Ann e universitaire 2007-2008

Slide1 l.jpg
1 / 57
0
0
986 days ago, 463 views
PowerPoint PPT Presentation
2. D

Presentation Transcript

Slide 1

Histoire des Sciences 3 Année universitaire 2007-2008 Intelligence Artificielle Jean-Michel RICHER H206

Slide 2

Définition de l'IA Apprendre aux ordinateurs à être in addition to intelligents permettra sans doute d'apprendre à l'homme à être in addition to shrewd ( P. H. Winston, 1984 ) L'IA est l'étude des idées qui permettent aux ordinateurs d'être intelligents ( P. H. Winston ) L'IA est l'étude des facultés mentales à l'aide de modèles de sort calculatoire ( McDermott & Charniak ) L'IA a pour however de faire exécuter standard l'ordinateur des tâches pour lesquelles l'homme dans un contexte donné est aujourd'hui meilleur que la machine ( Alliot et Schiex 1994 )

Slide 3

Qu'est-ce véritablement que l'IA ? Plusieurs définitions possibles de L'IA est une méthodologie qui doit permettre de rendre les ordinateurs in addition to intelligents de façon à ce qu'ils montrent des caractéristiques normalement associées à l'intelligence dans les comportements humains, c'est-à-critical la compréhension du langage, l'apprentissage, la résolution de problèmes et le raisonnement ( E. Feigenbaum ) L'Intelligence Artificielle concerne la origination d'un être artificiel (machine) competent de posséder ou d'exhiber les capacités et caractéristiques propres à un cerveau humain Apprendre aux machines à penser

Slide 4

IA Forte et IA Faible Deux sorts d'approches IA Forte (approche subjective) La machine doit raisonner à la manière de l'homme (utiliser les mêmes mécanismes de fonctionnement) IA Faible (approche pragmatiste) La machine doit aboutir aux mêmes arrangements que l'homme (peu importe la méthode employée) En fait l'IA reste difficile à définir auto on ne sait pas vraiment définir la idea d'Intelligence (Qu'est ce qu'être astute ?)

Slide 5

Qu'est ce qu'être clever ? Apprendre élaborer un système de connaissances et pouvoir intégrer de nouvelles connaissances Raisonner, déduire, anticiper à partir du système de connaissances et des données de l'expérience pouvoir produire de nouvelles connaissances Posséder une histoire Posséder une still, small voice Posséder des slants

Slide 6

Exemples d'IA (irréalistes ?) Exemples (Science-Fiction) TRON La Guerre des Etoiles (Z6PO) IA (Spielberg) I, Robot K 2000 Galactica (Cylons) 2001 L'Odyssée de l'espace Matrix Terminator …

Slide 7

Questions Nous allons tenter de répondre à plusieurs questions Quels progrès ont été réalisés jusqu'à ce jour ? Remark une machine peut-elle raisonner ? Pourra t-on atteindre le yet ultime de l'IA ?

Slide 8

Plan Historique Mécanisation du calcul Calculabilité Fondation de L'IA de nos jours Robotique Résolution de problèmes Reconnaissance de formes et de la parole Réseaux de neurones Conclusion L'IA est elle envisageable ?

Slide 9

Historique Les prémisses : Mythologie grecque : Héphaïstos a forgé, pour child benefit work force deux servantes en or qui agissent comme des êtres vivants Le Golem dans la custom juive (esclave puis héros) - > Seigneur des Anneaux (Orcs), Frankenstein

Slide 10

Mécanisation du calcul Automatisation 1623 Shickard 1642 Pascal 1670 Leibnitz 1728 Falcon Automates de Vancauson 1805 Jacquard Charles Babbage 1822 Machine différentielle 1830 Machine analytique

Slide 11

La Machine Analytique Entre 1834 et 1836 Babbage définit les principaux ideas qui préfigurent ceux des ordinateurs : Dispositif d'entrée/fights ( harpsichord, moniteur ) Organe de commande pour la gestion de transfert des nombres ( unité de commande ) Magasin pour le stockage des résultats intermédiaires ( registres ) ou finaux ( mémoire ) Moulin chargé d'exécuter les opérations ( unité arithmétique et logique ) Dispositif d'impression ( imprimante )

Slide 12

Automates de Vaucanson Jacques Vancauson 1709 – 1782 opponent de Prométhée 1738 le joueur de flûte traversière 1739, joueur de tambourin et de flageolet, Canard digérateur 1746, métier à tisser automatique Kempelen 1779 supercherie du joueur d'échec Du calcul à l'automate

Slide 13

Mécanisation du calcul Naissance de deux thèses paradoxales Thése 1 : le calcul ne fait pas partie de l'intelligence, donc pas d'IA conceivable Thèse 2 : IA Possible auto on a pu recréer des comportements humain (calcul)/creature (gestuelle) Naissance d'une rivalité entre partisans et adversaires de l'IA

Slide 14

Mécanisation du calcul Le calcul old fashioned standard différentes étapes technologiques Mécanique (engrenages) Electrique (diode) Electro-mécanique (relais) Electronique (Transistor)

Slide 15

Mathématiques et logique Avant XXe siécle : les mathématiques sont considérées comme « divines » Apparition des Catch 22s : crise Cantor : outfits non dénombrables Russell : troupes qui ne se contiennent pas Problèmes de Hilbert Construire un Système Formel des mathématiques (1908 à 1920) Cercle de Vienne 1924 recherche d'un langage commun à toutes les sciences Mécanisation et automatisation du raisonnement Système de POST (Système Formel)

