Mémoire: Intelligence Artificielle

Y-NOV Ingsup M2 Dveloppement
Mmoire de fin
dtudes
Entre prouesses technologiques et volont dinnovation, lintelligence
artificielle dpassera-t-elle lhomme ?
GRENIER Florian / ATOS

2015/2016
Mmoire de fin dtudes
Florian GRENIER
Page 1
Florian GRENIER
Table des matires

Remerciements........................................................................................................................4
Introduction............................................................................................................................5
1)
2)
Contexte ..........................................................................................................................7
1.1)
Quest-ce que lintelligence ? .......................................................................................7
1.2)
Les processus cognitifs ................................................................................................8
1.3)
Quest-ce que lintelligence artificielle ? ........................................................................9
Les diffrents courants dintelligences artificielles ...........................................................11

2.1) Symbolisme ou Cognitivisme .........................................................................................11
2.2) Connexionnisme ...........................................................................................................13
2.3) Comportementalisme ....................................................................................................14
3)
Les types de dveloppement ............................................................................................16

3.1) Les systmes experts .....................................................................................................16
3.2) Algorithmes gntiques .................................................................................................18
3.3) Acquisition de connaissances, apprentissage automatique ..................................................20
3.4) Traitement automatique du langage naturel ......................................................................23
3.5) Calcul formel ...............................................................................................................24
3.6) Rsolution de problmes ................................................................................................26
3.7) Smantique et indexation ...............................................................................................29
3.8) Intelligence artificielle collective et systmes multi-agents .................................................31
3.9) Rseaux de neurones artificiels .......................................................................................33
3.10) Ralit virtuelle ..........................................................................................................35
4)
Les domaines dapplications ...........................................................................................36

4.1) Accessibilit et ergonomie .............................................................................................36
4.2) Banque ........................................................................................................................38
4.3) Finance ........................................................................................................................39
4.4) Militaire ......................................................................................................................40
4.5) Jeux ............................................................................................................................41
4.6) Mdecine .....................................................................................................................43
4.7) Logistique ....................................................................................................................44
4.8) Robotique ....................................................................................................................44
5)
Dpasser lhomme ? .......................................................................................................45

5.1) Performances : Homme / Machine ..................................................................................45
5.2) La transhumanit et la nanorobotique ..............................................................................48
5.3) Artificial Narrow Intelligence .........................................................................................49
Page 2
Florian GRENIER
5.4) Artificial General Intelligence ........................................................................................49

5.5) Artificial Super Intelligence ...........................................................................................50
5.6) Les limites ...................................................................................................................51
5.7) Les risques ...................................................................................................................53
6)
Conclusion .....................................................................................................................56
7)
Webographie .................................................................................................................58
Page 3
Florian GRENIER
Remerciements
Je tiens remercier mon Ecole Y-Nov pour mavoir permis de suivre un enseignement
de qualit et une formation professionnalisante au sein de son groupe durant les trois annes
que jai pass en son sein.
Je remercie galement mon tuteur de la franaise des jeux Rmi Juanes et les autres
membres du socle du CDS dAtos pour leur patience et leur disponibilit lorsque javais
besoins de leurs avis et conseils.
Je remercie vivement mon matre de stage Rmi Mertz pour ses disponibilits dautant
plus que nous ne sommes pas dans la mme zone gographique.
Enfin, je tiens remercier ma famille et mes amis pour le soutient que jai pu avoir
durant la rdaction de ce document.
Page 4
Florian GRENIER
Introduction
Depuis lenfance je cultive une passion pour la science-fiction, les robots et toutes les
possibles volutions technologiques pouvant me faire rver. Je me suis donc document, jai
lu beaucoup de revues scientifiques pour suivre les avances technologiques. Jai galement
regard un grand nombre de sries et de films sur le propos ne faisant quamplifier ma
passion.
Cest donc tout naturellement que jai orient mes tudes dans la technologie pour
essayer dtre toujours jour et la pointe des nouvelles prouesses techniques. Aujourdhui
en cinquime anne dcole dingnieur en informatique, il me fallait trouver un sujet de
mmoire pour la fin de mon cycle, et videmment, je cherchais un thme sur la technologie.
Je le voulais compliqu et dactualit pour apprendre de ces recherches et de ce travail. Jai
donc choisi un thme qui aujourdhui passionne et fait beaucoup rver : lintelligence
artificielle.
Entre les nombreuses recherches des multinationales Google ou Apple dans cette
matire et les aspirations de lhumanit la transhumance et lautomatisation des tches, je
vais tenter de vous faire dcouvrir lunivers de lIA. Pour ce faire, jai effectu de nombreuses
recherches et beaucoup de synthse sur internet, un grand nombre de sources existent des
niveaux de granularit scientifique diffrents. Cest un sujet vaste faisant intervenir beaucoup
plus de disciplines que le simple dveloppement informatique. Cest un aspect de
linformatique pouvant mener de grandes dcouvertes ou bien une optimisation de travaux
actuellement effectus par lhomme.
Je vais donc expliquer le concept dintelligence, puis celui de lintelligence artificielle.
Apres avoir bien compris ces principes, nous verrons lhistorique de lIA et ses diffrents
courants de penses, ceci pour prendre conscience de lampleur du sujet et de son caractre
complexe, pluridisciplinaire et vaste.
On dveloppera ces courants de penses en faisant lanalyse des diffrents types de
dveloppement pouvant tre mis en place, les diffrentes manires dapprhender cette
discipline. Nous aurons alors une grande partie dexplications, de dfinitions de termes et
dtude de lart ncessaire la bonne comprhension des concepts et de leur porte
dapplication dans notre monde.
Page 5
Florian GRENIER
Nous verrons donc ensuite les domaines dapplication et les changements apports par
cette nouvelle discipline dans notre quotidien, lintelligence artificielle est partout autour de
nous et nous ne le souponnons pas le plus souvent. A la fin du mmoire, nous verrons
comment utiliser cet outil bon escient et nous ferons la comparaison de performances
actuelles et futures de ces intelligences informatiques contrairement notre intelligence
humaine.
Mais ceci nest pas sans risque, nous verrons donc les limites et les craintes
quengendrent une telle technologie, et on essaiera galement de proposer des mesures
prventives aux diffrents risques possibles pour le futur.
Page 6
Florian GRENIER
1) Contexte
1.1)
Quest-ce que lintelligence ?

Avant toutes choses on peut se demander ce quest lintelligence, comment la
formaliser et la caractriser (les diffrentes zones cognitives dans la Figure 1). Nous allons ici
expliquer les diffrents principes ncessaires la comprhension de la suite du document.
Zones cognitives
Le mot Intelligence est un driv du latin intelligenta signifiant facult de

comprendre et plus prcisment la capacit lier des lments entre eux.
Elle est
lensemble des capacits mentales nous permettant de comprendre ce qui nous entoure, de
dcouvrir des relations nous permettant daboutir une connaissance conceptuelle et
rationnelle celle-ci tant en opposition avec les sensations et motions.
La comprhension est laboutissement dun systme de codification diversifi qui,
par la matrise du langage permet un raisonnement complexe nous permettant dtablir des
relations entre lments. Cest galement la dfinition de notre facult dadaptation, nous
permettant de grer de nouvelles situations et notre capacit traiter les informations pour
atteindre un objectif.
Afin datteindre ces objectifs, lintelligence fera intervenir plusieurs facults
cognitives que nous allons maintenant dtailler pour comprendre par la suite les diffrentes
intelligences artificielles existantes, celles-ci tant bases sur notre connaissance du cerveau
humain, et inspires de ces processus cognitifs.
Page 7
1.2)
Florian GRENIER
Les processus cognitifs
Cognitivisme
Un processus cognitif est un cheminement par lequel un systme traite une

information en y rpondant par une action . Ce traitement est le processus par lequel une
information est analyse et intgre dans la base de connaissance du systme, ceci dpendant
du mode de traitement et du niveau dlaboration de linformation.
Daprs les travaux en psychologie gntique de Jean Piaget, durant lacquisition des
connaissances, les processus cognitifs utilisent deux mcanismes lmentaires : lassimilation
et l'accommodation. Lassimilation est le fait dintgrer une nouvelle situation une
ensemble auxquels une rgle existe dj, ici on ne change pas daction mais on tend notre
champ de connaissances. Pour ce qui est de l'accommodation, on modifie justement une
conduite prexistante pour sadapter une situation connue mais dont les mthodes
habituelles de rsolution sont obsoltes et ne suffisent plus, cest le processus dadaptation.
On peut regrouper les processus cognitifs comme suis :
-
Perception, Sensation, Attention
Catgorisation, Reconnaissance, Raisonnement et Prise de dcision
Reprsentation, Mmoire et Langage
Oubli, Emotions et Apprentissage
Les phnomnes collectifs et individuels
Maintenant que nous avons dfini les processus cognitifs, nous allons voir comment
notre comprhension de ces mcanisme on put permettre lmergence dun tout nouveau
domaine de recherche : lintelligence artificielle.
Page 8
1.3)
Florian GRENIER
Quest-ce que lintelligence artificielle ?
Symbole de la reprsentation en informatique du cerveau
Cest une discipline scientifique relative aux traitements des connaissances et au

raisonnement dans le but de permettre une machine d'excuter des fonctions normalement
associes lintelligence humaine. Lintelligence artificielle tente de reproduire les
processus cognitifs humains dans le but de raliser des actions intelligentes . Le
scientifique Marvin Lee Minsky, pionnier de la discipline, dfini lintelligence artificielle
comme la construction de programmes informatiques qui sadonnent des tches qui sont,
pour linstant, accomplies de faon plus satisfaisante par des tres humains car elles
demandent des processus mentaux de haut niveau tels que : lapprentissage perceptuel,
lorganisation de la mmoire et le raisonnement critique .
La plupart des dfinitions de lIA sont proches et respectent globalement la dfinition
de Minsky, mais elles peuvent diverger sur les points suivants :
-
Certaines dfinitions lient lIA un aspect humain de lintelligence tandis que dautres
la lient un modle idal de lintelligence : la rationalit.
Dautres dfinitions s'attardent plus prcisment sur la notion davoir toutes les
apparences de lintelligence ou alors un fonctionnement interne ressemblant
uniquement celui de ltre humain et sa rationalit.
A lorigine, la premire personne parler dIntelligence Artificielle est
probablement le scientifique et inventeur Alan Turing dans son article Computing Machinery
and Intelligence publi en Octobre 1950 dans le magazine Mind. Dans cet article, le
mathmaticien nous parle pour la premire fois du Test de Turing dans une tentative de
dfinition dun standard permettant de qualifier une machine de machine consciente .
Page 9
Florian GRENIER
On considre que le domaine de recherche fut alors cre lors dune confrence au
Dartmouth College en 1956 laquelle assistaient les prcurseurs du domaine. Lintelligence
artificielle se dveloppa donc grandement aux Etats-Unis :
-
Universit de standford : John McCarthy
MIT : Marvin Minsky
Universit Carnegie-Mellon : Allen Newell et Herbert Simon
Universit dEdimbourg : Donald Michie
En France, la mme poque, nous avions le polytechnicien Jacques Pitrat, pionnier en

intelligence artificielle symbolique.
Deux grandes versions de lintelligence artificielle sont imagines : lia forte et lia
faible.
Lintelligence artificielle forte reprsenterait une machine capable non seulement de
faire preuve dun comportement intelligent, mais plus prcisment dprouver des motions et
une relle conscience de soi.
Lintelligence artificielle faible, quant elle, correspondrait une approche
pragmatique dingnieur, on cherche construire des systmes de plus en plus autonomes, en
simulant de lintelligence, mais la machine n'excute quune suite dinstructions plus ou
moins complexes.
En intelligence artificielle, plusieurs courants de dveloppement existent, nous allons

maintenant voir ces diffrentes formes de penses et leurs caractristiques.
Page
10
Florian GRENIER
2) Les diffrents courants dintelligences artificielles

