Vous êtes sur la page 1sur 40

Introduction à

l'intelligence artificielle

Jérôme Champavère

jerome.champavere @ lifl.fr
http://www.grappa.univ-lille3.fr/~champavere/?page=Enseignement
Contexte
● Des siècles de réflexion pour essayer de comprendre le
processus de la pensée des Homo Sapiens
● Ambitions de l'intelligence artificielle (IA) : comprendre des
entités intelligentes et en construire
● L'IA est une science récente (1956)
● Systématiser et automatiser des tâches intellectuelles
– Tâches d'ordre général : apprendre, percevoir, …
– Tâches spécifiques : jouer aux échecs, démontrer des théorèmes,
écrire des poèmes, établir un diagnostic, …
Un domaine très vaste
● Résolution de problèmes
● Connaissances et raisonnement
● Planification
● Environnement incertain
● Apprentissage
● Communication, perception et action
Définition(s) de l'intelligence artificielle
Définir l'intelligence artificielle
Première tentative
● Doter les machines de capacités leur permettant
d'effectuer des tâches ou des activités réputées
intelligentes
● Qu'est-ce qu'une tâche intelligente ?
– Classer des nombres entiers dans l'ordre croissant ?
– Résoudre des équations ?
● Les machines sont plus performantes que les
humains !
● Trop vague…
Définir l'intelligence artificielle
Autour de la notion d'intelligence
● L'intelligence, c'est « le propre de l'homme »
– Définition de l'IA par différenciation
– Dans ce cas, l'intelligence artificielle est
impossible !
● Mesurer l'intelligence avec un test de QI
● Quelle est votre définition de l'intelligence ?
● Examinons celles du dictionnaire…
Définir l'intelligence artificielle
Plusieurs dimensions
● Deux principales approches
– Définition faisant appel à la rationalité (logique)
– Déf. centrée sur l'homme (sciences cognitives)
Processus de la pensée et raisonnement

Systèmes qui pensent Systèmes qui pensent


Évaluation par comme les humains rationnellement Évaluation par
rapport aux rapport à un
performances concept idéal
humaines Systèmes qui agissent Systèmes qui agissent de l'intelligence :
comme les humains rationnellement la rationalité

