Apprentissage automatique - Première Partie PDF
Document Details
Uploaded by AthleticBowenite472
Tags
Related
- Intelligence Artificielle - Chapitre 2 PDF
- Chapitre 1 Recherche Adversariale en Intelligence Artificielle PDF
- Guide à l'intention de la communauté universitaire - Intelligence artificielle générative (PDF)
- Cours d'Intelligence Artificielle PDF
- L’apprentissage automatique (Machine Learning) - Séance 2 - PDF
- Chapitre 4: Vision par Ordinateur PDF
Summary
Ce document est une présentation sur l'apprentissage automatique. Il couvre différentes facettes comme les systèmes experts, le calcul formel et la représentation des connaissances en intelligence artificielle. Il est destiné à un public étudiant.
Full Transcript
Apprentissage automatique FSB 2024 - 2025 Pendant des millénaires, nous avons essayé de comprendre le processus de la pensée humaine, à savoir comment percevoir, comprendre, prévoir et manipuler un monde complexe. Le domaine de l’intelligence artificielle, ou IA, tente non seule...
Apprentissage automatique FSB 2024 - 2025 Pendant des millénaires, nous avons essayé de comprendre le processus de la pensée humaine, à savoir comment percevoir, comprendre, prévoir et manipuler un monde complexe. Le domaine de l’intelligence artificielle, ou IA, tente non seulement de comprendre des entités intelligentes, mais aussi d’en construire. ⦁ L’IA fait partie des toutes dernières sciences. ⦁ Les travaux ont sérieusement débuté juste après la seconde guerre mondiale et le terme Intelligence Artificielle a été crée par Jhon Mc- Carthy en 1956. Le but de l’Intelligence Artificielle (IA) est de concevoir des systèmes capables de reproduire le comportement de l’humain dans ses activités de raisonnement. Domaines de L'intelligence Artificielle Systèmes experts : ✓ Un logiciel capable de simuler le comportement d'un humain effectuant une tâche très précise. ✓ C'est un domaine où l'intelligence artificielle est incontestablement un succès, dû au caractère très précis de l'activité demandée à simuler. Comment fonctionne un système expert ? ✓ L’architecture générale d’un système expert comporte trois composants principaux : la base de connaissance, le moteur d’inférence et l’interface utilisateur. ✓ la base de connaissance contient l’ensemble des connaissances du domaine, représentées de manière à pouvoir être exploitées par le système. ✓ Par exemple, dans un système médical, il est possible de représenter les symptômes, les maladies et leurs relations par des règles du type « Si fièvre ET toux persistante Alors grippe ». Comment fonctionne un système expert ? ✓ le moteur d’inférence applique des algorithmes pour déduire de nouvelles connaissances à partir de celles contenues dans la base de connaissances. ✓ On distingue deux grands types de moteurs : les moteurs de chaînage avant (de la cause aux effets) et les moteurs de chaînage arrière (des effets aux causes). ✓ Il existe toutefois des méthodes mixtes combinant ces deux approches. À quoi ça sert ? Quelles sont les applications ? ✓ Leur capacité à reproduire et appliquer l’expertise humaine se révèle utile pour une multitude d’applications dans divers secteurs. ✓ Ils peuvent être utilisés pour la planification de traitements personnalisés en fonction des caractéristiques spécifiques du patient. ✓ En ce qui concerne l’ingénierie, les systèmes experts sont déployés pour aider à la conception, à la maintenance et au dépannage de systèmes complexes. Exemple de système expert Est-ce que pouvez donner un exemple simple de système expert? Exemple : ❖Dans le domaine médical, ils servent au diagnostic et au traitement de maladies. ❖Ils analysent les symptômes rapportés par les patients, comparent ces données à une base de connaissances médicales exhaustive, et fournissent des recommandations aux professionnels de la santé. Le Calcul formel ✓ Traiter les expressions symboliques. ✓ Des logiciels sur le marché, comme Mathematica, Maple, etc., effectuent tous des calculs formels. Le Calcul formel ✓ Un système de calcul formel (computer algebra system ou CAS en anglais) est un logiciel qui facilite le calcul symbolique. La partie principale de ce système est la manipulation des expressions mathématiques sous leur forme symbolique. Les expressions peuvent être : des polynômes avec de multiples variables ; des fonctions (fonctions trigonométriques, exponentielle, etc.) ; Représentation des connaissances : ✓ "La connaissance s'acquiert par l'expérience, tout le reste n'est que de l'information." (Albert Einstein) ✓ la connaissance permet de traiter et générer l’information, et l’information est le principal véhicule de la connaissance ✓ La représentation des connaissances désigne un ensemble d'outils et de procédés destinés d'une part à représenter et d'autre part à organiser le savoir humain pour l'utiliser et le partager.. Représentation des connaissances : ✓ Un des secteurs de recherche en intelligence artificielle qui est le plus important. Représentation des connaissances : ✓ La