Dans ce chapitre, je vais aborder les diffrents modles de penses lis lintelligence
artificielle. Je tenterais de vous les expliquer et de vous faire comprendre les diffrences quil
existe entre eux. Vous pourrez, par la suite, vous identifier lun de ces modles, et mieux
comprendre le cheminement qui a pu mener de telles dcouvertes.
2.1) Symbolisme ou Cognitivisme
Fonctionnement du cognitivisme
Ce modle d'intelligence artificielle travaille sur des structures de symboles, ceux-ci

nont pas de signification pour la machine. Le systme va reconnatre les formes de ces
symboles puis leur signification sera attribue par l'extrieur. La cration de ce courant de
dveloppement de lIA vient dune simple question que lon peut se poser : Peut-on rduire
les processus cognitifs la manipulation de symboles fonde sur leurs formes ?
Depuis le livre Mind, brains and science crit par J.Searle en 1980, la discussion
contemporaine autour du problme dancrage des symboles se poursuit priodiquement et fais
lobjet de nombreuses recherches. Dans son article, Searle part dun postulat comme quoi un
systme incapable de remplir des symboles de sens peut quand mme engendrer un
comportement apparemment intelligent, de ce fait il expose une faiblesse du test de Turing,
celui-ci ne serait pas totalement convainquant car dniant laffirmation que toute intelligence
saffirme via un systme symbolique.
Page
11
Florian GRENIER
Dans son livre La socit de lesprit, Marvin Minsky, sappuie sur des observations du
psychologue Jean Piaget. Il envisage le processus cognitif comme une comptition dagents
fournissant des rponses partielles et dont les avis sont arbitrs par dautres agents. Pour
mieux comprendre, on peut citer les exemples suivants de Piaget :
-
Lenfant croit dabord que plus le niveau deau est lev dans un verre, plus il y a
deau dans ce verre. Aprs avoir jou avec des transvasements successifs, il intgre le
fait que la notion de hauteur du liquide dans le verre entre en comptition avec celle
du diamtre du verre, et arbitre de son mieux entre les deux. Il ne manipule ici que des
symboles, il redfini ses acquis pour sadapter la situation.
Il vit ensuite une exprience analogue en manipulant de la pte modeler : la

rduction de plusieurs objets temporairement reprsents une mme boule de pte
lincite dgager un concept de conservation de la quantit de matire.
Finalement, ces jeux denfants aux premiers abords futiles se rvlent essentiels la
formation de lesprit, permettant de dgager quelques rgles pour arbitrer les diffrents
lments dapprciation quil rencontre, par essais et erreurs. On peut donc rsumer le
symbolisme un courant de penses permettant de recrer des fonctionnements cognitifs
par le traitement de symboles et la reprsentation de ceux-ci.
Le traitement symbolique est une approche prometteuse, mais comme tout courant de
pense, il a ses qualits et ses dfauts. Nous allons maintenant nous familiariser avec le
connexionnisme, qui lui, saxe sur une rflexion base sur des connexions, bien plus proche
de la biologie que de la psychologie.
Page
12
Florian GRENIER
2.2) Connexionnisme
De nouvelles approches intressantes voient le jour avec l'tude des rseaux distribus,
dans lesquels l'imitation du cerveau par l'ordinateur, se retrouve au niveau structurel de base :
une multitude d'agents vont permettre de traiter l'information complexe en un temps bref
grce des techniques d'apprentissage du rseau.
Diffrents types de connexions neuronales artificielles possibles
Chaque unit se conduit comme un neurone, transmet le message lorsqu'il est excit et
renforce ses connexions chaque utilisation. Plusieurs variantes vont natre de cette approche
connexionniste, qui donneront d'excellents rsultats en matire d'apprentissage, de
reconnaissance du langage ou d'une image, dans le traitement de problmes de fond nature
statistique (logique floue), mais galement en termes de robustesse structurelle et
fonctionnelle.
Le principe de base est que les phnomnes mentaux peuvent tre reprsents par de
simples units interconnectes. La forme des units et des connexions varient en fonction
des modles, on imaginera que les units du rseau sont les neurones et les connexions seront
les synapses. Pour lapprentissage du langage, on dira que chaque unit est un mot et chaque
connexion est une relation de similarit smantique ou lexicale.
Comme prsent ci-dessus, l'implmentation la plus rpandue est celle des rseaux de
neurones. Les rseaux neuronaux ayant une approche connexionniste auront deux principales
caractristiques :
-
Chaque tat peut se reprsenter via un vecteur x dimensions reprsentant les

valeurs seuils dactivation des units neuronales.
Page
13
Florian GRENIER
Le rseau peut apprendre et adapter son apprhension de l'vnement en

modifiant la vole les poids des connexions entre les diffrents neurones, ce
qui aura pour effet de modifier la pertinence de la connexion. Cest ainsi que
lon adaptera notre rseau de neurone pour quil approche de plus en plus son
comportement objectif.
Malgr ces deux points communs, les modles de rseaux de neurones bass sur le
connexionnisme peuvent diffrs par :
-
La dfinition de lactivation dun neurone : de multitude manires permettent de

dfinir lactivation dun neurone comme dans une machine de Boltzman, ici
lactivation est dfinie comme la probabilit de dclencher un potentiel daction. Ce
sera une fonction logistique prenant en paramtres la somme des entres de l'unit
courante.
Lapproche connexionniste peut se reprsenter comme une boite noire autonome. Mais
elle ne prend pas en compte les interactions du systme avec son milieu. Cest en ce point que
le comportementalisme se distingue des autres mouvements de penses.
2.3) Comportementalisme
Le comportementalisme, aussi appel bhaviorisme ou behaviorisme, est un approche

psychologique consistant se concentrer sur le comportement observable de lindividu,
celui-ci ayant une attitude dicte par lhistoire et les interactions quil aura pu avoir avec son
milieu.
Historiquement, le comportementalisme est ne dune raction aux approches dites :
mentaliste qui, voyant dans le mental la cause dune action, dfendaient la mthode
dintrospection pour accder la comprhension de lesprit.
Cest en 1913 que John Broadus Watson tablit les principes de base du bhaviorisme
(et en invente accessoirement le nom).
La plupart des thories sur lapprentissage ont trois grandes variables, savoir :
-
Lenvironnement qui stimule (que nous noterons S comme stimuli).
Lorganisme qui est stimul (que nous noterons I comme individu").
La raction de lindividu aux stimuli (que nous noterons R comme raction).

Page
14
Florian GRENIER
On peut donc crire le schma suivant :

-
S -> I -> R
Mais avec lapproche du comportementalisme on va nier la ralit de lindividu et de son

fonctionnement interne, en effet, nous allons ici chercher les processus par lesquels
l'environnement (S) contrle le comportement. On considre alors lindividu comme une
boite noire et on peut reformuler le schma avec :
-
S -> R
Le problme avec cette reprsentation est quelle nexplique que les apprentissages lis des
stimulations inconditionnelles. On doit alors ajouter deux nouvelles variables :
lenvironnement et les consquences sur lorganisme, celles-ci pouvant tre positives ou
ngatives, et modules par le contexte (not C). On aura donc :
-
S -> R -> C
Ici on obtient un conditionnement oprant qui, la diffrence dun conditionnement classique,

prsuppose un tre actif dans son environnement.
Nous avons vu les trois plus grand courants de penses autour de lintelligence
artificielle mais ce ne sont pas les seuls, jai choisi ceux-l car se sont les plus importants et
pertinents.
Aprs avoir introduit le concept dintelligence puis dfini les diffrents courants de
penses relatifs lintelligence artificielle, nous allons maintenant voir les diffrents types
dintelligence artificielle que nous connaissons aujourdhui. Nous verrons par la suite leur
domaine dapplications.
Bhaviorisme
Page
15
Florian GRENIER
3) Les types de dveloppement

Lintelligence artificielle tant un domaine extrmement large. Nous avons de bien
nombreuses faons de sen servir, de la plus simpliste la plus complique, et chacune des
mthodes de dveloppement une fonction spcifique.
Nous allons commencer par le dveloppement adapt lexcution de taches formelles
expertes dun domaine prcis.
3.1) Les systmes experts
Un systme expert reprsente un outil
capable de reproduire la rflexion et les
mcanismes cognitifs dune personne experte dans un domaine donn. Il sagit dune des
voies tentant daboutir une intelligence artificielle forte. Le systme expert sera donc un
logiciel informatique capable de rpondre des questions donnes en faisant un raisonnement
par dduction partir de faits et de rgles universelles. On pourra lutiliser dans les outils
daide la dcision comme le systme DENDRAL permettant didentifier des constituants
chimiques.
Un systme expert se compose principalement de trois parties :
-
Une base de rgles
Une base de faits
Un moteur dinfrence
Fonctionnement dun systme expert
Page
16
Florian GRENIER
Le but du moteur dinfrence est de traiter les faits avec la base de rgles pour
parvenir la production de nouveaux faits permettant darriver la rponse la question
experte pose. Pour parvenir une telle dduction, les moteurs dinfrence implmentent des
mcanismes de logique formelle bass sur un raisonnement dductif :
-
Si E1 est vrai (premier vnement) et si on sait que E1 implique E2 (via rgle), alors
on peut dire que E2 est vrai (nouvel vnement).
Il y a deux manires dapprhender les systmes experts, via une logique des propositions ne
prsentant que des vnements vrais ou faux, ou bien via une logique des prdicats facilement
manipulables par des algorithmes connus.
Afin que le systme expert puisse tre efficace, il faut mettre en place des rgles de
cohrence et donc viter :
-
Les incompatibilits : si nous avons une rgle qui entraine l'vnement C via les
vnements A et B, on ne pourra pas avoir d'vnement X avec A et B comme origine
en suivant une rgle quivalente. En dautres termes, un couple d'vnements A et B
ne pourra toujours donner que C en sortie en appliquant une rgle dfinie.
La redondance : si on applique le mme raisonnement dductif deux vnements,

on ne pourra pas avoir le mme rsultat sauf si lon modifie les coefficients de
certitude de la rgle entre les excutions.
Le bouclage : partant dun vnement A comme source, on ne doit pas pouvoir

revenir ce mme vnement en appliquant les rgles du systme, il ne faut tout
simplement pas crer de boucle infinie de dduction.
Pour fonctionner, nous avons vu quun systme expert ncessite une base de faits et
une base de rgles face ces faits, mais on peut se demander comment dterminer et crer
cette base de rgles et de faits ? Il suffit dutiliser les connaissances du dveloppeur du
systme et dinculquer directement en dur la liste de faits et de rgles, mais ce ne sera jamais
une base autant exhaustive que lon pourrait le souhaiter. Il faut arriver dterminer le
comportement dun expert face un problme spcifique et sa manire de le rsoudre, on
recherche ici l'exprience, la connaissance pratique de lexpert, et non la simple thorie que
lon retrouve dans des livres.
On pourra alors ajouter un systme dapprentissage automatique notre systme
expert pour permettre d'acqurir des connaissances plus pertinentes se rapprochant le plus
possible dun rel expert, on ferra cela par le biais dalgorithmes gntiques.
Page
17
Florian GRENIER
3.2) Algorithmes gntiques
Cest une forme dalgorithme dite volutionniste dont le but est de rsoudre des
problmes doptimisation ou de trouver des solutions lorsquil nexiste pas de mthode
exacte, et tout cela dans un laps de temps raisonnable de faon intelligente. Pour parvenir
ces performances, on utilisera le mcanisme de slection naturelle et de gnrations sur des
populations dagents travaillant sur le problme.
Pour bien comprendre le fonctionnement de cet algorithme, il faut faire des analogies
avec la biologie, nous allons alors dfinir pralablement trois termes importants pour la bonne
comprhension de la suite du document :
-
Slection : cest le fait de dterminer et de ne garder que les individus les plus
performants ou laissant prsager le plus gros potentiel de hautes performances. Cette

slection se fait donc au moment de la reproduction, les plus adapts gagnent la course
tandis que les autres sont vincs avant la fin, ce qui permet damliorer ladaptation
de la ligne. On pourrait presque penser la slection naturelle mais il existe une
petite diffrence, ici le critre de slection est dtermin par lhomme un peu comme
avec les agriculteurs et leurs lgumes, on parlera alors de slection artificielle.
-
Enjambement : au niveau biologique, cest linstant ou deux chromosomes se
combinent pour donner de nouveaux chromosomes lors de la reproduction. Le

mlange peut se faire suivant un ou plusieurs points de croisement. La plupart du
temps en algorithmie gntique, nous naurons quun seule point de croisement
dtermin par la technique de recombinaison et le problme rsoudre.
-
Mutations : cest le fait quun gne alatoire peut tre a tout moment substitu
un autre. On dfinira un pourcentage dapparition trs faible (0.001 < Taux < 0.1)
pour garder les principes de slection et dvolution. Il reste nanmoins ncessaire de
garder ces mutations afin dviter une convergence finie des gnrations et de
permettre dintroduire un facteur alatoire pouvant mener la srendipit.
Maintenant que ces principes sont plus clairs, on peut expliquer le fonctionnement de ces
algorithmes et pourquoi ils sont aussi puissants. Cest ces algorithmes qui arrivent battre des
joueurs professionnels dchec ou de go !
Page
18
Florian GRENIER
Nous commenons alors avec une population dindividus de base se composant

