Académique Documents
Professionnel Documents
Culture Documents
2 Agents intelligents 2
2
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Dénition d'un agent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2.1 L'agent et son environnement . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.2 Dénition d'un agent intelligent . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.3 Dénition d'un agent rationnel . . . . . . . . . . . . . . . . . . . . . . . 4
2.2.4 La mesure de performance . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Environnement de la tâche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.1 Description PEAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3.2 Propriétés de l'environnement . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3.3 Le monde réel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 Structure d'agent . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4.1 Agent simple réexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4.2 Agent réexe avec état interne . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4.3 Agent basé sur le but . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4.4 Agent basé sur l'utilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4.5 Agent apprenant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1
Chapitre 2
Agents intelligents
2.1 Introduction
L'intelligence articielle, nous pouvons distinguer deux objectifs principaux : la compréhen-
sion de l'intelligence et création d'agents intelligents.
Commençons par la compréhension de l'intelligence, cette branche concerne principa-
lement les neuro-scientiques qui développe des modèles mathématiques du fonction-
nement du cerveau au niveau neuronal. Elle concerne aussi le domaine des sciences
cognitives et psychologie qui permet de comprendre le raisonnement humain, de prédire
la performance d'un humain à une tâche ex. : l'architecture ACT-R pour évaluer le
risque couru en parlant au téléphone lors de la conduite d'une voiture.
L'autre branche est la création d'agents intelligents pour prendre ou nous aider à prendre
des décisions, principalement l'agent doit avoir des capacités fondamentales comme : Per-
ception, Représentation des connaissances (modélisation), Raisonnement, Apprentissage,
Prise de décisions.
Dans ce cours nous nous intéressons à la création d'agents intelligents et précisément à
l'approche de l'agent rationnel qui présente deux avantages :
C'est une approche plus générale que la loi de la pensée car une inférence correcte n'est
qu'un mécanisme parmi d'autres pour atteindre un comportement rationnel.
C'est une approche plus adaptée à un développement scientique, car le standard du
rationnel est mathématiquement bien déni et généralisé.
2
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
f : P∗ → A
En pratique, ce processus est implémenté par un programme sur une architecture matérielle
spécique.
return action ;
Exemple : Aspirateur autonome Comme on peut le voir dans la gure suivante, l'aspira-
teur se trouve dans l'environnement suivant :
Deux pièces : A, B
Deux états : Sale, Propre
Mouvements de l'agent : Droite, Gauche
L'aspirateur peut nettoyer la pièce ou il est.
3 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
Remarque : La table a une taille illimitée car il faut dénir une limite de longueur des
séquences des percepts.
Remarque : Un agent rationnel ne veut pas dire que l'agent est omniscient. Un agent
omniscient connait le résultat de ses actions et peut agir en conséquence MAIS l'omniscience
est impossible en réalité.
La rationalité d'un agent est mesurée par sa mesure de performance Pour chaque séquence
de perception possible, un agent rationnel devra sélectionner une action qui doit maximiser
sa mesure de performance en prenant en compte la séquence de perception et la connaissance
acquise par l'agent. La rationalité dépend de quatre caractéristiques.
La mesure de performance est prise en :
Evaluant le comportement dans son environnement.
Comparant entre deux agents ( Perception, Prise de décision, Action).
La connaissance préalable de l'environnement par l'agent.
Les meilleures actions que l'agent peut eectuer.
La séquence de perception de l'agent à ce jour.
Une meilleure solution : Une meilleure option : Récompenser l'agent pour un plancher
propre.
Pour cela, on peut attribuer un point pour chaque carré propre à chaque intervalle de temps.
Peut-être avec une pénalité pour l'électricité consommée.
4 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
5 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
Connu VS Inconnu
Dans un environnement connu l'agent connait les lois qui régissent l'environnement.
Déterministe VS Indeterministe(Stochastique
Episodique VS Séquentiel
Statique VS Dynamique
Discret VS Continu
Mono-Agent VS Multi-Agents
6 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
7 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
rule := RULE - MATCH ( state , rules ) % Premiere regle de l ' ensemble des
regles qui correspond a l ' etat actuel .
return action
Exemple :
Agent : Conducteur de voiture autonome
Situation : Freinage du véhicule de devant
Règle Condition/Action :
Condition : les lumières de freinage du véhicule de devant se sont déclenchées.
Action : enclencher le freinage.
8 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
return action
9 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
10 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
Exemple : Si Utilité (ne pas tomber en panne) > Utilité (se recharger) Alors Ma batterie
est proche de zéro, je m'arrête et j'envoie un signal d'alarme
2.5 Conclusion
Un agent est un artefact (robot, logiciel. . .) qui perçoit et agit sur un environnement.
La mesure de performance évalue le succès du comportement de l'agent.
L'environnement de travail varie selon diérentes dimensions.
Le programme d'un agent implémente la fonction d'agent.
11 sur 12
Par : Dr S. Mechiouri Agents intelligent Année 2023/2024
4 Agents aux fonctionnalités croissantes, basées sur les : Reexes, les modèles, les buts,
et l'utilité.
Chaque agent peut être amélioré par l'apprentissage
12 sur 12