 39 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Algorithme de recherche – Agent avec objectifs explicites
- 40. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 40 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La stratégie de recherche s’évalue en 4 dimensions : – La complétude • Est ce que la stratégie trouve toujours une solution ? – La complexité en temps • Le nombre de nœud créés; – La complexité en mémoire • Le nombre de nœuds en mémoire; – L’optimalité • Est ce que la stratégie trouve toujours la solution la moins coûteuse ?
- 41. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 41 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Recherche en profondeur itérative
- 42. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 42 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Parcours en profondeur
- 43. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 43 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Parcours en largeur
- 44. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 44 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • États / Bornes
- 45. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 45 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Cas des Problèmes de Planification – Prédicats – Nom d’objet – Etats • État initial • Etat but – Préconditions – Actions – Fonction de successeur – Test de but – Coût des actions – Effets
- 46. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 46 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Recherche en arrière – Etat; – Etat initial; – Action; – Fonction de successeur; – Texte de but; – Coût des actions.
- 47. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 47 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Problème de satisfiabilité Problème de satisfaction de contraintes TRADUIT
- 48. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 48 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types d’action – Actions conditionnelles; – Actions déterministes; – Action non-déterministe; – Action temporelle; – Action dépendante ou affectant des états; – Action mené par plusieurs agents.
- 49. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 49 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les types de buts – Ensemble de but; – Buts temporels.
- 50. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 50 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Type de Plan – Conditionnel • Algorithme conditionnel; • Algorithme non conditionnel.
- 51. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 51 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Stratégie(s) optimale pour une classe de jeux – Jeu fini; – Jeu déterministe; – Information complète; – Somme nulle.
- 52. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 52 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Formalisme – État initial; – Fonction de successeur; – Test de terminalité; – Fonction d’utilité.
- 53. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 53 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Décisions en Temps Réel – Fonction d’évaluation; – Approfondissement sélective; – Ordonnancement heuristique de la recherche; – Table de transpositions; – Mémorisation.
- 54. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 54 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Décidabilité – La logique des propositions est décidable (on peut montrer en un nombre fini d’opérations qu’une formule est valide ou contradictoire); – La logique des prédicats est indécidable (Gödel, 1931) • La logique des prédicats est semi-décidable : on peut montrer en un nombre fini d’opérations si une formule est valide mais pas si elle est contradictoire; – La logique des prédicats réduite aux clauses de Horn est décidable • Trois types de clauses de Horn : – celles qui comportent un littéral positif et au moins un littéral négatif, appelées clauses de Horn strictes; – celles qui comportent un littéral positif et aucun littéral négatif, appelées clauses de Horn positives; – celles qui ne comportent que des littéraux négatifs, appelées clauses de Horn négatives; – Les clauses de Horn positives sont appelées faits; – Les clauses négatives représentent des buts à atteindre.
- 55. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 55 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La Représentation des connaissances – Logique propositionnelle • (exemple: Un nombre premier est un entier naturel qui admet exactement deux diviseurs distincts entiers et positifs qui sont alors 1 et lui-même); – Logique du premier ordre • Un modèle en logique du premier ordre est composé d’un ensemble non vide et d’une fonction d’interprétation; – Logiques de description – Logiques temporelles • à partir de la logique propositionnelle avec l’ajout d’un certain nombre de quantificateurs temporels; – Logique floue • logique floue tente de répondre à ce problème en permettant aux propositions de prendre les valeurs entre 0 (faux) et 1 (vrai); – Exemple : Par exemple une verre peu être vide ou rempli d’eau, il peut être aussi entre les deux : pas tellement plein; – Logiques de connaissances et/ou croyances • Exemple: le temps est couvert, il va sans doute pleuvoir; – Logiques non-monotones • Si je vous dis que l’Airbus A320 est un avion, il va de soit qu’il vole. Si je vous montre la maquette de cet avion; cela fait perdre la conséquence que dans ce cas cet avion vole.
- 56. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 56 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types de raisonnement – Raisonnement déductif • Déduire; – Raisonnement abductif • Expliquer des observations; – Raisonnement inductif • Forme d’apprentissage – Exemple une personne qui n’aurait vu que des stylos à bille, ne saurait pas que l’on peut écrire à la plume.
- 57. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 57 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Raisonnement déductif en logique propositionnelle – Tester si une formule est bien une conséquence logique d’une autre formule, et le deuxième étant de produire les conséquences d’une formule donnée; – Méthode de la table de vérité; – Mise en forme clausale.
- 58. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 58 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L’apprentissage – Apprentissage supervisé; – Apprentissage non-supervisé; – Apprentissage par renforcement.
- 59. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 59 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage – Acquisition de concept; – Apprentissage Symbolique Automatique.
- 60. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 60 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Types d’apprentissage • Connexionniste • Symbolique – acquisition de nouveaux concepts ou symboles; • Deductif – classification de données; – classification de théorèmes; • Inductif – classification de concepts; – découverte de classes; • Analogique – Déductif; – Inductif.
- 61. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 61 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Mode d’apprentissage – Systèmes • Supervisé – des exemples sont donnés au système; • Non-supervisé – le système observe; • Renforcement – mécanisme de punitions; – récompenses.