chacun de chaines de caractres, ceci reprsentant les chromosomes (dautres techniques de
reprsentation des donnes existent, mais nous choisirons celle-l pour expliquer ici). La liste
des agents initiaux est gnre alatoirement pour avoir une diversit significative et des
points de recherches radicalement diffrents, permettant daboutir une plus grande diversit
de rponses possibles au problme donn. Ensuite on analyse et on pondre chaque individu
en fonction de sa capacit rsoudre le problme, puis on effectue la slection sur le groupe.
Etant donne la grande diversit des techniques de slections possibles, je vais ici vous
expliquer les principales :
-
La slection par rang : ici, la slection consiste ne garder que les individus
ayant le meilleur score dadaptation, lalatoire nentre donc pas en jeu dans la
fonction de slection mais est effectif au niveau des mutations et des rangs
dadaptation.
-
Probabilit de slection proportionnelle ladaptation : contrairement la
slection par rang, ici nous allons faire intervenir un paramtre alatoire dans la
slection. Chaque lment aura une chance dtre tir au sort proportionnel son
degr dadaptation mais cela reste du tirage au sort.
Une fois les membres slectionns, nous allons effectuer les oprations denjambement et de
mutations sur une faible quantit dindividus choisis alatoirement. Puis on relance le procd
de slection etc
Ces actions seront effectus un grand nombre de fois pour simuler lvolution qui nes
significative que sur un trs grand nombre de gnrations. Au bout dun nombre dfini de
gnrations, le procd sera stopp, ou bien lorsque les performances dun individu auront
dpass un ratio recherch.
Beaucoup dautres principes doptimisation peuvent tre introduits tels que linclusion
dindividus ntant pas de la mme descendance (gnrs alatoirement) offrant ainsi une
probabilit dviter la convergence locale des rsultats accrue.
Page
19
Florian GRENIER
Fonctionnement rcursif de lalgorithme
Avec ce type dalgorithmes, nous pouvons apprendre un programme rsoudre

un problme complexe (tels que les checs) nayant pas de solution absolue (ou celle-ci tant
trop longue trouver, comme dans le jeu de go).
Il existe de nombreuses mthodes pour faire apprendre un programme, je vais
maintenant vous les numrer et vous les expliquer.
3.3) Acquisition de connaissances, apprentissage automatique
Avant tout, il est important de donner une dfinition de la connaissance. Cest une
notion complexe et nayant pas de dfinition avre. Il a t dfini par Christian Godin que la
connaissance est la facult mentale produisant une assimilation par l'esprit d'un contenu
objectif pralablement traduit en signes et en ides , il ajoute Rsultat de cette opration, la
connaissance est une possession symbolique des choses.
Nous allons maintenant voir par quel procds nous arrivons aujourdhui faire
apprendre aux programmes, leur inculquer des connaissances leurs permettant de se
perfectionner. Cette discipline de lintelligence artificielle se nomme lapprentissage
automatique (ou apprentissage statistique) : machine learning en Anglais. Elle permet
lanalyse, la conception, le dveloppement et l'implmentation de mthodes permettant une
machine de se modifier, dvoluer par des processus systmatiques leurs permettant alors de
remplir des tches impossibles effectuer avec des algorithmes classiques.
Page
20
Florian GRENIER
Avec lapprentissage automatique, on peut travailler sur des courbes ou des graphes
mais aussi sur de la classification, cest un modle permettant potentiellement dapprendre
tout ce que lon souhaite, limagination est la seule limite de lapprentissage automatique
(avec peut-tre le hardware, mais on reviendra sur les limites de lia plus tard). En principe,
les algorithmes utiliss permettent un systme dadapter ses analyses, de modifier son
comportement en fonction de lanalyse de donnes provenant de Bases de Donnes ou de
capteurs (pour les robots).
La plus grande difficult rside dans le fait que la grande masse de couple
action/raction ou paramtre/comportement devient trs rapidement norme et impossible
dcrire (cest lexplosion combinatoire ). Il faut alors doter le programme dune fonction
dajustement lui permettant de simplifier son processus dapprentissage, et accessoirement lui
permettant dvoluer, de modifier son fonctionnement en fonction de la modification des
donnes dans la base, le programme remettra en question ses acquis et modifiera son
comportement si celui-ci nest plus adapt.
Les diffrents types dapprentissages sont :
-
Lapprentissage supervis : nous avons deux phases, la phase dapprentissage et la

phase de tests. On donne un environnement avec des classes prdtermines et des
exemples connus, un expert aura tiquet les bonnes classes sur les exemples puis le
systme va alors tenter de dterminer le modle de donnes via une analyse des
exemples. Par la suite, le systme tentera de prdire la classe dun lment non
tiquet, il est important de noter que les meilleurs performances ne se retrouvent pas
sur les modles binaires (en disant que tel lment appartient telle classe), mais sur
des modles probabiliste retournant un pourcentage de chances dappartenir telle ou
telle classe, on pourra ce moment inclure un seuil de dclenchement disant que si
cette probabilit dpasse X%, alors on considre que lon est 100% sur de
lappartenance de lobjet la classe.
Lapprentissage non-supervis : ici nous avons des exemples sans classe ni tiquette
pralable, nous navons donc plus besoin dexpert pour ce type dapprentissage. Le
programme va devoir calculer la similarit des exemples via une fonction de distance
entre paires dexemples. Le systme va alors classer par similarit les exemples dans
des groupes et des groupes de groupes et ce sera a loprateur de dterminer le sens de
ces groupes. Ce type de classement tant hautement probabiliste, de nombreux outils
mathmatiques existent dj. A savoir que ce mode dapprentissage peut tre une
grande source de srendipit (le fait de faire une dcouverte de manire inattendue).
Page
21
Florian GRENIER
Fonctionnement simplifi de lapprentissage
Les modles suivants ne sont que des drivations des deux grands modles prcdents.
Lapprentissage semi-supervis : on utilise ce modle lorsquil nous manque des

tiquettes ou classes, on utilisera des exemples non classs et on essaiera de voir par
rapport aux exemples classs les similarits ou alors on crera de nouveaux groupes
sous-jacents aux existants.
Lapprentissage partiellement supervis : il ressemble lapprentissage semisupervis, il est utilis lorsquun exemple nappartient ni A ni B, on cherchera
alors son tiquette.
Lapprentissage par renforcement : le programme apprendra ici un nouveau

comportement en fonction dobservations, cest dire que laction quaura
l'algorithme sur lenvironnement retournera une valeur qui guidera le modle
dapprentissage.
Lapprentissage par transfert : cest la capacit dun programme reconnatre des

connaissances apprises partir danciennes tches et les appliquer sur de nouvelles
tches ou domaines ayant des similitudes.
Page
22
Florian GRENIER
Pour effectuer un apprentissage de qualit, plusieurs facteurs entrent en compte :

-
Le nombre dexemples : plus il y a dexemples, plus lapprentissage sera long mais

plus il sera de qualit, au contraire, moins il ny en a, moins ce sera long mais
lapprentissage ne sera pas qualitatif.
Le nombre et la granularit des tiquettes/attributs : plus nous aurons dattributs,

plus la fonction de distance entre les paires dexemples sera efficace.
Le pourcentage de donnes manquantes et renseignes.
Le Bruit : cest le nombre de valeurs non conformes ou altres pouvant mener

confusion, ce sont ces valeurs pouvant amener de grands faux-positifs et mme une
erreur totale de classement de la part de lalgorithme.
A savoir que les modles dapprentissage automatiques sont tous plus ou moins inspirs
des tres vivants, lapprentissage automatique est peut tre un sous-domaine de linformatique
mais fait intervenir les sciences cognitives, les neurosciences, la biologie ainsi que la
psychologie.
Lorsque lon dveloppe une IA, il peut tre intressant de dialoguer avec, le chapitre
suivant expliquera le fonctionnement des mthodes de Traitement Automatique du Langage
Naturel (TAL ou TALN)
3.4) Traitement automatique du langage naturel

Ce type de dveloppement est lapplication de programmes et de techniques
informatiques au langage humain, aussi appele ingnierie linguistique. Cest avec le test de
Turing et les machines tentant de le relever, que les premiers essais de TAL furent tents. Le
test de Turing (Allan Turring dans Computing machinery and intelligence ) est un test
ayant pour ambition de rvler si une machine est intelligente ou non. On va faire discuter,
via une conversation en temps rel, une machine et un humain. Le test se rvle positif si
lhumain est incapable daffirmer 100% sil a une machine ou un humain en face de lui. En
1954, l'exprience de traduction russe/anglais de Georgetown fait galement intervenir du
TALN et est le prmice de la traduction automatique. Vers 1965, Joseph Weizenbaum
dveloppe le programme ELIZA ; tant une simulation de la psychothrapie rogrienne
consistant mettre laccent sur lempathie, lauthenticit et le non-jugement.
Page
23
Florian GRENIER
Cette approche l'avantage de ne pas prendre en compte la pense ou les motions

humaines, ce qui rend le programme plus facilement crdible. Par la suite ce sont de
nombreux chatterbot (robots de discussion) et de nombreuses recherches sur la traduction
automatique qui monopolisrent les chercheurs, au fur et mesure de lvolution des
puissances de calcul, les programmes devinrent de plus en plus performants.
Schma du TALN
On peut faire des analyses statistiques dans le TAL permettant de dsambiguser des
phrases trs longues pouvant mener des milliers voir millions danalyses possibles. On
utilisera ici de lapprentissage automatique sur le systme pour quil fasse de moins en moins
de confusions de sens.
Le TAL de nombreuses applications telles que la production ou la modification de
texte (correction orthographique, traduction automatique ou encore rsum automatique de
texte etc), le traitement du signal comme la reconnaissance de la parole ou bien
lextraction dinformation avec lannotation smantique ou la classification de documents.
Comme jai pu le dire au dbut du document, lintelligence artificielle ne sert pas
seulement optimiser des processus mais elle permet galement de formaliser des actions afin
de les excuter le plus rapidement possible. Le calcul formel fait partie de cette catgorie.
3.5) Calcul formel
Si on adapte la technique de traitement du langage aux mathmatiques on obtient le

traitement informatique du langage mathmatique. Le calcul formel, au contraire du calcul
numrique, traite des expressions symboliques.
Page
24
Florian GRENIER
Cest par un procd de transformation des expressions mathmatiques (traduction)

que les algorithmes tenteront de rsoudre les diffrentes quations qui lui sont donnes. Par
exemple, calculer la valeur d'une fonction relle en un point est du calcul numrique alors que
calculer la drive d'une fonction numrique, dterminer sa primitive, simplifier son
expression est du calcul formel. De nombreux logiciels trs puissants sont commercialiss
pour excuter tous les calculs formels et bien dautres ncessaires aux activits scientifiques et
techniques tels que MAPLE ou MATHEMATICA. Ces outils serviront principalement
dassistants de preuve, apportant une aide aux mathmaticiens, ce qui peut galement
dcouler sur des outils de raisonnement logique au sens plus large du terme pour la
vrification des programmes par exemple.
Capture dcran du logiciel MATHEMATICA
A la frontire entre les systmes experts et les rseaux de neurones, nous avons la
rsolution gnrale de problmes. Cest un aspect pouvant regrouper plusieurs types de
dveloppement.
Page
25
Florian GRENIER
3.6) Rsolution de problmes
Cette approche consiste analyser, formaliser et rsoudre des problmes concrets. La

rsolution de problme est trs vaste, se dplacer dun endroit un autre est une rsolution de
problmes et uniformiser la physique quantique et la relativit gnrale en est un autre. Un
problme est donc une tche quil faut analyser, puis il faut dgrossir les rponses possibles
afin de parvenir une conclusion satisfaisante. A savoir que la rsolution de problmes est
une des champs de recherche de lintelligence artificielle le plus fondamental, les premiers
chercheurs tentrent de crer des algorithmes permettant de rsoudre nimporte quel
problme. Ctait le but du General Problem Solving mais les chercheurs se sont rendus
compte de leurs actuelles incapacits faire cela et ont donc t oblig de segmenter les axes
de recherche.
Fonctionnement grossier de la rsolution de problmes
La plus grande difficult dans la rsolution de problmes est lespace de recherche de

solutions, il est souvent immensment vaste et il faut alors implmenter des mthodes
permettant de le rduire en ne cherchant pas dans les directions inutiles. Il est galement
intressant de faire des rapprochements avec des problmes similaires pour ne pas reproduire
les mmes erreurs et afin de mieux modliser la reprsentation du problme dans le systme.
En dehors de lindustrie, la rsolution de problme est trs populaire pour les jeux (jeu
de go, checs etc). Il est important de noter quil faut diffrencier les algorithmes
euristiques de ceux faisant simplement intervenir la force informatique brute.
Page
26
Florian GRENIER
Lorsque lon cherche battre le champion du monde d'chec avec un programme, il y

