Intelligence Artificielle - IA_ch1_ch2 PDF

INTELLIGENCE ARTIFICIELLE Said CHARFI Enseignant chercheur Filière : Ingénierie Informatique [email protected] Said CHARFI Intelligence Artificielle [email protected] ...

INTELLIGENCE ARTIFICIELLE Said CHARFI Enseignant chercheur Filière : Ingénierie Informatique [email protected] Said CHARFI Intelligence Artificielle [email protected]  Introduction Plan Qu’est‐ce que l’IA? Préhistoire de l’IA Histoire de l’IA État de l’art 2 Said CHARFI Intelligence Artificielle [email protected]  Introduction Qu’est‐ce que l’IA? Penser comme des humains Penser rationnellement ”The exciting new effort to make computers think … machines with minds, ”The study of mental faculties through the use of in the full and litteral sense” (Haugeland,1985) computational models“ “[The automation of] activities that we associate with human thinking, “The study of computations that make it possible to perceive, activities sush as decision-making, problem solving, learning … " (Bellman, reason, and act" (Winston, 1992) 1978) Agir comme des humains Agir rationnellement “ The art of creating machines that perform functions that require "Computationnel Intelligence is the study of the design of intelligence when performed by people “ (Kurzweil, 1990) intelligent agents " (Poole et al., 1998) “ The study of how to make computers do things at witch, at the moment, ”AI … is concerned with intelligent behavior in artifacts “ people are better “ (Rich and Knight, 1991) (Nilsson, 1998) 3 Said CHARFI Intelligence Artificielle [email protected] Introduction : Qu’est‐ce que l’IA? 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) 4 Said CHARFI Intelligence Artificielle [email protected] Introduction : Qu’est‐ce que l’IA? Agir comme des humains Test de Turing Capacités requises : – Traitement du langage naturel – Représentation des connaissances – Raisonnement automatique – Apprentissage 5 Said CHARFI Intelligence Artificielle [email protected] Introduction : Qu’est‐ce que l’IA? Penser rationnellement Aristote : la logique et le processus de raisonnement correct, – 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) 6 Said CHARFI Intelligence Artificielle [email protected] Introduction : Qu’est‐ce que l’IA? 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. 7 Said CHARFI Intelligence Artificielle [email protected] Introduction : Qu’est‐ce que l’IA? 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. 8 Said CHARFI Intelligence Artificielle [email protected] Introduction : 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 9 Said CHARFI Intelligence Artificielle [email protected] Introduction 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 10 Said CHARFI Intelligence Artificielle [email protected] Introduction 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 11 Said CHARFI Intelligence Artificielle [email protected] Introduction 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 12 Said CHARFI Intelligence Artificielle [email protected] Introduction 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 13 Said SaidCHARFI Charfi Intelligence Artificielle [email protected] Introduction 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 rétro propagation – Deep Networks 1987 à aujourd’hui : L’IA devient une science 14 Said SaidCHARFI Charfi Intelligence Artificielle [email protected] Introduction 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 15 Said CHARFI Intelligence Artificielle [email protected] Introduction 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 16 Said CHARFI Intelligence Artificielle [email protected] Introduction État de l’art Traduction instantanée pour Skype Datasets : le cas de NETFLIX Robotique Vision Vision‐via‐Deep Learning (39’) AI@ Microsoft AI@Google ChatGPT 17 Said CHARFI Intelligence Artificielle [email protected]  Agent Intelligents Plan Qu’est‐ce qu’un agent intelligent? Comment les agents intelligents doivent agir? Structure d’un agent intelligent Types d’environnements 18 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Qu’est‐ce qu’un agent intelligent? Agent intelligent: une entité qui perçoit son environnement à l’aide de ses capteurs et qui agit sur son environnement à l’aide de ses effecteurs. Un Agent est une entité Qui agit d’une façon autonome  pour atteindre les objectifs pour lesquels il a été conçu. Peut communiquer avec d’autres agents Doté de capacités semblables aux être vivants  Un agent peut être un processus, un robot, un être humain, etc… 19 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents : Qu’est‐ce qu’un agent intelligent? Agents vs Objets Agent : entité autonome interagissant avec son environnement Objet : entité passive possédant un état et sur lequel on peut effectuer des opérations. Un agent est un degré d’abstraction plus élevé qu’un objet. – Un agent peut être constitué de plusieurs objets. C’est un paradigme de programmation mettant en évidence l’autonomie et les interactions. (Programmation orientée‐agent) 20 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents : Qu’est‐ce qu’un agent intelligent? Agents vs Objets  Un objet est réactif : Un objet est une entité passive (ou réactive). Si personne ne demande la valeur d’un attribut ou n’active une méthode de l’objet, alors il ne se passe rien.  Un agent est Proactif : Un agent possède, en plus des attributs et méthodes, des processus internes qui fonctionnent même en l’absence de sollicitations externes. Un agent peut donc agir même si personne ne lui demande rien. 21 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents : Qu’est‐ce qu’un agent intelligent? Agents vs Objets  Un agent est persistant : Si un agent est proactif c’est d’abord parce qu’il est muni d’au moins un but qu’il cherche à satisfaire de manière persistante tant que : Il pense que c’est encore possible (pré condition logique) Il possède les ressources pour le faire (pré condition physique)  Un agent est adaptatif : Face à un environnement perpétuellement changeant, un agent doit constamment modifier le plan qu’il poursuit pour atteindre un but. Pour cela : Il doit, de manière continue, percevoir et évaluer la situation (contexte) de son action, Construire des représentations en cours même de fonctionnement (c’est‐à‐dire être capable d’apprentissage). Élaborer des plans dynamiques qui lancent des processus internes ou au contraire les stoppent. 