Comportement
Penser comme les humains
Citations
● « La tentative nouvelle et passionnante
d'amener les ordinateurs à penser ; en faire
des machines dotées d'un esprit au sens le
plus littéral. » (Haugeland, 1985)
● « L'automatisation d'activités que nous
associons à la pensée humaine, des activités
telle que la prise de décision, la résolution de
problèmes, l'apprentissage… » (Bellman, 1978)
Penser comme les humains
● Comment fonctionne
l'esprit humain ?
– Introspection
– Expériences
psychologiques
● Sciences cognitives
● Courants de pensée
– Connexionnisme
– Cognitivisme
Électroencéphalographie (EEG)
© http://experiences.risc.cnrs.fr/
Agir comme les humains
Citations
● « L'art de créer des machines capables de
prendre en charge des fonctions exigeant de
l'intelligence quand elles sont réalisées par des
gens. » (Kurzweil, 1990)
● « L'étude des moyens à mettre en œuvre pour
faire en sorte que des ordinateurs
accomplissent des choses pour lesquelles il est
préférable de recourir à des personnes pour le
moment. » (Rich & Knight, 1991)
Agir comme les humains
● Test de Turing (1950)
– Proposition pour décider si une machine est intelligente
– Un juge expert communique par l'intermédiaire d'un terminal avec un humain
et une machine et doit les distinguer
– Prédiction : « Dans 50 ans, pas plus de 70% de chances après 5 minutes. »
● Fonctionnalités requises
– Traitement du langage naturel
– Représentation des connaissances
– Raisonnement automatisé
– Apprentissage
● Test complet
– Dispositif de vision informatique
– Capacités robotiques
Penser rationnellement
Citations
● « L'étude des facultés mentales grâce à des
modèles informatiques. » (McDermott, 1985)
● « L'étude des moyens informatiques qui
rendent possible la perception, les
raisonnement et l'action. » (Winston, 1992)
Penser rationnellement
● Les lois de la pensée
– « Socrate est un homme, tous les hommes sont
mortels, donc Socrate est mortel. » (Aristote)
– Formaliser les opérations de l'esprit
– Tradition logiciste de l'IA
● Limites de l'approche logique classique
– Comment gérer l'incertitude ?
– Complexité, explosion combinatoire
Agir rationnellement
Citations
● « L'intelligence computationnelle est l'étude de
la conception d'agents intelligents. » (Poole et
al. 1998)
● « L'IA étudie le comportement intelligent dans
des artéfacts. » (Nilsson, 1998)
Agir rationnellement
● Effectuer l'action qui maximise les chances de
succès étant donné un but à atteindre
● Englobe l'approche par les lois de la pensée
– Action décidée après un calcul rationnel
– Capacité à atteindre une meilleure solution en
environnement incertain
● Compatible avec le test de Turing
Agent rationnel
● Plus qu'un simple programme
– Opérer sous le contrôle d'une instance autonome
– Percevoir l'environnement
– Persister pendant une période prolongée
– S'adapter au changement
– Être capable de partager les objectifs d'un autre agent
● Rationalité parfaite inenvisageable en pratique
– Complexité des calculs
– Tenir compte des ressources disponibles (temps, espace)
Fondements de l'intelligence artificielle
Fondements de l'IA
● Philosophie
● Mathématiques
● Économie
● Neurosciences
● Psychologie et linguistique
● Ingénierie informatique
● Théorie du contrôle et cybernétique
Philosophie
● Peut-on utiliser des règles formelles pour tirer
des conclusions valides ?
● Quel rapport l'esprit entretient-il avec la nature
physique du cerveau ?
● D'où la connaissance provient-elle ?
● Comment la connaissance conduit-elle à
l'action ?
Mathématiques
● Quelles sont les règles formelles qui permettent
de tirer des conclusions valides ?
● Qu'est-ce qui peut être calculé ?
● Comment raisonne-t-on à partir d'informations
incertaines ?
Économie
● Comment prendre des décisions qui
maximisent les gains ?
● Comment faire quand les autres risquent de ne
pas coopérer ?
● Comment y parvenir alors que les gains sont
susceptibles d'être éloignés dans le futur ?
Neurosciences
● Comment le cerveau traite-t-il l'information ?
Psychologie et linguistique
● Comment les hommes et les animaux pensent
et agissent-ils ?
● Quels sont les rapports entre le langage et la
pensée ?
Ingénierie informatique
● Comment construire un ordinateur performant ?

Métier Jacquard (1801) Zuse Z3 (1941) IBM Roadrunner (2008)


Théorie du contrôle et cybernétique
● Comment faire en sorte que des artefacts
opèrent de façon autonome ?

Prothèse de jambe
avec intelligence
artificielle intégrée
Ossur Power-Knee®
Robot humanoïde Honda ASIMO (2001)
Histoire de l'intelligence artificielle
Quelques précurseurs
● Boole (1854), Les lois de la pensée
● Turing (1936), Théorie des nombres
calculables, suivie d'une application au
problème de la décision. C'est la fameuse
machine de Turing !
● Von Neumann (1945-1949) : architecture d'un
calculateur
● Shannon (1948) : théorie de l'information
Réseaux de neurones
McCulloch et Pitts (1943)
● Neurone formel :
modèle simplifié de
neurone biologique
● Réalisation de
fonctions logiques,
arithmétiques et
symboliques
complexes
● Apprentissage
(Hebb, 1949)
Cybernétique
Wiener (1948)
● Théorie mathématique de la rétroaction
● Application au traitement de l'information :
réception d'une info., prise de décision
● Tortues de Bristol (Grey Walter, 1950)