a peu d'intrt lui mettre le plus puissant des ordinateurs en face de lui qui testera toutes les
possibilits de coups (force informatique brut, long et non optimis). Mais il est bien plus
intressant dessayer de concevoir une IA plus intelligente tant plus rapide et plus
performante pour des cots rduits en nergie.
Le mode de fonctionnement de lesprit humain utilise bien dautres mthodes que les
mthodes logico-mathmatiques auxquelles on pourrait penser. Il faut prendre en compte
limagerie sensorielle, et les analogies, on ragit et on se guide souvent par des motions ou
par rapport des analogies avec des situations connexes dans le pass. Linformaticien
Douglas Hoftstadter dvelopper de nombreux programmes bass sur une approche
danalogies comme le programme CopyCat qui a la capacit de se modifier lui-mme au fur et
mesure des questions qui lui sont poss, certains pensent mme que ce programme pourrait
tre un prcurseur de lIA forte ! Hoftstadter a galement cre un autre programme avec Harry
Fondalis qui se nomme Phaeaco. Ce logiciel est capable de rsoudre des problmes de
Bongard : ce sont des problmes prsents en deux pages, sur la page de gauche, six images
ayant toutes un point commun diffrent de celui des six images de droite. Pour trouver les
caractristiques communes, le logiciel va tre guid par ides quil peut avoir un
certain moment sur les diffrents concepts possibles.
Pour passer ltape suivante de lintelligence en informatique, les chercheurs pensent
quil faudrait trouver un moyen de leur apprendre lintrospection, afin quils comprennent les
raisons de leurs choix pour pondrer correctement les actions quils entreprennent. Ils leur
manqueront aussi la notion de but pour arriver travailler sur une intelligence artificielle
forte.
Un dernier programme intressant citer et utilisant une approche heuristique est
Eurisko. Ce programme est encore considr comme lun des plus intelligent jamais conu, il
tait capable de dmontrer des thormes en explicitant ses modes de raisonnement, il tait
mme capable de proposer des suggestions. Eurisko a t banni dun jeu (le The Traveller
Trillion Credit Squadron ) quil gagnait tout le temps cause de ses performances beaucoup
trop leves par rapport au niveau des autres concurrents.
Pour sapprocher au plus du fonctionnement dun homme, les chercheurs en IA ont du
se pencher sur lanalyser des flux visuels et sur la reconnaissance des formes. Le chapitre
suivant traitera du fonctionnement de cette discipline.
Page
27
Florian GRENIER
3.7) Reconnaissances de formes ou vision artificielle
Les disciplines relatives la vision artificielle
Ltre humain arrive reconnatre des formes et comprendre son environnement sans
en avoir la moindre conscience, c'est un mcanisme automatique qui seffectue sans besoin de
conscience mais qui sollicite une trs grande partie du cerveau. Ce qui prouve que ce
mcanisme a beau tre devenu automatique, il nen reste pas moins compliqu. Le processus
de construction de la perception depuis les informations renvoys par nos sens fait
intervenir la quasi-totalit de notre cerveau.
Ds la cration de lIA, la volont des chercheurs tait dquiper les machines de
dispositifs dmission et de rception de signaux divers, de se rapprocher le plus possible des
performances humaines. Mais beaucoup de difficults ont t rencontres comme la diversit
des mthodes de traitement du signal ou alors de nombreux problmes analogiques ou
logique.
Si on regarde la reconnaissance de la parole, lidale pense tait de pouvoir
reconnatre les paroles dun locuteur quelconque, mais le processus est hautement compliqu
rien que par le fait que la comprhension dun mot ne relve pas uniquement de connaissances
langagires mais aussi du contexte, du but ou du monde dans lequel vit le sujet.
Page
28
Florian GRENIER
La reconnaissance de lcriture fut plus simple sauf pour les critures manuscrites ou
lon aura une grande part d'ambigut due au ct unique de lcriture de chaque personne. La
reconnaissance des visages partir de photo ou de modle vivant est importante pour les
systmes scuritaires ou pour que les robots reconnaissent les visages. Pendant longtemps,
cette approche fut considre comme impossible, mais les chercheurs se sont rendu compte
quun cerveau de nourrisson le faisait trs simplement. Aujourdhui le modle fonctionne
parfaitement et peut aussi donner des rsultats suprieurs ceux dun tre humain.
On ne va pas seulement essayer de reconnatre des formes mais on peut galement
rechercher des modles, des motifs ou des groupes. On peut donc tenter de dtecter des objets
dune certaine catgorie dans une image ou une vido. Pour ce faire, il faudra passer par
certaines tapes cycliques/rcursives. On commencera par dterminer quelles donnes
devraient permettre de sparer ce que lon recherche du reste qui ne nous intresse pas. Par la
suite on rcolte, on nettoie et on analyse les donnes afin de pouvoir en modliser une
frontire discriminante pour notre objet cible par rapport au reste. Puis on terminera par
essayer de dterminer la rgion de limage correspondant ce que lon recherche ou alors
au moins dire si notre objet est contenu ou non dans limage.
Une fois que nous savons reconnaitre des images, que nous avons appris dcoder des
sons, il nous faut un systme de classification. Il faudra ordonner, prioriser, pondrer et
classer les rsultats de nos analyses. Il existe un domaine entier consacr ce travail et cest le
domaine de la smantique et de lindexation que je vais vous expliquer dans le chapitre
suivant.
3.7) Smantique et indexation
Problme :
Ce domaine vient dune constatation simple :
-
Aujourd'hui les ressources multimdia disponibles sur un ordinateur sont
nombreuses et volumineuses.
-
Elles sont difficilement accessibles car manque dindexation et de classement.
Il reste facile mais long un humain pour indexer manuellement une masse de ressources
multimdia cest pour cela que lindexation automatique vue le jour.
Page
29
Florian GRENIER
Solution :
On commence alors par extraire les donnes descriptives (mtadonnes) du

document. Ces mtadonnes peuvent tre un grand nombre de choses tel que des segments
temporels ou des rgions toutes descriptives et structurant du document. Pour ce faire on
utilisera un modle de reconnaissance de formes ou alors un modle bas sur lapprentissage
des patterns reconnatre dans le document en question.
On pourra utiliser des modles stochastiques, permettant de caractriser lvolution
dans le temps ou lespace du contenu. Ceci permettant la machine de localiser tel ou tel
vnement. On pourra galement utiliser un systme expert qui transcrit ce que lon cherche
en base dheuristiques, permettant de spcifier lanalyse du document sur un objet prcis mais
il reste certains objets impossibles dterminer ainsi.
Si on essaie de classifier les publicits des autres programmes diffuss sur une chane
de tlvision, on le fera via apprentissage dirig pour que le programme en ressorte les
caractristiques spcifiquement discriminantes aux autres programmes. On pourra
galement se retrouver face au problme de la reprsentation et structuration des mtadonnes
dans un mme systme, ou entre systme diffrents. Il faudra utiliser des outils
technologiques spcifiques permettant de construire des index et de dfinir des distances pour
optimiser le temps et la qualit de la recherche. Certaines recherches vont mme jusqu'
modliser les intrts des utilisateurs et un tel systme coupl avec un mode de reprsentation
symbolique pourra permettre de dfinir dynamiquement les chemins optimaux vers les
donnes potentiellement recherches.
Ce domaine est extrmement vaste et fait intervenir de nombreux aspects de

lintelligence artificielle, on peut presque ladapter tout problme. Cest une des pratique la
plus la convergence des technologies parmi lesquelles lintelligence artificielle un rle
jouer.
Page
30
Florian GRENIER
3.8) Intelligence artificielle collective et systmes multi-agents
Concept :
En intelligence artificielle, un systme multi-agent est un groupe dunits travaillant
en collaboration, avec des interactions dfinies, dans un environnement donn. On essaie ici
de reprsenter l Intelligence Collective que lon peut retrouver chez les hommes. Cest
lensemble des capacits cognitives dun groupe dindividu issues des interactions entre ses
membres. Sachant que les individus nont pas conscience de la totalit des vnements
influenant le groupe, la connaissance de chaque membre est donc limite sa propre
perception de lenvironnement, mais le groupe pourra quand mme accomplir des tches
complexes via un mcanisme appel synergie (ou stigmergie).
Il existe un trs grand nombre de formes dintelligences collectives divergeant selon la
communaut et ses membres, ces systmes seront tous plus ou moins complexes ou
sophistiqus. Contrairement aux colonies dinsectes, les humains crent des intelligentes
collectives trs htrognes pour les raisons mentionnes ci-dessus alors que chez les
fourmis par exemple on retrouvera toujours globalement le mme schma mcanique
dorganisation.
Pour caractriser une intelligence collective simplement on identifiera :
-
La porte de linformation : il faut que chaque membre du groupe ait une
connaissance partielle de linformation, il ne faut pas domniscience.

-
Les rgles de comportement : chaque individu doit se comporter selon des
rgles de groupe simple et homognes par rapport au systme global.

-
Les interactions : chaque membre du groupe doit tre en relation avec un ou
plusieurs autres pour permettre un change dinformations.

-
Lintrt de la collectivit : dans un systme dintelligence collective, chaque
individu doit trouver un sens sa collaboration dans le systme pour permettre

lmergence dune structure utile la collectivit, le membre isol trouvant son intrt
la collaboration et faisant preuve de performances suprieures celles que lon
pourrait observer dans un mme environnement en solitaire.
Nous avons bien dfini le concept dintelligence collective, maintenant nous allons
voir comment les systmes multi-agent sorganisent autour de cette discipline. Comme
prcis prcdemment, le systme multi-agent mettra en uvre plusieurs Agents (entit
partiellement autonome) dans un environnement interagissant les uns avec les autres selon des
rgles strictes.
Page
31
Florian GRENIER
Mise en uvre :
Cest un sujet trait depuis des annes en Intelligence Artificielle Distribue, il permet
la modlisation de socits et donc offre un champ dapplication immense pouvant mme
aller jusquaux sciences humaines. Pour se reprsenter simplement un systme multi-agent,
imaginez un jeu vido de simulation de vie de famille, on aura :
-
Un environnement : la maison disposant dune mtrique
Des objets passifs : ce sont les objets sur lesquels peuvent intervenir les agents
(Nourriture, vase, voiture, four ).

-
Les agents : notre famille dhumains simuls (Mathilde, Linda, Alex ).
Des relations entre les objets et nos agents (Mathilde peut manger du pain
alors que Linda non car elle est intolrante au gluten).

-
Des relations entre agents : liens de famille, notion de proprit
Un ensemble doprateurs : ce sont les outils avec lesquels nos agents vont
interagir sur les objets ou sur les autres agents (Alex sait faire du vlo).
-
Un ensemble de capteur : permettant aux agents de se tenir informs de
lvolution de lenvironnement (il ny a plus de pain sans gluten, le vlo est cass ).
Pour concevoir un systme multi agent, il y a quatre grandes questions se poser :
-
Comment les agents doivent-ils interagir ensemble dans le milieu et comment
le milieu ragira-t-il en retour ? On doit alors les munir dun systme de dcision leur
permettant de planifier des actions plusieurs.
-
Quel sera le model cognitif de lagent, comment lindividu apprhendera sa
relation au monde ? Pour cela, nous devons leur donner un modle cognitif de
rfrence, de nombreux existent, mais on peut citer le plus connu dentre eux : le BDI
(Beliefs-Desires-Intentions).
-
Comment les agents doivent interagir ensemble ? quel support et quel
langage ? On leur donnera un systme de communication, des langages tels que le

KQLM ou FIPA-ACL remplissent parfaitement cette fonction.
-
Les agents vont-ils voluer, apprendre ou sadapter la collectivit ? Cest un
sujet assez compliqu, on sait que certains virus peuvent sadapter leur
environnement par le biais de mutation mais aucune relle bonne pratique nest en
place actuellement.
Malheureusement, le fonctionnement prouv des systmes multi-agents ne permet pas de

rsoudre toutes les problmatiques, do la cration de rseaux de neurones artificiels.
Page
32
Florian GRENIER
3.9) Rseaux de neurones artificiels