représentation des connaissances s'inspire de la psychologie, qui montre comment l'homme est capable de résoudre des problèmes et de représenter des connaissances, pour concevoir des formalismes. ✓ Cela permettra à l'IA de comprendre comment l'homme simplifie des systèmes complexes lors de la construction et de la conception. Représentation des connaissances : ✓ Les humains ont des connaissances qui sont étrangères aux machines, notamment les sentiments, les intentions, les croyances, le bon sens, les jugements, les préjugés, l'intuition, etc. ✓ Certaines connaissances sont également simples, comme la connaissance de certains faits, la connaissance générale d'événements, de personnes, d'objets, de la langue, de disciplines académiques, etc. Simulation du raisonnement humain ✓ Tenter de mettre au point des logiques qui formalisent le mode de raisonnement (logiques modales, floues, temporelles, etc.). Simulation du raisonnement humain ✓ Les systèmes d'IA comprennent quelques composants majeurs pour montrer un comportement intelligent qui rend possible la représentation des connaissances. Simulation du raisonnement humain Perception : Il aide le système basé sur l'IA à collecter des informations sur l'environnement à l'aide de différents capteurs et lui permet de se familiariser avec l'écosystème afin d'interagir efficacement avec les problèmes. Des exemples?? Exemple : les capteurs Simulation du raisonnement humain Simulation du raisonnement humain Représentation des connaissances et raisonnement : ✓ Les humains utilisent les connaissances pour prendre des décisions. ✓ Ce bloc est donc chargé de servir les humains à travers les données de connaissance des systèmes d'IA et d'utiliser les connaissances pertinentes lorsque cela est nécessaire. Simulation du raisonnement humain L'apprentissage : ✓ Il est utilisé pour permettre aux systèmes d'intelligence artificielle de fonctionner ✓ Des algorithmes déjà écrits pour que les systèmes d'IA transmettent les informations nécessaires de la composante perception à la composante apprentissage, afin d'améliorer l'apprentissage et la compréhension. Simulation du raisonnement humain ✓ Planification et exécution : Ce bloc est indépendant. Il est utilisé pour prendre les données des blocs de connaissance , du raisonnement et exécuter les actions pertinentes. Traitement du langage naturel : ✓ Le NLP pour Natural Language Processing ou Traitement du Langage Naturel est une discipline qui porte essentiellement sur la compréhension, la manipulation et la génération du langage naturel par les machines. Traitement du langage naturel : Applications les plus populaires : 1. Traduction automatique ✓ Le développement d’algorithmes de traduction automatique a réellement révolutionné la manière dont les textes sont traduits aujourd’hui. ✓ Des applications, telles que Google Translator, sont capables de traduire des textes entiers sans aucune intervention humaine. Traduction automatique Traitement du langage naturel : ✓ C'est la compréhension qui reste le problème majeur à la traduction ou au résumé d'un texte dans une autre langue. ✓ De grands progrès ont été faits pour obtenir une représentation sous une forme indépendante de la langue dans laquelle l'original est écrit. Traitement du langage naturel : ✓ Certains traducteurs orientés dans des domaines spécialisés donnent de meilleurs résultats grâce à leurs spécificités en basant sur les techniques de l'apprentissage automatique Traitement du langage naturel : Applications les plus populaires : ✓ Sentiment analysis Aussi connue sous le nom de « Opinion Mining », l’analyse des sentiments consiste à identifier les informations subjectives d’un texte pour extraire l’opinion de l’auteur. Traitement du langage naturel : ✓ Chatbots ✓ Les méthodes NLP sont au cœur du fonctionnement des Chatbots actuels. ✓ Ils peuvent aujourd’hui facilement gérer des tâches standards telles renseigner des clients sur des produits ou services, répondre à leurs questions, etc. ✓ Ils sont utilisés par plusieurs canaux, dont l’Internet, les applications et les plateformes de messagerie. Résolution de problèmes : ✓ Représentation, analyse et résolution de problèmes concrets. ✓ C'est le cas des jeux de réflexion tels que les échecs, le backgammon ou les dames. Dans le cas du backgammon le champion du monde est un programme. Résolution de problèmes : ✓ Ils restent quelques jeux qui résistent aux efforts des programmeurs. Un jeu résolu est un jeu pour lequel il existe une stratégie permettant de gagner à coup sûr Reconnaissance de la parole : ✓ Beaucoup de progrès ont été effectués. ✓ Un logiciel comme Naturaly Speaking permet la dictée. ✓ La compréhension d'un mot ou d'une phrase requiert une grande quantité d'informations (contexte, connaissance du sujet, etc.). ✓ Reconnaissance de la parole : Les logiciels de reconnaissance vocale convertissent la parole en texte écrit. La technologie de reconnaissance vocale fonctionne en analysant les ondes sonores et en les convertissant en texte à l’aide