© Eric Long / Smithsonian Institution


Acte de naissance
Conférence de Dartmouth (été 1956)
● Séminaire de deux mois à Dartmouth (USA)
– Atelier de réflexion autour des « machines
pensantes »
– Une dizaine de chercheurs dont John McCarthy et
Marvin Minsky
● Objectif : tracer les frontières de la discipline
● Présentation de Logic Theorist par Newell et
Simon
Premières réalisations
(1952-1969)
● General Problem Solver (Newell et Simon, 1957)
● Geometry Theorem Prover (Gelertner, 1959)
● Programme qui apprend à jouer aux dames (Samuel, 1956)
● Langage de programmation Lisp (McCarthy, 1958)
● Micromondes
– ANALOGY (Evans, 1968)
– STUDENT (Bobrow, 1967)
– Monde des blocs
● Perceptrons (Rosenblatt, 1962)
● ELIZA (Weizenbaum, 1965) ANALOGY – A est à B ce que C est à ?
Tiré de The Computational Modeling of
Analogy-Making, Robert M. French,
Trends in Cognitive Sciences:6(2), 2002.
Premiers doutes
(1966-1973)
● « Dans les dix ans, un ordinateur sera
champion d'échecs et aura démontré un
théorème important. » (Simon, 1957)
● Passage à l'échelle
● Échec de la traduction automatique
● Échec des premiers algorithmes génétiques
● Limitations des réseaux de neurones
L'ère des systèmes experts
(1969-1979)
● Systèmes à base de connaissances
– Choix d'un domaine particulier
– Connaissances issues de l'expertise sous forme de
faits et de règles
– Moteur d'inférence (indépendant des
connaissances)
● Les pionniers
– DENDRAL (Buchanan et al., 1969)
– MYCIN (1972 ?)
Une industrie puis une science
(1980-…)
● Premier système expert commercial réussi :
Digital Equipment Corporation R1 (McDermott,
1982)
● « Hiver de l'IA » (1988-1993)
● Retour des réseaux de neurones (1986)
● Maturité scientifique
– Bases théoriques solides
– Expériences reproductibles
État de l'art
Réalisations récentes
● Remote Agent (NASA) : programme de planification
autonome embarqué (2000)
● Deep Blue : ordinateur d'IBM qui a battu le champion du
monde d'échecs Kasparov (1997)
● ALVINN : système de vision informatique à basé sur un
réseau de neurones entraîné pour piloter une voiture (Dean
Pomerleau, 1989-1992)
● HipNav : système d'assistance chirurgicale pour la pose de
prothèses de hanche (DiGioia et al., 1996)
● PROVERB : programme qui résout des problèmes de mots-
croisés mieux que la majorité des humains (Littman et al.,
1999)
Comparaison machines vs. humains
● Ce que les machines font mieux que la plupart des humains
– Jouer aux échecs, aux dames, à Othello, au Backgammon
– Faire des mots-croisés
– Prouver des théorèmes
– Trier le courrier
– Détecter des fraudes
– Planifier, organiser les vols par avion
● Ce que les machines ne savent pas (encore) faire
– Reconnaître une voix, un visage
– Comprendre une langue
– Composer de la musique, de l'art
– Naviguer de façon complètement autonome
– Avoir du bon sens : « Combien de jambes a un poisson ? »
Considérations philosophiques,
éthiques et morales
● « Science sans conscience n'est que ruine de l'âme. » (Rabelais)
● Deux courants de pensée philosophiques
– IA faible : les machines pourraient se comporter intelligemment
– IA forte : les machines auraient des esprits réels
● Risques potentiels liés au développement de l'IA
– Perdre son emploi au profit de l'automatisation
– Avoir trop (ou pas assez) de temps libre
– Perdre le sens de son unicité
– Perdre certains de ses droits à la vie privée
– L'utilisation des systèmes d'IA pourrait entraîner une perte de
responsabilité
– Le succès de l'IA pourrait signifier la fin de l'espèce humaine
Crédits illustrations
● Hexagramme cognitiviste : Karim N'Diaye (Wikimedia Commons)
● Turing Test : Bilby (Wikimedia Commons)
● Neurone : Looxix (Wikimedia Commons)
● Cat Thought Doodles : Migraine Chick (Flickr)
● Cat Playing with an Adder : Karl Bodmer (Wikimedia Commons)
● Métier Jacquard : David Monniaux (Wikimedia Commons)
● Z3 Deutsches Museum : Venusianer (Wikimedia Commons)
● Roadrunner Supercomputer : LeRoy N. Sanchez (Los Alamos
National Laboratory)
● Neurone artificiel : Chrislb (Wikimedia Commons)
● Neural Network : fdecomite (Flickr)