Un rseau neuronal artificiel est un groupe dalgorithmes et de mthodes mises en
places pour tenter dapprocher le fonctionnement du cerveau humain par le biais dunits
de calculs (neurone) tentant de sapprocher le plus possible des neurones biologiques.
Fonctionnement dun neurone biologique
La plupart du temps, ces rseaux de neurones sont optimiss par des mthodes
dapprentissages tels que les algorithmes gntiques. Ils seront utiliss ensuite pour effectuer
une simulation de ractions cognitives indpendantes des ides propres au dveloppeur, ceci
pouvant enchainer sur du raisonnement logique formel (ou Deep Learning ).
Reprsentation classique dun rseau neuronal
Le dveloppement des rseaux de neurones et les avances dans ce secteur sont

fortement lis nos connaissances actuelles en neurosciences, en biologie et en cyberntique.
Page
33
Florian GRENIER
Nous avons donc eu une forte volution de la reprsentation des neurones dans les rseaux
neuronaux au fil du temps :
Le neurone formel :
Cest en 1950, aprs la publication de larticle What the frogs eye tells the frogs
brain , que les neurologues Warren McCulloch et Walter Pitts constiturent un modle
simple de neurone biologique appel neurone formel. La plupart du temps, un neurone formel
est constitu dentres et dune sortie correspondant aux dendrites et laxone du vritable
neurone biologique. Dans un neurone, nous avons galement des synapses provoquant une
action sois excitatrice sois inhibitrice au niveau des signaux reus. Ces actions sont souvent
reprsentes par des coefficients numriques (poids synaptiques) associs aux diffrentes
entres. Durant la phase dapprentissage, on va alors modifier ces poids synaptiques pour
donner la pertinence ncessaires aux informations importantes. Lorsquune information arrive
en entre du neurone, on va alors excuter la fonction de transfert du neurone comprenant
comme variable le poids associ lentre de linformation. Cette fonction de transfert nous
renverra une valeur qui sera alors compare une valeur seuil dactivation, si la valeur
calcule est suprieur la valeur seuil, alors le neurone sexcite sinon son axone sinhibe. En
connectant plusieurs de ces neurones on obtient le rseau de neurones formels. Il permettra,
aprs une priode dapprentissage, deffectuer une opration de classification donne
rapidement et en samliorant. Pour apprendre au rseau, on va ajuster les poids synaptiques
et les valeurs de seuil de chaque neurone du rseau pour obtenir un comportement optimal.
Le perceptron :
Le neurone formel remplis effectivement sa tche mais ne fournit pas de mthode
dadaptation des coefficients synaptiques et cest ici que le perceptron intervient. Cest le
physiologiste Donald Hebb qui, en 1949, rsout ce problme par la rgle de hebb qui
permet dajuster les valeurs des coefficients synaptiques en fonction de leur activit. Cest-dire que plus une synapse sera souvent excite, plus son coefficient aura un gros impact sur la
fonction de transfert. Cette modification dapparence lgre permet au systme dapprendre
par exprience mais cela mme si linstructeur commet des erreurs ce qui est une rvolution
dans le domaine. Le perceptron est aujourdhui encore le modle de neurone artificiel le plus
largement utilis.
Page
34
Florian GRENIER
Le perceptron multicouche :
Une fois le perceptron invent et implment, lintelligence artificielle fut une grande
dsillusion car elle ne russissait pas rpondre aux normes attentes quelle suscitait. Cest
en 1986 que David Rumelhart introduit le perceptron multicouche. Il est la rsultante du
couplage du perceptron standard et de la thorie de la rgularisation statistique de
Vladimir Vapnik. Cette thorie permet danticiper et de rguler les phnomnes de
surapprentissage. Ceci se traduit par un arbitrage quivalent entre une modlisation trop
pauvre manquant de dtails pour tre rellement efficace, et une modlisation trop riche
faisant une gnralit de cas pas forcment pertinent se retrouvant souvent dans un nombre
dexemples trop petit.
3.10) Ralit virtuelle
La ralit virtuelle (VR), aussi appele multimdia immersif ou encore ralit simule
par ordinateur, est une technologie informatique reproduisant un environnement rel connu ou
imaginaire. Le but de cette manipulation est doffrir lutilisateur une exprience la plus
immersive possible pouvant aller jusqu utiliser tous nos sens, elle permet galement
linteraction de lutilisateur en son sein.
Aujourdhui, la VR est en plein essor avec la sortie de lOcculus Rift et lHTC Vive.
Lamlioration des nouvelles technologies de VR sont dues aux chercheurs amricains qui ont
permis le dveloppement de cette technologie autant pour le grand public que pour lindustrie.
Certaines applications de VR tels que des jeux ou des applications ludiques mettent en
place de petites intelligences artificielles faibles comme des personnages non-joueurs, mais il
nest pas impossible de projeter que dans le futur, les IA volus des jeux vido seront
implments dans les applications de ralit virtuelle pour permettre une meilleure immersion
et une plus grande qualit dexprience.
Les diffrents types de dveloppement expliqus, je vais maintenant faire les corrlations
entre ceux-ci et les diffrents domaines dapplications possibles.
Page
35
Florian GRENIER
4) Les domaines dapplications

Maintenant que les concepts sont poss, nous allons pouvoir analyser la prsence et
limpact de lintelligence artificielle dans notre quotidien. Nous allons essayer dexposer ici
les plus grandes utilisations de lIA dans des domaines radicalement diffrents. On appuiera
ainsi le fait quelle est dj omniprsente dans notre quotidien et quelle a dj dpass les
performances humaines dans des secteurs bien prcis. On verra galement des applications
moins axs sur la performance mais plus sur le ct pratique et le gain de temps. Cette partie
tentera de susciter votre curiosit pour vous donner envie de vous renseigner sur les
applications de lintelligence artificielle car videmment, la liste suivante restera nonexhaustive et ne parlera que des plus gros sujets actuels.
4.1) Accessibilit et ergonomie
Laccessibilit est le fait quune application puisse tre utilise par le plus grand
nombre de personnes quel que soit le handicap. Jai ajout ergonomie ici car les deux
principes se retrouvent sur le fait quils essaient tous deux de rendre lutilisation dun outil le
plus agrable et simple possible.
Nous allons donc commencer
par parler des assistants personnels virtuels, ces
applications futuristes vous permettant de dialoguer et de poser des questions une

machine et davoir une rponse en retour. Les plus connus sont
Siri (Apple), Cortana
(Microsoft), SVoice (Samsung) et Google Now (Google). En se basant sur dnormes bases
de donnes et des algorithmes de deep learning, les Assistants Personnels Virtuels offrent une
capacit de raisonnement ultra rapide.
Son rle sera de rpondre pertinemment des requtes potentiellement de tout ordre
(criture dun sms, traduction de texte ou encore rservation de billet). Pour effectuer cela
lassistant virtuel devra recevoir ses informations via des donnes brutes (textes, images ou
son) quil analysera ensuite avec le serveur car ces applications sons toutes dpendantes dun
serveur distance qui poser les questions, car videmment, un tel systme ne serait pas
support par les tlphones actuels.
Mais les assistants virtuels ne sont pas les seules applications de lia en accessibilit.
Google a cr en 2014, loutil Inbox Gmail. Cest un outil destin aux personnes nayant que
peu de temps pour soccuper de ladministratif.
Page
36
Florian GRENIER
Cet outil arrive trier et classer les mails similaires, mettre en avant ceux qui sont
important et au contraire avoir tendance masquer les inutiles. Bien videmment que de
lintelligence artificielle se cache derrire tout a ! Mais le plus beau reste que fin 2015, la
multinationale annonait la sortie de Smart Reply. Cette nouvelle fonctionnalit offre la
possibilit lapplication de rpondre automatiquement (mais non sans votre accord) vos
e-mail. Le rseau de neurones de Google va analyser votre syntaxe dcriture et ordonner les
ides en champs lexicaux pour amliorer son fonctionnement. Ensuite quand vous recevrez un
e-mail, Smart Reply vous proposera trois rponses, si lune dentre elles vous convient, vous
navez qu cliquer dessus. Cest un norme gain de temps pour les personnes recevant de
nombreux e-mails chaque jour.
En dehors de lapplication web, nous retrouvons galement lIntelligence Artificielle
dans la domotique. Les produits Amazon Echo ou Google Home sont vos majordomes
virtuels.
Ces
applications
rsultent
dannes
dapprentissage
automatique,
de
perfectionnement en reconnaissance vocale et en systmes experts. Le systme vocal repose

sur un algorithme de traitement du langage naturel sophistiqu et spcialement cr pour
loccasion. Le Google home se prsentera ainsi :
Il permet de reconnaitre une demande et dy rpondre si possible. Il permet de vous

donner la mto, mettre la radio, couter de la musique via vos comptes Spotify, Amazon ou
Apple music. Il peut vous mettre en place des alarmes, des rendez-vous sur votre Google
calendar, effectuer des commandes sur internet, il a galement accs Wikipedia ce qui lui
permet de rpondre un grand nombre de questions de culture.
Lintelligence artificielle du Google Home est appele Alexa, vous pouvez lui ajouter
des fonctionnalits en fonction de vos besoins et les plus tmraires peuvent galement
dvelopper des modules pour loutil : lui apprendre contrler des clairages sans fils ou
encore des thermostats pour que votre maison soit la plus adapte vos attentes.
Page
37
Florian GRENIER
Malheureusement ces produits ne sont pas encore disponibles en dehors des EtatsUnis, le Google home ne peut pas vous localiser hors du pays ce qui peut apporter des
problmes lors de questions impliquant le fuseau horaire ou la localit.
Les applications dintelligence artificielles se retrouvent galement dans le domaine
bancaire.
4.2) Banque
Dans les banques, les systmes experts commencent faire leurs places entre les
diffrentes applications de gestion de fonds et dassistance. Il existe des systmes experts
dvaluation des risques lis loctroi dun crdit qui vont analyser les donnes dun client
pour dfinir quels sont les risques et les probabilits de rentabilit dun crdit quel quil soit.
Comme prcis dans le paragraphe sur les systmes experts, le logiciel aura besoin dun
expert humain qui va lui expliquer comment ragir telle ou telle situation, le systme va
apprendre de cet expert pour tre par la suite plus rapide et efficace que celui-ci. En effet, une
banque dispose dun grand nombre doffres, un agent humain ne pourra jamais proposer la
totalit des offres et travaillera la plupart du temps avec les 10 ou 15 offres quil maitrise le
plus. Le problme cest que cela enlve de la valeur ajoute ce que pourrait produire la
pluralit de leurs offres alors que a devrait tre un avantage pour eux face la concurrence.
Les socits Yseop ou IBM disposent doutils pouvant palier ces problmes : des
intelligences artificielles expertes en banques. Aprs la collecte dinformations chez le client,
loutil va dterminer le produit le plus adapt. Il expliquera mme au conseiller comment
prsenter la solution aux clients, et en quoi cette solution est la meilleure pour eux et quels
sont les risques auxquelles ils font faces. Un tel outil offrira une hausse de 15 pourcents du
nombre de clients des banques lutilisant. Il permettra galement de mieux conseiller le client
et, par consquent, de le fidliser plus significativement.
Mais les systmes danalyse de crdit ne sont pas les seules intelligences artificielles
prsentes dans nos banques. Certaine application de prdiction dlments mtiers peuvent
galement permettre de dfinir un taux dattrait dun client et mme dterminer lorsquun
client souhaitera quitter la banque, tout en indiquant comment y remdier. Ces deux dernire
applications sont aujourdhui largement rpandues dans les banques et donc dans notre
quotidien sans que nous en soyons conscients.
Page
38
Florian GRENIER
Par ailleurs, un autre type dapplication commence voir le jour : les chat-bot. Ils
permettent de court-circuiter le conseiller lors dune phase de pr qualification du client et de
rcupration dinformations. Le robot pourra galement rpondre des questions rptitives
et simples soulageant ainsi les oprateurs qui pourront donc se concentrer sur des dossiers
plus importants.
Nous pouvons galement appliquer lia dans la finance, ou les rseaux de neurones
travaillent quotidiennement.
4.3) Finance
Dans la finance, les enjeux sont normes et il est important de prendre des dcisions le
plus vite et le plus qualitativement possible ce qui demande une grande capacit de calcul.
Cest pour cela que la socit Bridgwater Associates a engag David Fiorucci, le crateur de
lapplication Ibm Watson qui peut rivaliser avec lhomme sur un jeu de stratgie. Son but
tant de concevoir une intelligence artificielle capable de grer un fond dinvestissement
dans sa totalit. Pour ce faire, lapplication va crer ses propres algorithmes en fonction de
donnes statistiques. Ce qui permettra danalyser lhistorique de lvolution du march et
ainsi doter lalgorithme dune logique prdictive au sommet de linnovation.
En effet cela fait une quinzaine dannes que les logiciels intelligents travaillent dj
pour les marchs mais ce projet est une rvolution du fait que pour celui-ci il ny aura pas
besoin dhomme lorigine des scnarios suivre : la machine les dfinira par elle-mme.
De plus dans ce genre de secteurs les machines ont de lavenir car mme les plus
talentueux ingnieurs ont du mal faire des prdictions fiables quant aux tendances des
marchs. Mais ce genre de projet fait peur aux conomistes car en 2010, une application mal
rgle fut lance sur les marchs anantissant certaines capitalisations boursires sur la route
et crant un crash. En effet, tant donn le grand nombre de stratgies possibles et de facteurs
externes, les courbes du march peuvent subir de forts changements qui sont difficiles
analyser et pondrer pour une machine. Il reste nanmoins intressant de voir les
performances que peuvent produire ces algorithmes mais il faut galement tre conscient des
responsabilits dlgues au systme et pouvoir dans tous les cas le contrler.
Page
39
Florian GRENIER
Lutilisation des systmes intelligents dans les finances peuvent mener rflexion.
Mais il existe un autre domaine ou les applications dIA sont controverss : le militaire.
4.4) Militaire
De nombreux algorithmes de systmes experts, de reconnaissance dimages ainsi
que des rseaux neuronaux sont utiliss dans le militaire. Le systme ALPHA fut conu pour
contrler une flotte de drones dans des missions de combat arien en environnement simul.
Le systme a dj surpass ses prdcesseurs ainsi quune srie dhumains aux commandes
davions virtuels. Le programme disposait de quatre avions pour dfendre un littoral tandis
que les attaquants disposaient des deux avions plus lourdement arms et mme avec un
avantage de vitesse parfois. A chaque fois, aucun des avions dALPHA ne fut dtruit. Les
tmoignages des pilotes affirment que le systme tait le plus rapide, agressif et ractif quils
ont eu affronter.
Pour parvenir un tel rsultat, la socit Psibernetix a mis en place des techniques
drives de logique floue consistant analyser un grand nombre de possibilits avant de
prendre une dcision. LIA fonctionne avec un processeur 3.2 Ghz et va analyser la totalit de
ses entres provenant des capteurs tous les 6.4 millisecondes. Par la suite elle va organiser ces
donnes, cartographier le scnario, analyser ltat du combat et modifier ses dcisions pour
sadapter aux changements analyss. Les dveloppeurs du systme affirment quils peuvent
encore augmenter les performances en perfectionnant lalgorithme gntique dapprentissage
automatique qui enseigne les bonnes pratiques au logiciel.
Le systme est encore en phase de test mais la socit Psibernetix estime que dans un
futur proche, son intelligence artificielle pourra travailler en collaboration avec des pilotes
humains pour leurs permettre deffectuer les meilleures actions le plus rapidement possible.
Elle pourrait galement contrler des escouades de drones pouvant effectuer des missions
prilleuses tandis que les hommes soccuperaient des missions de support et de soutient mois
dangereuses.
De nombreuses autres applications existent pour le militaire, tels que les systmes
daide la dcision. Des applications qui vont travailler avec de grandes masses de donnes et
les analyser le plus rapidement possible pour produire des analyses rigoureuses et proposer
des solutions un problme donn dans un temps relativement court.
Page
40
Florian GRENIER
Des problmatiques subsistent malgr tout lorsque lon essaie daller plus loin et de
mettre en service ce genre de systmes. Des questions dthiques se posent, si une machine
dtient le droit de tuer, sera-t-elle en mesure de distinguer un civil dun ennemi, pourraitelle mesurer ses frappes si des dommages collatraux taient probables ? Autant de questions
qui nous montrent quon est encore loin davoir abouti une technologie fiable 100%, mais
les applications sont effectivement de plus en plus impressionnantes.
Dans le divertissement numrique, on retrouvera des IA et nous allons nous pencher