- 62. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 62 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Principe de l’apprentissage inductif – Descripteurs : • Ensembles de mots représentant les propriétés du problème; – Concepts : • Éléments du domaine essentiels selon l'expert; – Exemples : • Ensemble de descripteurs qui représentent un situation du problème traite illustrant un concept; – Théorie du domaine : • Ensemble de connaissances générales sur le domaine, relations entre les descripteurs.
- 63. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 63 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage basé sur l’explication – Déduction de nouvelles règles directement adaptes a des exemples d'entraînement; • à partir d'une description du monde sous forme de faits et règles.
- 64. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 64 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Apprentissage supervisé – Table de vérité; – Méthode des arbres de décision; – Algorithmique (dont algorithme d'élimination); – Pseudo-code • Structuré; • type conditionnel; – Espace des versions.
- 65. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 65 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Deep Learning – Technique d'apprentissage permettant à un programme : • de reconnaître le contenu d'une image; • de comprendre le langage parlé.
- 66. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 66 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La technologie du Deep Learning apprend à représenter le monde environnant : – Comment la machine va représenter • la parole; • l'image.
- 67. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 67 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le Deep Learning utilise l'apprentissage supervisé; – L'architecture interne de la machine est composé d'un « réseau de neurones • C’est une machine virtuelle composée de milliers d'unités (les neurones); • Chaque entité effectue de petits calculs simples; • Les résultats de la première couche d’unité (de neurones) vont servir d'entrée au calcul des autres.
- 68. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 68 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les réseaux de neurones ; • Les logiques de raisonnement ; • Le raisonnement temporel.
- 69. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 69 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Neurone formel – 5 éléments dans la couche d'entrée, • composée de 5 synapses appliquant un coefficient multiplicateur au signaux reçus.
- 70. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 70 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Un neurone formel est composé – D’entrées xi ; – De sortie yi ; – D’une somme pondérée h = Σ (xi.yi) ; – D’un seuil d’activation Ɵ ; – D’une fonction d’activation définissant la sortie y = f (h – )Ɵ ;
- 71. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 71 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La fonction d’activation : – Fonction à seuil; – Fonction linéaire par morceau; – Fonction sigmoïde.
- 72. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 72 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone – Ensemble de neurones formels classes en sous-groupes et fonctionnant en parallèle; – Traitements indépendants dans chaque sous groupe; – Propagation de l'information de la couche d'entrée à la couche de sortie en passant par des couches, dites ‘cachées’ • Chaque neurone de la couche cachée est connecté a tous les neurones de la couche précédente et suivante; – Connaissances stockées.
- 73. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 73 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone multi-couches
- 74. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 74 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Réseau de Neurone type d’apprentissage – Supervise : • Le réseau s'adapte par comparaison entre son résultat et la réponse attendue; • Le réseau se modifie jusqu‘à ce qu'il trouve la bonne sortie; – Le renforcement : • Le réseau estime son erreur. Il tente de maximiser un index de performance fourni, appelé signal de renforcement; • Le système est capable, de savoir si la réponse qu'il fournit est correcte ou non, mais il ne connaît pas la bonne réponse; – Auto-organisationnel : • Basé sur des probabilités; • Le réseau s'adapte en fonction des régularités statistiques de l'entrée et détermine des catégories en leur attribuant et en optimisant une valeur de qualité.
- 75. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 75 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Le Deep Learning va se généraliser dans touteLe Deep Learning va se généraliser dans toute l'électronique de décision.l'électronique de décision.
- 76. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 76 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthode en Robotique 1. Perception; 2. Prise de décision; 3. Action; 4. Communication; 5. Apprentissage.
- 77. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 77 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Gestion d'un Projet d'Intelligence Artificielle
- 78. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 78 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Définir • L'Objectif du projet; • Les Attentes; • Les Exigences clients (Dossier des exigences); • La Méthode ou les Méthodes utilisées; • Le Plan Projet; • La Qualité et Méthodologie (Plan d'Assurance Qualité); • Fonctionnalités; • Interaction; • Décomposition en sous-projets; • Définition des tâches à réaliser; • Planification; • Compétences nécessaires; • Moyens; • Ressources;
- 79. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 79 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Pour trouver la solution • Voir le problème à résoudre; • Voir la solution; • Voir l’impact.
- 80. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 80 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Pour voir le problème, il faut – Couper dans la Complexité; – Arriver à des Solutions simples et claires; – Développer un Plan d’Action.
- 81. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 81 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Méthode simple : – Fixer le but à atteindre; – Trouver l’approche ayant le plus d’impact; – Trouver la technologie la plus appropriée pour cette approche; – Toujours chercher et se remettre en question; – Focaliser sur l’objectif; – Ne pas lâcher face à la complexité; – Mesurer (Indicateurs, Tableaux de bord); – Partager les résultats; – Favoriser le changement.