22 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents: Qu’est‐ce qu’un agent intelligent? Exemple très simple d’agent Un agent aspirateur 23 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent rationnel Agent rationnel: l’agent doit exécuter l’action qui maximise sa mesure de performance en fonction de sa perception du monde et de ses connaissances. Mesure de performance – Externe – Fixée par le concepteur – Propre à la tâche 24 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Choix de la mesure de performance Il faut faire attention à ce qu’on choisit – Ex: Quantité de saleté ramassé en 8 heures – L’agent pourrait ramasser la saleté, la redéposer et ainsi de suite. Une meilleure option: – Récompenser l’agent pour un plancher propre – Ex: un point pour chaque carré propre à chaque intervalle de temps (Peut‐être avec une pénalité pour l’électricité consommée). 25 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent rationnel Rationnel # – Omniscient – Clairvoyant – Succès Rationnel  – Exploration – Apprentissage – Autonomie La notion d’agent est un outil d’analyse de systèmes et non pas une caractérisation absolue qui divise le monde en deux : agents et non-agents. 26 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Environnement de la tâche La première étape lors de la conception d’un agent est de spécifier l’environnement de la tâche (task environment) qui contient les quatre éléments suivants (PEAS) : – Mesure de la performance (Performance measure) – Environnement (Environment) – Effecteurs (Actuators) – Capteurs (Sensors) 27 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Propriétés de l’environnement Complètement observable vs partiellement observable : Est‐ce que les capteurs de l’agent lui donne accès à l’état complet de l’environnement à tout moment ? Déterministe vs stochastique : Est‐ce que le prochain état de l’environnement est complètement déterminé par son état courant et l’action de l’agent ? 28 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Propriétés de l’environnement Épisodique vs séquentielle : Un épisode est une séquence perception‐action. Le prochain épisode ne dépend pas des actions effectuées dans les épisodes précédents. Statique vs dynamique : Est‐ce que l’environnement change avec le temps ? Discret vs continu : La distinction entre discret et continu peut être appliquée à l’état de l’environnement, à la façon dont le temps est géré, et aux perceptions et aux actions de l’agent. Un agent vs multi agents : Est‐ce qu’il y a un ou plus qu’un agent, et que ces agents interagissent ensemble ? 29 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Propriétés de l’environnement Situation la plus difficile : – Partiellement observable – Stochastique – Séquentielle – Dynamique – Continu – Multi agents Exemple, conduite automatisée d’un taxi 30 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Structure d’un agent 4 types de base en ordre de généralité grandissante : – Agent simple réflexe – Agent réflexe avec état interne – Agent basé sur les buts – Agent basé sur l’utilité Tous ces types peuvent être transformés en agents apprenants. 31 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent simple réflexe Ce type d’agent choisit ses actions en se basant uniquement sur le percept courant, en ignorant les percepts précédents. 32 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent réflexe avec état interne 33 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent basé sur les buts Facile si une action mène directement au but; sinon, il faut utiliser un algorithme de recherche ou de planification. Plus flexible qu’un agent réflexe, car on peut changer de but sans réécrire toutes les règles. 34 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent basé sur l’utilité Les buts ne font la distinction que entre un état "heureux" ou "pas heureux". Fonction d’utilité: état nombre (valeur) Aide dans deux cas où les buts échouent : – Buts en conflits (ex: vitesse et sécurité) – Lorsqu’il y a plusieurs buts 35 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent apprenant Souvent, il est très fastidieux où même impossible de définir le comportement de l’agent à la conception. L’apprentissage permet: – de simplifier la conception – à l’agent d’avoir plus de flexibilité – à l’agent d’agir dans des environnements inconnus et de devenir meilleur avec le temps. 36 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent apprenant Module de performance – Connaissances et procédures pour choisir les actions. Critique – Observe l’agent et donne des informations au module d’apprentissage. Module d’apprentissage – Modifie le module de performance. Générateur de problèmes – Identifie les possibilités d’amélioration et suggère des expérimentations. 37 Said CHARFI Intelligence Artificielle [email protected] Agent Intelligents Agent apprenant Module de performance le taxi fait des actions sur la route : Conduit n’importe comment Critique Observe le mécontentement des autres conducteurs; il avertit alors le module d’apprentissage. Module d’apprentissage Élabore une règle disant que c’est une mauvaise action et le module de performance est modifié pour une autre règle. Générateur de problèmes Détecte un besoin d’amélioration est suggère d’expérimenter d’autres façons de faire (conduite sur la neige) 38 Said CHARFI Intelligence Artificielle [email protected]