sur ses applications dans les jeux vido.
4.5) Jeux
Lorsque lon parle dintelligence artificielle, on ne peut pas omettre les jeux vido. La
plupart du temps, elle est utilise pour donner vie aux Personnages Non-Joueurs (PNJs). Mais
contrairement la robotique par exemple, le but ici ne sera pas forcement de donner un
comportement approch de celui de lhumain au PNJ mais de donner du challenge au
joueur. Nous avons les algorithmes de rsolution de problmes travaillant sur des jeux de
stratgie tels que les checs ou le jeu de go. Aujourdhui ces jeux ont t battus par des
intelligences artificielles de grande qualit et les meilleurs joueurs au monde ne peuvent plus
rivaliser avec ces programmes.
Jeu de go
Les premires intelligences artificielles contrlant des PNJ arrivrent dans les annes
70 avec notamment le jeu Star Trek qui utilisait des Stored Patterns pour contrler ces PNJs.
Ce sont des chemins prdfinis et des actions simples conditions.
Page
41
Florian GRENIER
Par la suite, entre 1970 et 1990, lintelligence artificielle samliora significativement

avec lge dor des jeux darcades offrant de plus en plus de mouvements possibles, des
niveaux de difficults croissants, tout cela dtermin par des fonctions de hachage.
Cest dans les annes 1990 que les nouvelles formes dIA virent le jour. Les nouvelles
technologies conduisirent lutilisation dautomates finis, de stratgie en temps rel prenant
en compte un grand nombre de paramtres. Les joueurs demandrent alors des IA de plus en
plus Humaines pour amliorer limmersion. Cest ainsi quapparurent des jeux tels que
Creatures (1998), utilisant de lapprentissage automatique, laide de rseaux de neurones, les
cratures apprennent interagir avec leur environnement et avec le joueur.
Aujourdhui les jeux vido les plus perfectionns peuvent utiliser des arbres de
recherche, de lapprentissage automatique et des rseaux de neurones. De nombreux jeux
utilisent galement le pathfinding , cest la technique permettant de se dplacer dun point
vers un autre en empruntant litinraire le plus optimis. Cette technique est galement
utilise dans de nombreux autres domaines tels que la robotique ou encore le routage internet.
Lalgorithme le plus utilis pour cette fonction aujourdhui est lalgorithme de Dijkstra coupl
avec lalgorithme A*. Cet algorithme se base sur la thorie des graphes avec les calculs de
chemin critique. Contrairement un algorithme de Dijkstra seul, lalgorithme A* va orienter
sa recherche au lieu de tester toutes les possibilits ce qui permettra un gain de temps
significatif.
Les algorithmes dintelligence artificielle des jeux vido restent aujourdhui assez
simple et sans rel aspect scientifique. Le temps ncessaire la ralisation dune IA srieuse
ne serait pas rentable pour une socit de jeux vido et pourrait offrir des rsultats plus
qualatoires. Mais si nous mettions en place ce genre dIA, nous pourrions avoir des jeux qui
ne seraient jamais les mmes pour chaque joueur et chaque partie joue. Une nouvelle forme
de jeux pourrait bien voir le jour dici quelques annes, les jeux infinis, ayant autant de
possibilits de comportement quun humain et reprsentant parfaitement leffet papillon au fil
du temps.
Nous allons maintenant analyser limpact de lIA en mdecine.
Page
42
Florian GRENIER
4.6) Mdecine
Dans la mdecine, il y a de nombreuses connaissance et un grand nombre de relation
cause-effet. La socit IBM avec son intelligence artificielle Watson, travaille sur
lamlioration des diagnostiques en mdecine depuis plusieurs annes. En effet, Watson peut
analyser la totalit des informations dun patient puis ensuite travailler en collaboration avec
un mdecin pour dterminer au mieux le traitement prescrire au patient.
En radiologie, les systmes sont capables danalyser et de comparer un grand nombre
dinformations trs rapidement pouvant ainsi proposer des solutions et des diagnostiques que
des mdecins nauraient pas pu voir par manque de temps et de mmoire.
Mais si une application peut effectuer des diagnostiques, quel est maintenant le rle du
mdecin ? Le mdecin un rle humain qui ne peut pas actuellement tre remplac par une
machine. Le mdecin est l pour aider son patient comprendre son tat, il est l pour utiliser
son sens critique pour dterminer la vracit des propositions des logiciels. Il sera toujours
ncessaire davoir un mdecin car imaginons une situation grave avec une dcision
importante prendre, si Watson propose une solution radicalement diffrente de celle pense
par le mdecin, faut-il se fier lui ? Etant donn que loutil est une boite-noire et que
personne ne sait comment il fonctionne pour effectuer ses corrlations et donner ses
diagnostiques.
En mdecine prdictive, il est compliqu pour un humain de donner des rsultats de
qualits, consquence du grand nombre de facteurs gntiques et environnementaux. En
utilisant des algorithmes bass sur des rseaux de neurones, ayant subis de lapprentissage
automatique sur de grands nombres dexemples et tout ceci coupl avec des systmes
experts, on pourrait offrir des rsultats de qualits rapidement. On va commencer par utiliser
un perceptron multicouche, lui donner un grand nombre dexemples clairement identifi. Ici
le rseau de neurones va devoir pondrer les relations de causalits, ce que ne fait pas un
humain de manire fiable. Ensuite on essaie de donner des exemples inconnus au systme et
sil arrive donner des rsultats de qualit, cest alors quil a russi comprendre la relation
entre les facteurs dentres et le diagnostic.
Mais les rseaux de perceptrons multicouches ne sont pas les seuls types dintelligence
artificielle utiliss en mdecine. Ils seront utiliss dans des situations ou on ne connait pas les
rponses aux problmes ou si lon cherche une optimisation des procds. Mais si lon
souhaite uniquement automatiser un processus bien connu et avr, on utilisera surement un
rseau baysien qui sera plus adapt la situation.
Page
43
Florian GRENIER
Le dernier domaine dapplication que je vais expliquer est la logistique.
4.7) Logistique
Les applications dans ce domaine sont vastes, autant pour le contrle de la circulation,
la gestion de stocks, le calcul de plan de productions, laide la dcision ou la ralisation
dactes de commandes etc Ce sont toutes les applications relatives la maitrise de la
circulation physique, la distribution et les transports de produits. Linformatique est prsente
partout en logistique, les points nodaux de rseaux de transport (plateformes, aroports
etc). En gestion des stocks par exemple, les applications peuvent calculer, surveiller,
dcider et prvoir lvolution en fonction de mthodes danalyses statistiques pousses.
4.8) Robotique
La robotique est lensemble des techniques dingnierie
(informatique,
lectroniques,
mcanique)
permettant
la
conception et la ralisation de machines automatiques ou de robots.

Une dfinition de robot fut donne par lunit de recherche ATILF
(Analyse et Traitement Informatique de la Langue Franaise) :
Appareil effectuant, grce un systme de commande
automatique base de micro-processeur, une tche prcise pour
laquelle il a t conu dans le domaine industriel, scientifique ou
domestique . On aura donc deux types de robots, la machine
physique possdant des capteurs et un systme logique et aussi le
robot logiciel (Bot).
La robotique est le domaine dans lequel les diffrents types dintelligences artificielles
peuvent quasiment tous tres implments. Aujourdhui, la plupart des robots ne sont que des
machines excutant des taches expertes, mais sans rel apprentissage ou rflexion. Mais on
pourrait imaginer des robots mettant en place une acquisition et un apprentissage
automatique des connaissances sur le langage naturel par exemple nous donnant ainsi un
robot potentiellement capable de communiquer. On pourra aussi lui enseigner les calculs
formels et la notion de rsolution de problmes pour le rendre utile. Imaginons coupler tout
cela a une reconnaissance des formes, le robot serait alors capable de reconnaitre un visage,
lui attribuer un nom, et dautres caractristiques.
Page
44
Florian GRENIER
On pourra galement parler de la microrobotique et des nanorobots qui sont un

