Vous êtes sur la page 1sur 25

Intelligence Artificielle

Cours d'introduction l'Intelligence


Artificielle
Gilles NE
Mathias PEROUMALNAK
Plan du cours
Introduction
Techniques existantes
Quelques techniques en dtail
Applications de l'Intelligence Artificielle
Conclusion
Introduction (1/2)
Question : Quel est le moyen le plus
puissant pour rsoudre des problmes
complexes ?
Le cerveau humain :
Qui a cr "la roue, New York, les guerres et tout le
reste" (Douglas Adams, La vie, l'univers et le reste)
L'Evolution :
Qui a cr le cerveau humain (Darwin ... )
Introduction (2/2)
Intelligence artificielle : rsultat d'un
processus cr par l'homme
Dfinition de l'intelligence ?
Permet de rsoudre des problmes divers
ayant trait plusieurs disciplines
Panorama de techniques, inspires
parfois des attributs du vivant
Historique (1/2)
Le Golem de terre [Bible, -4000]
Automates prsents ds l'Antiquit [Homre]
1956 : Every aspect of learning or any other feature of
intelligence can in principle be so precisely described
that a machine can be made to simulate it [Mc Carty,
Von Neuman, Turing]
1958 : Perceptron, rseaux de neurones [Rosenblatt]
1966 : ELIZA, tude du langage [Weizenbam]
1976 : MYCIN, tude des maladies infectueuses du
sang, systme experts [Shortliffe]
A partir de 1980 : industrialisation et vulgarisation de
l'I.A au quotidien
Historique (2/2)
La cyberntique
Premire Loi : Un robot ne peut ni
porter atteinte un tre humain ni,
restant passif, laisser cet tre humain
expos au danger ;
Deuxime Loi : Un robot doit obir
aux ordres donns par les tres
humains, sauf si de tels ordres sont en
contradiction avec la Premire Loi ;
Troisime Loi : Un robot doit
protger son existence dans la mesure
o cette protection n'entre pas en
contradiction avec la Premire ou la
Deuxime Loi.
Techniques existantes
Algorithmes gntiques
Programmation gntique
Rseaux de neurones
Data-mining
Systmes experts
Systmes de classeurs
Logique floue
Programmation par contraintes
IA Distribue : systmes multi-agents
Algorithmes gntiques (1/3)
Principe des algo-G
S'inspire de la biologie :
Slection
Croisement
Mutation
Sert optimiser des fonctions
Optimisation de la forme d'une lentille
Carr magique
Gestion d'une usine de traitement des eaux uses
Algorithmes gntiques (2/3)
P
t
Que les meilleurs gagnent
Fitness
55
39
14
8
P
t+1
54%
33%
9%
4%
Titredu graphique
Roue de loterie
Croisement
Mutation
Algorithmes gntiques (3/3)
Systmes de classeurs (1/3)
Principe des systmes de classeurs
Rgle de production :
Si Condition Alors Action
On parle aussi de : capteur / effecteur
Systme dapprentissage par renforcement :
Le systme apprend par stimulation multiples
Plusieurs types, utilit et ractivit
Systmes de classeurs (2/3)
Environnement
Rsolution
volution
Apprentissage
S.C.
Action
Sanction
Message
Systmes de classeurs (3/3)

A A
A A A A A
N A A
A
A
A
A
A
A
A
A
A
A A A A A A

A
A A A

A
A A A
Exemple du Woods 101
Rseaux de neurones (1/2)
Principe des rseaux de neurones
Bas sur la biologie
Un neurone sactive lorsquil est stimul de
manire suffisante.
Technique d'apprentissage
Trs efficace sur les problmes
Diapo exemple : le perceptron
Rseaux de neurones (2/2)
IAD : Systmes Multi-agents (1/2)
Drivs des systmes experts
Dfinition d'un agent [Ferber 1999]
Rponse du systme multi-agents
conditionne par :
Qualits individuelles des agents
Interactions agent/agent et agent/environnement
Domaines d'utilisation varis
IAD : Systmes Multi-agents (2/2)
Systme Multi-Agents en pleine interaction (Photo de lamphi ?)
Applications de l'IA
Industrielles : paramtrages, chanes de
production, contrle de qualit,...
Prvention : prvention de risques,
logistique, ...
Sant : diagnostic, monitoring...
Recherche : modlisation
comportementale, mergence...
Loisirs et divertissements : films, jeux-
vidos, ...
Dans l'industrie
Systme SACHEM
(Usinor), sidrurgie
Rseaux de neurones
Dtection d'irrgularits
dans la bonne marche du
fourneau
Calculs et analyse puis
comparaison une base
d'apprentissage
Alerte l'oprateur en
cas d'anomalie
Dans la prvention de risques
Placement de casernes
de pompiers (Dynaspat)
Algorithmes gntiques
Rpartition en fonction
des sinistres passs
Carte de placement
Priorit des casernes
Autre application possible
: gestion du risque
cyclonique
Dans le domaine mdical
Projet ISIS (CHU Martinique)
Rseaux de neurones
Collecter les donnes du patient et
dclencher l'alerte au besoin
Outil d'aide la dcision et la
surveillance thrapeutique
Dbut du projet : Octobre 2006
Etude de comportement
Etudier en laboratoire des
tres artificiels
Vie artificielle
Diffrentes techniques :
algorithmes gntiques,
automates cellulaires
Pour l'tude de socits,
comportements
mergents partir
d'individus simples
Cas des fourmis
Dans les loisirs
Jeux vidos : IA fige
(arbres de dcisions :
Quake, Doom...) ou
dynamique (rseaux de
neurones, (?) : World of
Warcraft)
Films : mouvements de
masse (arbres de
dcision et rseaux de
neurones)
MASSIVE : Seigneur des
Anneaux, le Monde de
Narnia, King-Kong...
En conclusion
Science moderne avec des bases
remontant l'Antiquit
Approche pluri-disciplinaire indispensable
Evolution des moyens, apparition de
nouvelles techniques
Test de Turing ? Limites ?
Fin du cours
Merci de votre attention
Gilles NE
Mathias PEROUMALNAK
G.R.I.M.A.A.G.
genee@univ-ag.fr

Vous aimerez peut-être aussi