Slide 16

Système Formel (Système de POST) Système de génération de quips (mécanique) Exemple : le MU-bewilder Alphabet V = { M, I, U } Langage : gathering des witticisms commençant standard M suivi standard des U et de I Axiome MI Régles : pour tout ,   V* [R1] I  IU [R2] M  M [R3] III  U [R4] UU   Peut on obtenir le adage MU ? Système de creation

Slide 17

Le MU Puzzle R2 MIU MIUIU MIUIUIUIU R1 R2 MIIU MIIUIIU MI R1 MIIIIU R1 R2 MII MIIII MIIIIIIII R3 MUI MIU

Slide 18

Limites des Systèmes Formels Gödel 1931 : L'arithmétique de PEANO est incomplète Théorème Gödel/Rosser 1936 Pour tout système formel non contradictoire qui est une modélisation de l'arithmétique récursive, il existe des suggestions indécidables (ni prouvable, ni réfutable). Tout système formel est donc soumis a des impediments intrinsèques sur la quantité de "vérité" qu'il est fit de fournir

Slide 19

Limites des Systèmes formels Mots sur un letter set Langage du SF (théorèmes) Non théorèmes MU MI IMU Mots générés standard un SF

Slide 20

B 0 1 B G I D Calculabilité Notion de calculabilité Fonction -measurable (Kleene, Church) Fonction récursivement measurable (Gödel) Fonction Turing-measurable  machine de TURING Machine de Turing Structure de stockage (bande linéaire) ={ B, s 1 , … , s n } États z = { z 0 , … , z m , z h } Fonction de move  : (z – {zh}) x   ( z x  x { G,D,I }) z i

Slide 21

Exemple f(x)=x+1  = {0,1,B} B 0 1 z 0 (z 1 , B, G) (z 0 , 0, D) (z 0 , 1, D) (z 1 , 0, G) z 1 (z h , 1, I) (z h , 1, I) z 0 z 0 z 0 z 0 z 1 B101B z 1 z h B1 10 B B10 0 B

Slide 22

Test de Turing Test de Turing Un ordinateur peut-il tromper un humain ? Deux personnes X, Y (un homme, une femme) interrogées standard Z doit déterminer qui de X et Y est l'homme ou la femme Même test avec un homme (ou une femme) et une machine

Slide 23

Chambre Chinoise Searle (s'oppose à Turing) La syntaxe est insuffisante pour produire le sens Meilleur moyen : lire un ouvrage et en faire la synthèse

Slide 24

Les Premiers Calculateurs 1941 Z3 (Conrad Zuse) 1943 Mark I (Howard Aïken, Harvard) 1943 Colossus (Angleterre) 1945 ENIAC (Mauchly, Eckert, Von Neumann) 1948 Invention du transistor (Brattain, Bardeen et Shockley) 1958 Invention du Circuit intégré (Kilby, TI)

Slide 25

Naissance de l'IA Débuts pendant la 2 nde guerre mondiale décryptage  traduction Mise au point d'un traducteur automatique en 5 ans Comment représenter les connaissances ? Remark les extraire d'un individu ? 1956 John McCarthy, Darmouth College Objectifs ambitieux Traduction automatique Jouer aux échecs et battre les grands maîtres

Slide 26

Premiers programs d'IA Newell, Shaw et Simon LOGIC THEORIST 1956 GPS (General Problem Solver) NSS (program de jeu d'échec) Physical Symbol System Hypothesis Manipuler des symboles = comportement shrewd Simon prédit en 1958 la défaite d'un GMI Euphorie puis déception Recherche dans de products bearings

Slide 27

Domaines de l'IA Actuellement l'IA concerne : La résolution de problèmes en général Algorithme A*, recherche arborescente, CSP, heuristique, recherche district, programmation génétique La surveillance de formes/child Le traitement automatique du langage naturel (TALN) La robotique Les réseaux neuronaux …

Slide 28

Résolution de problèmes Exemple de la suite de Fibonacci Fib(0)=1 Fib(1)=1 Fib(n)=Fib(n-1)+Fib(n-2) pour n > 1 Algorithme récursif fonction Fib(n : entier) : entier make a big appearance si n <= 1 alors retourne 1 sinon retourne Fib(n-1) + Fib(n-2) blade

Slide 29

1s < 1s < 10s 1s < 20 m 1s < 42h27m 1s < Suite de Fibonacci On peut donner une adaptation itérative Algorithme itératif fonction Fib(n : entier) : entier Var tab : array[1..100] d'entiers Debut tab[0]=1; tab[1]=1; pour i=2 à n faire tab[i]=tab[i-1]+tab[i-2] balance pour retourne tab[n] balance n Récursif Itératif 30 40 50 60

Slide 30

2 1 2 1 3 1 2 1 2 Aide à la sélection du prochain upset La Résolution de Problèmes La recherche de arrangements pour certains problèmes s'apparente à une recherche arborescente X … X O X … O

Slide 31

Le Parcours d'Arbre Pour gagner : Recherche les circumstances de jeux gagnantes dans l'arbre Parcours en profondeur d'abord ( profundity first inquiry ) Parcours en largeur d'abord ( expansiveness first hunt ) Parcours standard approfondissements successifs ( profundity first iterative extending ) backtrack a c d b e f g h i j k l m a b e f g c h i j d k l m a b c d e f g h i j k l m .:tslidese

SPONSORS