champ dtude en plein essor. Les enjeux dune telle technologie sont consquents car
pouvant faire avancer nos capacits mdicales significativement, le but tant dinjecter ces
microrobots dans un organisme avec un but prcis (par exemple reconnaitre et dtruire des
cellules cancreuses), et les laisser faire ou les contrler distance pour les approcher au plus
de leur but.
5) Dpasser lhomme ?
Maintenant que nous avons analys limpact de lintelligence artificielle sur notre
quotidien et sa prsence dans le monde, il convient de se poser la question de notre utilit, et
plus prcisment de lvolution des performances de lIA possible dans le futur. Nous
allons voir ici si lintelligence artificielle nous a dpass ou non, et ce quil est possible
dentrevoir pour ce domaine de recherche dans un futur proche ou plus loign. On analysera
galement les risques possibles et les solutions mettre en place pour prvenir de tels risques.
5.1) Performances : Homme / Machine
En termes de performances de calcul, de mmorisation et de classement, la machine
a largement dpass lhomme, encore plus significativement avec larrive des nouveaux
processeurs quantiques. Mais pour des oprations de rflexions, de raisonnement ou de
communication, lhomme est toujours le plus performant. En effet, la machine est loin davoir
nos capacits de penses et la seule intelligence que lon arrive obtenir aujourdhui reste une
excution de lignes de codes dont lorigine est un dveloppeur humain. Pour tre plus
rigoureux, je comparerais les performances dune machine avec celle du cerveau humain.
La rflexion :
Commenons par la rflexion, la base dune machine, les donnes sont actuellement
traits avec des bits faisant partie dun systme binaire (0 ou 1). Un humain travaille avec une
infinit de rseaux de neurones et est par consquent capable dapprhender une ambigit
(si, mais) alors que la machine restera bloque sur un systme binaire (oui ou non).
Page
45
Florian GRENIER
Les connexions dun ordinateur sont figes, si lon cre un robot ayant un capteur
de son, dimage et de temprature, si lun dentre eux tombe en panne, le systme ne
fonctionne plus par inexistence de possibilits dadaptation. Le cerveau humain, au
contraire, possde des milliards de neurones constamment en train de se modifier, de crer
de nouvelles connexions pour rpondre une problmatique ou une modification
environnementale, ce qui amne un cerveau unique pour chaque tre humain. Cela permet
galement au cerveau de se reprogrammer , si jamais une fonction nest plus assure par
une zone du cerveau, alors de nouvelles connexions se creront pour palier ce
dysfonctionnement. Par exemple, une personne aveugle pourra russir se diriger grce
loue et le touch alors quun robot avec une camra endommage, ne sera en aucun cas
capable de traiter le moindre signal visuel.
Nanmoins, la machine dispose dune vitesse de rflexion largement suprieure
celle du cerveau humain. La vitesse de transport de linformation pour un ordinateur est la
vitesse de la lumire (300 000 km/s) alors que dans le cerveau humain, les informations se
dplacent une vitesse approximative de 6 10 m/s. La diffrence est quun humain possde
des milliards de neurones contrairement un processeur possdant un nombre minime de
transistors. Cest une des limitations actuelle de lmergence dune intelligence artificielle
forte.
La mmoire :
Au niveau de la mmoire, une machine est capable de manipuler une quantit quasi
infinie dinformations. Le stockage de cette mmoire peut seffectuer sur diffrents types de
matriel, un disque dur classique ou SSD etc Mais la diffrence du cerveau humain, la
machine grave ses informations en dur, une information crite est infaillible chez
lordinateur ce qui nest pas le cas chez lhomme. La capacit enregistrer de lhomme tant
beaucoup plus faible, le cerveau enregistrera les informations par le biais dassociations de
diffrentes choses entre elles. La mmoire seffectue au niveau des synapses qui
rvalueraient leur poids synaptique en fonction de laccs linformation. Ce procd
entraine une perte des informations jamais consulte et une rcriture constante de la mmoire
ce qui nous donne une mmoire peu fiable.
Page
46
Florian GRENIER
Le traitement de linformation :
Au niveau du traitement de linformation, il y a les neurones pour le cerveau, et les
transistors pour la machine. On peut se les reprsenter par des interrupteurs laissant passer ou
non un courant. Lordinateur nest donc quun agrgat de conditions entre le oui/non et les
oprateurs logiques et/ou. Avec ceci on obtient la machine de calcul que sont les ordinateurs
actuels. Les neurones eux, ont un fonctionnement plus complexe, se sont des entits relies
de nombreuses autres en sortie et tant relies elles-mmes de nombreux neurones en
entre. On peut avoir des messages en mme temps ou encore une variation de la vitesse des
messages et de leur intensit. Ce qui montre dj une diffrence drastique entre le
fonctionnement de lhomme et de la machine, ce qui ne simplifie pas les problmatiques de
comparaison des performances homme/machine.
En effet, le cerveau est loin du
fonctionnement binaire dun processeur.
Pour terminer, voici un tableau rcapitulatif des performances entre le cerveau et un

ordinateur :
Page
47
Florian GRENIER
5.2) La transhumanit et la nanorobotique
Transhumanisme, nanorobotique, sciences cognitives et biotechnologies sont des

sujets qui font rver. Tous ces films de science-fiction o lon voit des hommes transfrer leur
conscience dans des androdes, des tres moiti humains, moiti machines, pouvant vivre
plusieurs sicles. Soigner des cancers avec des machines de la taille dune molcule quon
injecterait directement dans les organismes. Tous ces sujets sont de rels sujets de recherches
et nous avons bien avanc dans ces domaines. Le transhumanisme est le fait de modifier
technologiquement un tre humain pour lamliorer, lui donner de nouvelles capacits et
le faire passer un tat dH+, un homme suprieur. Actuellement nous avons des prothses de
plus en plus perfectionnes contrls directement par les muscles du sujet, de plus en plus
solides et de plus en plus prcises. Mais nous narrivons toujours pas reproduire un membre
dans son exactitude et linterfacer avec le corps humain.
Des chercheurs de Californie on russit mettre au point un dispositif permettant
damliorer lapprentissage dun humain via des stimulations transcrniennes. En dautres
termes, ils ont russi alimenter directement un cerveau en informations, lies
videmment lactivit actuelle de celui-ci. Beaucoup de chercheurs transhumanistes
cherchent trouver des moyens de rallonger lesprance de vie, de rendre lhomme plus fort
etc
Mais est-ce bien une bonne ide ? La vie et la mort sont intimement lis et se
dfinissent lune et lautre par leur inverse. De gros problmes peuvent voir le jour avec
lavnement de ce genre de technologies, qui en sera bnficiaire ? Les plus riches surement,
ou si cela devient la porte de tout le monde nous finirons par tre trop nombreux sur la
plante sachant que nous commenons dj tre surpeupls. Ce genre de thses sur
lvolution de lintelligence artificielle inquite beaucoup les grands de ce monde (Elon
Musk, Bill Gates et Stephen Hawking notamment). Ils affirment que si une intelligence
lgrement suprieure voyait le jour, nous ne pourrions pas la contrler, mais nous
expliquerons plus en dtails les risques dans la partie prvue cet effet.
Page
48
Florian GRENIER
5.3) Artificial Narrow Intelligence

LArtificial Narrow Intelligence (ANI) correspond la capacit de traitement de
problmes dans un domaine prcis. Tout commena avec les systmes jouant et gagnant
aux checs comme le Deep Blue dIBM en 1997, puis ensuite avec des systmes experts
pointus comme dans certains secteurs de la sant, avec notamment les systmes daide au
diagnostic.
On peut aussi citer les moteurs de recherche (Google etc..), la dtection de fraudes
bancaires, le systme daide au crdit de particuliers, la conduite automatique ou assiste
(avec la Google Car), Apple SIRI, Microsoft Cortana et Google Translate. Si lintelligence
artificielle nimite pour linstant toujours pas lhomme, la force brute et lusage dlments
techniques dont lhomme ne dispose pas comme la vitesse de traitement et le stockage de gros
volumes de donnes permettent dj la machine de dpasser lhomme dans de nombreux
domaines.
5.4) Artificial General Intelligence
LArtificial General Intelligence (AGI) correspond au niveau dintelligence
quivalent celui de lhomme, avec un ct polyvalent, avec la capacit raisonner, penser,
analyser des donnes et rsoudre des problmes varis.
On peut intgrer dans ce niveau un grand nombre des capacits humaines : lusage du
langage la fois comme metteur et rcepteur dinformations, la vue et les autres sens, la
mmoire et en particulier la mmoire associative, la pense, le jugement et la prise de
dcisions,ela rsolution de problmes multi-facettes, lapprentissage par la lecture ou
lexprience, la perception du monde et de soi-mme, linvention et la crativit, la capacit
dragir limprvu dans un environnement complexe physique commeeintellectuel ou
encore la capacit danticipation. On peut y ajouter les sentiments et lempathie, les envies et
les dsirs et aussi le rationnel, la remise en question.
Pour linstant, on en est encore loin, mme si certaines de ces capacits notamment
linguistiques et de raisonnement gnral sont en train de voir le jour avec plus ou moins de
prcisions et de viabilits.
Page
49
Florian GRENIER
LAGI dpend la fois des progrs matriels et de notre comprhension toujours en

volution du fonctionnement du cerveau humain qui fait partie du vaste champ de la
neurophysiologie, allant de la neurobiologie ladneuropsychologie. Le fonctionnement du
cerveau apparaitdau gr des dcouvertes comme tant bien plus complexe et riche
quimagin. Les neurones seraient alors capables de stocker des informations analogiques et
non pas binaires, ce qui en multiplierait la capacit de stockage de plusieurs ordres de
grandeur par rapport ce que lon croyait jusqu il y a peu de temps. On sait par contre que
le cerveau est la fois ultra-massivement parallle avec ses trillions de synapses reliant les
neurones entre elles mais trs lent (clock de 100 Hz maximum).
5.5) Artificial Super Intelligence
LArtificial Super Intelligence (ASI) est la continuit logique de ltape prcdente,

lie la puissance des machines qui se dmultiplie et se distribue plus facilement que celle
dun cerveau humain avec ses entres-sorties et ses capacits de stockages et de traitement
limites. A ce niveau, lintelligence de la machine dpasse celle de lhomme dans tous les
domaines y compris dans la crativit et mme dans lagilit sociale. Le point de dpassement
est une singularit. Il est voqu dans de nombreux ouvrages comme dans The
Singularity is Near de Ray Kurzweil.
Dans la pratique, lIA daujourdhui va dj bien au-del des capacits humaines,
notamment lorsque la mmoire est en jeu, et galement avec les vitesses de calcul. La capacit
des systmes experts, et notamment dIBM Watson, brasser dnormes volumes
dinformation fournit des capacits inaccessibles nimporte quel humain, mme surdou.
Page
50
Florian GRENIER
LASI correspond donc un mlange des genres entre les domaines o lhomme est dj
dpass et ceux o il ne lest pas encore et le deviendra.
En tant optimiste, lASI aurait un impact indirect : limmortalit de lhomme,
consquence des dcouvertes gnres par lASI. Cest videmment faire abstraction de ce
qui ne peut pas encore se faire de manire entirement numrique. La recherche scientifique
dans la sant en est donc toujours rduite mener des exprimentations itratives et plutt
lentes, mme avec les appareils les plus modernes. Avec ou sans programmes intelligents,
cela reste immuable. Dailleurs, les meilleures solutions dIA comme lusage dIBM Watson
dans la cancrologie sappuient sur le corpus issu de toutes ces exprimentations. Il a une
base physique et relle cre par lhomme. On pourra certainement automatiser
lexprimentation
biologique
encore
plus
quaujourdhui
dans
la
recherche
de
thrapeutiques, mais cela restera toujours du domaine du biologique, pas du numrique, donc
plutt lent et difficile de mettre lchelle.
On arriverait au stade de lAGI entre 2030 et 2100 selon les prvisions, et de lASI
quelques dcennies aprs. On se demande dailleurs ce qui expliquerait le dlai entre les deux
au vu du facteur dacclration li au matriel. Tout cela reste des suppositions, et bien de
problmes restent surmonter et dcouvrir pour parvenir ces rsultats.
5.6) Les limites
Matriel :
Comme dfini prcdemment, de nombreuses limites sopposent lapparition dune

