Elaboré par Ahmed GHORBEL

Encadreur Amir HAJTAIEB

 L’IA est l’étude des idées qui permettent aux
robots d’être intelligents
 Apprendre aux robots à être plus intelligents
permettra sans doute d’apprendre à l’homme à
être plus intelligent

2
 Historique

 Robots

 Réseaux Neuroniques

 Qu’est ce qui nous attend dans l ´avenir?

3
 Naissance de l’IA

 Etapes du développements de l’IA

4
 Naissance de l’IA de l’IA n Turing 1936aza
Alan Turing 1936

Alan Turing :1936

•Un pont entre la mathématique et l’informatique

•L´ordinateur: La célèbre machine de Turing

5
 Début pendant la 2ème guerre mondiale
 décryptage  traduction

 Mise au point d’un traducteur automatique en 5

ans

 Comment représenter les connaissances ?

6
 Objectifs ambitieux
 Traduction automatique
 Jouer aux échecs et battre les grands maîtres

 Programmes
 LOGIC THEORIST 1956
 GPS (General Problem Solver)
 NSS (programme de jeu d’échec)

7
 Le temps des prophètes 1958-1965

 Les années sombres

 Les progrès dans les technologies

8
 Historique

 Robots

 Réseaux neuroniques

 Qu’est ce qu’on attend comme avenir

9
10
Dans la médecine

11
 Dans les armes

12
 Ressemblance avec l’homme

13
 Historique

 Robots

 Réseaux neuroniques

 Qu’est ce qui nous attend dans avenir?

14
 Définition:

Un réseau de neurones artificiels est

un modèle de calcul dont la conception est
très schématiquement inspirée du
fonctionnement des neurones biologiques.

15
 Historique :

 1950 Warren McCulloch et Walter Pitts

´What the frog’s eye tells to the frog’s brain´
 1969 Marvin Lee Minsky et Seymour Papert
Difficile de traiter des problèmes non linéaires
 1982, John Joseph Hopfield
Nouveau souffle aux réseaux neuronaux

16
 Ces réseaux ont été développés pour
résoudre des problèmes
o de contrôle
o de reconnaissance de formes ou de mots
o de décision
o de mémorisation

17
Apprentissage

 Mémorisation

 Généralité

18
Propriété:
 Les réseaux neuronaux sont universels et capables de
résoudre tous les problèmes
 Les réseaux de neurones se comportent plus d'une
façon adaptative que programmée
 Ils sont capables de fonctionner même en présence
d'une information partielle ou d'une information
brouillée
 Ils fonctionnent comme une machine de
classification qui extrait les traits caractéristiques des
objets présentés lors de l'apprentissage, pour
réorganiser sa connaissance.
19
 Applications
Ils sont couramment employés dans de
nombreuses machines :
 Système de reconnaissance de l’écriture
 Sur les bons de commande ou à la Sécurité
Sociale
 Radars et en Sonars (reconnaître les signaux,
les formes ou les sons)
 Estimation boursière
20
PRINCIPE DE
FONCTIONNEMENT

Sorties = f(entrées pondérées et des sorties précédentes)

Les pondérations sont données par le système à fur et à mesure de

l'apprentissage
21
Structure du réseau
Succession de couches:

Chaque couche (i) est composée de Ni neurones,

prenant leurs entrées sur les Ni-1 neurones de la
couche précédente

22
La force des connexions synaptiques à l'entrée du
neurone peut s'adapter, pour obtenir l'activité requise
au niveau de la synapse de sortie

23
24
25