- 82. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 82 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle RetombéesRetombées ImpactsImpacts
- 83. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 83 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Les retombées – Objets, agents,méthodologies, représentation des connaissances; – Approches causals et qualitatives; – Modélisation; – Fouille de données; – Fouille de texte; – Statistiques non linéaires (utilisation des réseaux neuronaux); – Programmation par contraintes; – Nouvelles méthodes d’optimisation (l'évolution artificielle); – Dialogue homme/machine; – Automatisation des Processus; – Processus rendus calculables, donc sans rupture; – Fusion capteur - donnée; – Robotique; – Domotique; – Élaboration des gammes de choix; – Aide à la décision; – Système à base de connaissance; – Programmation automatique; – Propagation des contraintes sur exigence client; – Impacts sur les gammes de produits; – Impacts sur les gammes de services;
- 84. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 84 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Permet l’innovation sur – « Problem solving thinking »; – Recherche efficace multi-supports; – Extraction automatique des connaissances modélisées de documents; – Sécurité de Systèmes d'Information; – Gestion du Capital Humain; – Gestion globale de l ’innovation; – Knowledge Innovation.
- 85. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 85 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Impact économique, Création de valeur sur – Véhicules intelligents; – Robotique; – Domotique; – Systèmes à base de connaissances pour le diagnostic; – Système intelligent d’action et d’assistance à distance; – Automatisation des actions de maintenance préventive; – Systèmes intelligents de contrôle de l ’environnement; – Systèmes Intelligents pour la gestion des données en fonction des besoins métiers; – Gestion des connaissances; – Systèmes avancés pour la formation; – Technologies du langage; – Méthodes et outils pour le partage des connaissances.
- 86. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 86 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Amélioration de la compétitivité – Unités de production autonomes et reconfigurables donc adaptables; – Commande avancée; – Système adaptables auto-programmables; – Systèmes intelligents de gestion de production; – Technologies intelligentes pour le transport terrestre, aéronautique et marin.
- 87. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 87 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • De nouveau systèmes d’information – Nouvelles architectures logicielles; – Mémoire technique d’entreprise; – Organisation intégrée avec une cohérence algorithmique avec Business Plan et Business Model; – Systèmes Intelligents pour : • Rendre les règles de gestion métiers adaptables et traçables; • La gestion et l’enrichissement des données en fonction des besoins métiers.
- 88. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 88 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Support à la recherche • L’approche cognitive permet de proposer des théories et de les tester empiriquement; • Symbolique, • Modélisation; • Fonctionnalisme; • Connexionnisme.
- 89. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 89 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Gouvernance de l’Intelligence Artificielle dans l’Entreprise
- 90. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 90 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Quel peut être le rôle de l'intelligence artificielle dans l'entreprise ? – Permettre une intelligence • des organisations; • des processus; – Mieux répondre aux exigences • Du Big Data; • De la Data Science.
- 91. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 91 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les organisations devront placer les algorithmes au coeur de leur organisation. L’organisation Fonctionnalités Adaptabilité sur Cas et Opérations et Conditions
- 92. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 92 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • L’entreprise aura la responsabilité – De l’analyse; – De la faisabilité technique et juridique des solutions qu’elle mettra en place; – De l’adaptation de ses structures; – De la protection de la propriété intellectuelle et industrielle; – Des questions éthiques; – De l’évolution des méthodes de management; – De la Gestion des Ressources Humaines; – De la Protection Intellectuelle; – De l’impact de ses travaux d’intelligence artificielle.
- 93. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 93 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les données sont considérées comme une nouvelle matière première, elles permettent – d'optimiser et fluidifier ses processus; – d'améliorer la productivité; – d'aider à la décision; – de connaitre les tendances des marchés; – de connaitre les opinons des consommateurs, des clients, des investisseurs; – une valeur ajoutée sur les gammes de produits et de services.
- 94. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 94 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Les entreprises vont subir une grande transformation Transition Intelligente
- 95. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 95 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • Métiers directement impactés – Les métiers d’algorithmique; – La modélisation; – La simulation; – La gestion de la data; – Le codage/ la programmation.
- 96. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 96 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle • La responsabilité sur les données est partagée – le concepteur; – le programmeur; – l’intégrateur; – l’utilisateur.
- 97. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 97 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Le robot se caractérise par • une polyvalence; • un apprentissage; • une autonomie; • une interactivité.
- 98. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 98 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Exemple B to C, le robot interagit avec le marché et apprend
- 99. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 99 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Informatique Numérique Intelligence Artificielle Transitions
- 100. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 100 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle Projets Open Source & API Google Magenta Project Microsoft's Project Oxford Microsoft Cognitive Services – APIs QnA Maker Integrate Microsoft Cognitive Services
- 101. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 101 / 102 Contact Mobile Website MOOC Intelligence ArtificielleIntelligence Artificielle « Pour résoudre un problème ou pour atteindre un but, vous n'avez pas besoin de connaître toutes les réponses à l'avance. Mais vous devez avoir une idée claire du problème ou l'objectif que vous souhaitez atteindre. » Citation de Mr W. Clement Stone
- 102. © Jean-Antoine Moreau copying and reproduction prohibited Copyright Managed by ADAGP. JAM 102 / 102 Contact Mobile Website MOOC Fin de la partie publiée en ligne