intelligence artificielle suprme. La plus grosse de ces limites est notre connaissance en
neurobiologie, dans toutes les sciences cognitives, tant que nous naurons pas compris 100%
le cerveau humain, on ne pourra pas tout faire au niveau informatique. Les limitations
matrielles sont importantes, la composition du transistor, le fonctionnement des neurones
et le nombre de connexions entres les units de calculs sont trop diffrents pour approcher un
fonctionnement biologique strict. Allan Turing dcrit de nombreuses choses que ne pourrait
pas faire une machine selon lui savoir : Etre inventif, prendre des initiatives, avoir le sens
de lhumour, discerner le bien du mal, commettre des erreurs, tomber amoureux, tirer des
leons de son exprience, tre le sujet de sa propre pense, avoir des comportements aussi
diversifis quun humain, faire quelque chose de rellement nouveau.
Page
51
Florian GRENIER
Est-ce que la crativit est le propre de lhomme ? Les scientifiques ayant planchs sur
cette question disent que non, car certaines machines sont capables de crer partir de rien,
savoir les rseaux de neurones qui arrivent faire des analogies de srendipit faisant
avancer la science. Mais ce nest quen se basant sur des rgles dictes par lhomme, et par les
exemples lors de son apprentissage que cela peut se produire. Un homme serait arriv aux
mmes conclusions au bout dun certain temps. Seulement la machine est plus rapide et donc
nous permet de gagner du temps.
Emotions :
Parlons maintenant des motions et de la conscience. Encore une fois, nous allons citer
Allan Turing : Nous ne pourrons affirmer que la machine gale le cerveau humain avant
quune machine puisse crire un sonnet ou composer un concerto, partir des penses et des
motions ressenties, et pas simplement par la combinatoire hasardeuse des symboles. Aucun
mcanisme ne peut ressentir (et pas seulement un signal artificiel ou un simple dispositif) le
plaisir de la russite, la douleur dun spasme, le rconfort suscit par la flatterie, la misre
provoque par ses propres erreurs, le charme du sexe, la colre ou la dpression quand il
nobtient pas ce quil veut. Dans cette dfinition, nous avons largument comme quoi une
machine ne peut tre intelligente sans conscience ou motion. Mais il est important de noter
quil nest pas indispensable de doter un programme de conscience ou dmotions pour que
son comportement sapproche de celui de lhumain, mme si cela ne reste quune imitation
grossire de fonctions humaines, on peut alors parler dintelligence artificielle. Mais cette
dfinition est seulement une approche pragmatique de la discipline. Depuis quelques annes,
un domaine a vu le jour : linformatique affective. Cest une matire la frontire entre
lintelligence artificielle et les sciences cognitives visant tudier le formalisme des motions,
comprendre leur fonctionnement pour pouvoir les inculquer une machine.
En effet les machines ne possdent pas dmotions mais elles nen ont pas besoin
pour tre intelligentes. Et si jamais les machines pouvaient ressentir, saurions nous faire la
distinction entre une machine qui reproduit avec exactitude le comportement humain
machinalement dune machine qui vit et qui peut ressentir de rels sentiments comme nous ?
Je vous laisse rflchir cette question.
Page
52
Florian GRENIER
Intuition :
Le dernier aspect qui peut tre compliqu formaliser pour une machine sera
lintuition. Lintuition est une connaissance immdiate et vidente ne ncessitant pas davoir
recours au raisonnement, au calcul. Cette capacit est inaccessible aux machines car elles ont
seulement accs des oprations binaires sur des composants lectroniques. Toutefois,
lorsque lon va tenter de produire une intelligence artificielle, ou simuler un raisonnement on
le fera via des mthodes dheuristiques approchant lintuition puisque la machine va utiliser
des mcanismes dauto-valuation dressant un bilan rapproch de ltat ou ils se trouvent.
Ceci ayant pour but de trouver laction approprie la rsolution du problme fix. On
retrouve une sorte dintuition ici car le logiciel fournira une indication superficielle orientant
sa recherche et terme de prfrences et de plausibilit. En dautres termes lia a une intuition
bien elle : les heuristiques qui sont actuellement au centre des dveloppements de bon
nombre de systmes intelligents.
5.7) Les risques
Les risques sont multiples avec lintelligence artificielle. Comme dit plus haut,
certains scientifiques ont peur dune potentielle intelligence artificielle qui dpasserait
lhomme. Ils mettent lide quelle pourrait nous dominer voir nous exterminer comme nous
humains, nous cherchons exterminer les virus par exemple. Le statisticien britannique Irving
John Good a donn une description dun possible avenir de lintelligence artificielle :
supposons quexiste une machine surpassant en intelligence tout ce dont est capable un
homme, aussi brillant soit-il. La conception de telles machines faisant partie des activits
intellectuelles, cette machine pourrait son tour crer des machines meilleures quelle-mme ;
cela aurait sans nul doute pour effet une raction en chane de dveloppement de
lintelligence, pendant que lintelligence humaine resterait presque sur place. Il en rsulte que
la machine ultra intelligente sera la dernire invention que lhomme aura besoin de faire,
condition que la dite machine soit assez docile pour constamment lui obir. Ici Good voque
un changement drastique de ce que reprsente le progrs. Les plus fervents des
transhumanistes parleront de singularit technologique pouvant mme mener la naissance
dun dieu numrique ayant la main mise sur le monde. Potentiellement un logiciel
comprenant le langage naturel et capable dapprendre dautres langues pourrait
rapidement tre hors de contrle si lch dans la jungle du net.
Page
53
Cependant il
Florian GRENIER
est impossible de savoir le temps que prendrait une telle rcolte
dinformation, ni la structure que devrait prendre larchitecture du logiciel pour pouvoir

effectuer de telles oprations. Si toutes nos esprances venaient se concrtiser, lIA pourrait
rapidement mettre 50% de lhumanit au chmage selon le spcialiste informatique Moshe
Vardi. Cest en 2016 que Google met la possibilit dune intelligence artificielle qui pourrait
apprendre empcher leur interruption et donc devenir incontrlable et innarettable.
On peut citer lintelligence artificielle de discussion de Microsoft TAY. Cette application
auto-apprenante fut lche sur Twitter et avait la possibilit de discuter avec les gens du
monde entier, elle apprenait de ses discussions au fur et mesure. Le chatbot est capable
dalimenter sa base de connaissance en fonction des discussions quelle a. Malheureusement,
internet est une jungle trop vicieuse pour un tel enfant en plein apprentissage, et son manque
de sens critique la men sa perte. Aprs un bizutage des internautes, lIA est devenue
antismite, raciste et illogique. Vous trouverez la suite du document les exemples les plus
flagrants de tweet crits par Tay.
Page
54
Florian GRENIER
On ne peut donc pas nier que si aujourdhui une intelligence artificielle forte voyait le jour,
nous aurions de nombreux problmes et elle risquerait de vite divaguer si aucun sens critique
ou systme de contrle ne lui tait inculqu.
Page
55
Florian GRENIER
6) Conclusion
Dans ce document, jai tent dexpliquer les diffrents aspects de lintelligence artificielle
ainsi que ses domaines dapplication. Jai analys son existence dans notre quotidien et nous
avons pu voir quelle se trouve partout sous des aspects plus ou moins sophistiqus. Jai pu
prsenter ltendue des possibilits quelle
nous offre et je peux en conclure que
lintelligence artificielle peut aujourdhui rpondre la plupart des besoins de lhomme en

termes de classification, analyse et proposition de solution. Mais cela reste un type de
dveloppement rserv aux scientifiques de haut niveau ce qui explique son caractre exclusif
et rare.
Je rappel ma problmatique : Entre prouesses technologiques et volont dinnovation,
lintelligence artificielle dpassera-t-elle lhomme ? .
Pour y rpondre, lintelligence clairement dpasse lhomme dans de nombreux
domaines tels que les calculs, la classification et les analyses de donnes brutes. Lordinateur
est beaucoup plus adapt que nous pour travailler avec de grosses masses dinformations ou
pour effectuer des calculs formels grande vitesse sans jamais se tromper. Cependant si nous
devons lui faire effectuer des oprations ncessitant de lintuition, de la crativit ou un sens
critique li nos sentiments, ltre humain reste encore le maitre de la situation.
Le travail que jai effectu dans ce mmoire nest pas exhaustif, et ne comprend pas la
totalit de nos connaissance actuelles dans les domaines exploits, et il ne rentre pas dans les
dtails techniques de ralisation des systmes dont je parle. On ne peut donc pas affirmer
compltement que les conclusions que je tire sont vridiques mais elles tentent de sen
approcher le plus possible. Par ailleurs, personne ne connait lentire totalit des disciplines
tant en relation avec lintelligence artificielle et donc potentiellement personne nest mme
de pouvoir juger pleinement et de manire vridique une question aussi complexe que les
possibilits dvolutions de lIA.
Pour aller plus loin, il faudrait pouvoir commencer dvelopper les types dintelligences
artificielles que jnumre dans la premire partie du mmoire. Avec une exprimentation
technique et une comprhension en profondeur des concepts, lavis donn serait de meilleures
qualits et peut tre radicalement diffrent (comme avec toutes sortes de vulgarisation).
Page
56
Florian GRENIER
On essaie de faire comprendre simplement des concepts complexes, on est donc oblig
domettre des informations qui nuirait la bonne comprhension. Malheureusement ces
omissions participent une potentielle mauvaise comprhension car elles constituent
lessence mme des principes de dveloppement de systmes intelligents.
Ce fut pour moi une exprience sans prcdent de travailler sur ce sujet et jespre vous
avoir apport une analyse de qualit et une rflexion qui vous aura appris.
Page
57
Florian GRENIER
7) Webographie
https://www.irit.fr/Livret-IA/Livret-3/livret-IA.pdf
http://www.automatesintelligents.com/echanges/2008/jui/dossieria.html
https://www.lri.fr/~meghyn/papers/cours_IA.pdf
https://fr.wikipedia.org/
https://sites.google.com/site/int3llig3nc3artifici3ll3/avancees-possibles-de-l-ia
https://unmondemoderne.wordpress.com/2011/11/06/lintelligence-artificielle-necessite-oumenace/
http://www.oezratty.net/wordpress/2016/avancees-intelligence-artificielle-1/
https://medium.com/@AymericPM/lintelligence-artificielle-en-questions7e3dee4e2fc2#.7agpy1v9m
http://intelligenceartificielletpe.e-monsite.com/pages/l-intelligence-artificielle-progressemalgre-ses-limites.html
http://intelart.e-monsite.com/pages/iii-l-ia-dans-le-futur/ses-limites.html
http://www.latribune.fr/opinions/tribunes/les-limites-de-l-intelligence-artificielle-appliqueeau-marketing-548462.html
http://intelligence-artificielle-tpe.e-monsite.com/pages/limites-technologiques-et-ethique-de-lia/les-avances-faites-et-possibles.html
http://intelligence-artificielle-tpe.e-monsite.com/pages/limites-technologiques-et-ethique-de-lia/cerveau-humain-et-robot.html
http://tecfa.unige.ch/tecfa/publicat/schneider/these-daniel/wmwork/www/phd_93.html
http://cedric.cnam.fr/~crucianm/src/RFMN1.pdf
http://www.mbamci.com/assistant-personnel-deep-learning/
https://www.youtube.com/watch?v=g9c1gpDFdH4
http://www.developpez.com/actu/100639/Une-intelligence-artificielle-bat-des-experts-de-larmee-de-l-air-americaine-dans-des-simulations-de-combats-aeriens/
http://hightech.bfmtv.com/epoque/l-intelligence-artificielle-est-desormais-superieure-auxpilotes-de-chasse-998235.html
http://veille-techno.blogs.ec-nantes.fr/wp-content/uploads/2013/02/pvete12_rapport_iajv.pdf
http://www.planetesante.ch/Magazine/Actualites-et-recherche/Technologie/Intelligenceartificielle-la-medecine-en-mutation
Page
58

Mémoire: Intelligence Artificielle

Transféré par

Informations du document

Description :

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Mémoire: Intelligence Artificielle

Titre original :

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Y-NOV Ingsup M2 Dveloppement

GRENIER Florian / ATOS

Mmoire de fin dtudes

Mmoire de fin dtudes

Table des matires

Quest-ce que lintelligence ? .......................................................................................7

Les processus cognitifs ................................................................................................8

Quest-ce que lintelligence artificielle ? ........................................................................9

Les diffrents courants dintelligences artificielles ...........................................................11

Les types de dveloppement ............................................................................................16

Les domaines dapplications ...........................................................................................36

Dpasser lhomme ? .......................................................................................................45

Mmoire de fin dtudes

5.4) Artificial General Intelligence ........................................................................................49

Mmoire de fin dtudes

Mmoire de fin dtudes

Mmoire de fin dtudes

Mmoire de fin dtudes

Quest-ce que lintelligence ?

Le mot Intelligence est un driv du latin intelligenta signifiant facult de

Mmoire de fin dtudes

Les processus cognitifs

Un processus cognitif est un cheminement par lequel un systme traite une

Perception, Sensation, Attention

Catgorisation, Reconnaissance, Raisonnement et Prise de dcision

Reprsentation, Mmoire et Langage

Oubli, Emotions et Apprentissage

Les phnomnes collectifs et individuels

Mmoire de fin dtudes

Quest-ce que lintelligence artificielle ?

Symbole de la reprsentation en informatique du cerveau

Cest une discipline scientifique relative aux traitements des connaissances et au

Mmoire de fin dtudes

Universit de standford : John McCarthy

MIT : Marvin Minsky

Universit Carnegie-Mellon : Allen Newell et Herbert Simon

Universit dEdimbourg : Donald Michie

En France, la mme poque, nous avions le polytechnicien Jacques Pitrat, pionnier en

En intelligence artificielle, plusieurs courants de dveloppement existent, nous allons

Mmoire de fin dtudes

2) Les diffrents courants dintelligences artificielles

2.1) Symbolisme ou Cognitivisme

Ce modle d'intelligence artificielle travaille sur des structures de symboles, ceux-ci

Mmoire de fin dtudes

Il vit ensuite une exprience analogue en manipulant de la pte modeler : la

Mmoire de fin dtudes

Diffrents types de connexions neuronales artificielles possibles

Chaque tat peut se reprsenter via un vecteur x dimensions reprsentant les

Mmoire de fin dtudes

Le rseau peut apprendre et adapter son apprhension de l'vnement en

La dfinition de lactivation dun neurone : de multitude manires permettent de

Le comportementalisme, aussi appel bhaviorisme ou behaviorisme, est un approche

Lenvironnement qui stimule (que nous noterons S comme stimuli).

Lorganisme qui est stimul (que nous noterons I comme individu").

La raction de lindividu aux stimuli (que nous noterons R comme raction).

Mmoire de fin dtudes

On peut donc crire le schma suivant :

Mais avec lapproche du comportementalisme on va nier la ralit de lindividu et de son

Ici on obtient un conditionnement oprant qui, la diffrence dun conditionnement classique,