d’algorithmes. Le logiciel de reconnaissance vocale améliore la productivité, l’accessibilité et le fonctionnement mains libres en permettant aux utilisateurs de générer rapidement et efficacement du matériel textuel. Le choix du logiciel dépend des désirs et des besoins des utilisateurs. Reconnaissance de l'écriture : ✓ La reconnaissance de l'écriture dactylographiée n'est pas facile, mais l'écriture manuscrite pose des problèmes beaucoup plus complexes. ✓ Certains chercheurs essaient de reconstituer à partir du texte le mouvement de la main afin de comprendre ce qui est écrit. Reconnaissance des visages ✓ considérée de longue date comme un des problèmes de l'intelligence artificielle le plus difficile, ✓ Les résultats récents deviennent intéressants avec les réseaux neuronaux TLN et Reconnaissance de la parole La reconnaissance de parole est le processus par lequel un ordinateur identifie les mots prononcés par une personne et les convertit en texte. Le TALN (Traitement Automatique du Langage Naturel) est un domaine plus large qui englobe la reconnaissance de parole mais inclut également la compréhension, l’interprétation et la génération du langage naturel par les ordinateurs. Robotique : ✓ La robotique dans les usines est déjà fortement répandue. ✓ La première génération est capable d'exécuter une série de mouvements préenregistrés, ✓ La deuxième génération est dotée de capteurs de perception permettant de prendre certaines décisions ✓ La troisième génération possède une plus grande autonomie, elle peut se déplacer dans un environnement L’apprentissage automatique: Sujet de ce cours ✓ un logiciel devrait avoir des capacités d'apprentissage autonome pour pouvoir être véritablement qualifié d'intelligent. ✓ Douglas Lenat a travaillé à la constitution d'une gigantesque base de données censée contenir toutes les connaissances partagées par les humains d'un même groupe pour leur communication. ✓ Il souhaite adjoindre un module d'apprentissage à sa base de données lui permettant de travailler seule pour collecter des informations nouvelles et réorganiser l'architecture de ses connaissances. L’apprentissage automatique Machine Learning (ou apprentissage automatique) est un domaine qui utilise les approches mathématiques et statistiques pour donner aux ordinateurs la capacité d'apprendre à partir de données et d’améliorer leurs performances dans l’exécution d’une tâche spécifique, sans être explicitement programmés pour le faire L’histoire…aujourd’hui Aujourd'hui les techniques mises en œuvre pour faire réfléchir nos machines sont multiples: – Logique floue – Algorithme génétiques – Data mining – Inférence bayésienne – Agents intelligents – Réseaux de neuronnes – Big Data – Apprentissage automatique Machine Learning 4 Actuellement…. ✓ En 2024, l'apprentissage automatique et plus particulièrement les réseaux de neurones et le deep learning qui tirent ce domaine vers le haut. ✓ En effet, l'IA a stagné plusieurs années à plusieurs reprises notamment dans les années 1970 et 1990 ✓ Elle a été longtemps limitée par les coûts et performances des machines (vitesse, capacité mémoire, capacité de stockage) Évolution technologique Aujourd'hui les superordinateurs et le cloud ont aboli ces limites et nous assistons à une explosion de ses possibilités qui semblent inarrêtables.. Évolution technologique Les grappes de serveurs OVH, Amazon AWS et Google cloud accessibles avec le budget d'un particulier en sont un très bon exemple L’histoire…aujourd’hui ✓ Nous pouvons de nos jours lancer des calculs complexes et analyser des milliards de données pour des coût dérisoires. Cela dope la recherche et donne son envol à l'intelligence artificielle. ✓ Cela ouvre les voies au Machine learning qui prend toute sa dimension avec des très grands volumes de données. ✓ L'arrivée du Big Data a ainsi propulsé un nouveau domaine de l'IA : l'apprentissage automatique. Un des centre d’intérêt des investisseurs ✓ Les investisseurs du secteur sont attirés ❖ Centres de recherches, banques, assurances, finance, aérospatiale, automobile, pharmacie... Toute l'industrie s'en empare. Un des centre d’intérêt des investisseurs ✓ "Google’s self-driving cars and robots get a lot of press, but the company’s real future is in machine learning, the technology that enables computers to get smarter and more personal." - Eric Schmidt (Google Chairman) ML dans notre vie quotidienne Des disciplines extrêmement compliquées et coûteuses comme la reconnaissance vocale, la reconnaissance visuelle/faciale, autrefois réservées à des industriels et l'armée, sont devenues des éléments de notre quotidien: – Reconnaissance d'amis dans les albums photos ou via les moteurs de recherche ML dans notre vie quotidienne – Reconnaissance vocale (lors d'un appel téléphonique), pour dicter un SMS à votre smartphone ou encore pour reconnaître une chanson à la radio (applications Shazam, SoundHound,...) – Pilotage automatique de nos automobiles – L'art aussi n'y échappe pas : Musique, Poésie, ou encore la Peinture