Upload
others
View
16
Download
0
Embed Size (px)
Citation preview
Domaine de l'IA-vf1
I/PI/P
I/PI/P
I/P
C*
I/P
I/P
I/P
I/P
I/P I/P
C*
I/P I/P
I/PI/P
I/P
I/P
C*
C*
R
I/P
I/P
I/P
I/P
I/P
Intelligence Artificielle
(domaine de l'IA)
en continuité avec l'essor de l'informatique et
sciences informatiques et cognitives
Systèmes d'intelligence
artificielle
Méthodes d'IA
Faire des études pour définir les objectifs, hypothèses et règles
Produire des systèmes d'IA et des applications
Programmes informatiques
Construire des logiciels
intelligents
grands objectifs
hypothèses de base
Régles méthodologique
connaissances
Informations
traiter les informations
agent intelligent
Applications IA
Intelligence humaine
Page 1
Systèmes d'intelligence artificielle
S
S
S
S
S
C*
S
I
S
S
S
S
S
S
C*
S
S
S
S
C*
SC
S
S
programmes de traduction automatique
robots dirigés par logiciel
pour effectuer diverses tâches Systèmes
d'intelligence artificielle
système SAP de gestion d'entreprise
système d'informatique
décisionnel
systèmes de prédiction
système de gestion de bases
de données
systèmes experts
systèmes d'appel
systèmes de conception
systèmes à base de connaissances
(SBC)
systèmes d'interprétation
systèmes de planification
système de recommandation
systèmes de représentation
systèmes de représentation
symbolique
systèmes de représentation des
connaissances
animat
système tutoriel
intelligenttuteur
intelligent
système multiagent
environnement multiagent
agent
données
Page 2
systèmes à base de connaissances (SBC)
C
I
S S
C*
SS
S
C
S
Base de connaissance
base de connaissances spécialisées
base des systèmes
experts
base de données
base de faits
base de règles
bases de données Oracle
mégadonnées (big data)
systèmes à base de connaissances
(SBC)
Moteurs d'inférence
Règles d'inférence
Page 3
systèmes experts
I
S
C
C
S
S
C
I I
programmes experts de jeux
systèmes experts d'aide à la prise
de décision
systèmes experts
systèmes de diagnostic
base de connaissances spécialisées
Moteurs d'inférence
Règles d'inférence
DENDRAL
SHRDLUMYCIN
Page 4
systèmes de représentation
S
Équivalence
S
Équivalence
S
S
S
S
S
I
I
SI
S
I
S S
S
S
C*
I
S
S
S
I
I
S
S
I
S
langage de programmation
systèmes de représentation
langage naturel
langage LISP
langage universel
Langage Web
langage de requête
SPARQL
langages de représentations
langage symbolique
langage musical
langage formel
logique propositionnelle
langage propositionnel
langage Java
OWL
RDF
RDFS
langage de représentation des
connaissances
langage de programmation
logique
systèmes de représentation
symbolique
systèmes de représentation des
connaissances
ontologie
représentation des connaissances
langage de programmation
orientée objet
langage PROLOG
langage FORTRAN
Page 5
hypothèses de base
S
R
R
S
S
S
S
R
S
RS
S
hypothèses de base
approche symbolique
de l'IA
cognitivisme
pensée computationnelle
approche multiagent
connexionnisme
approche animat
d'inspiration animale et des comportements
sociaux d'insectes
inspiré du fonctionnement
du cerveau
Inspiré du calcul et des
traitement des symboles
test de Turing
Chambre chinoise
Page 6
connaissances
S
Équivalence
S
SS
S
C
C*
S
C
S
C*
S
S
C
S
R
SS
S
S
C
connaissances
connaissances spécialisées
connaissances générales
connaissances en mémoire
Règles
connaissances factuelles
connaissances procédurales
connaissances conceptuelles
connaissances spécifique
connaissances d'un domaine
représentation des connaissances
permet d'utiliser les connaissances.
Principes
données
méthodes d'inférence
Croyances
Inférences
Évènements
heuristiques
méthodes heuristique
Page 7
données
C* * = volumineux
R
R
R
R
R
R
C*
S
S
analyse des mégadonnées
données d'apprentissage
exploration de données
mégadonnées (big data)
données
base de données
a pour technique de recherche
Algorithme
a pour technique de recherche
utilise des ensembles
Page 8
traiter les informations
I/P
S
I/P
S
S
S
S
S
SS
Informations
acquièrent des informations
traiter les informations
déduire des informations
rechercher des informations
mémoriser des informations
modifier des informations
fournir des informations
analyser des informations
connaissances
Page 9
Méthodes d'IA
S
ÉquivalenceS
S
S
S
C*
S
S
S
S
S
R
S
Méthodes d'IA
méthodes statistiques
d'analyse de données
méthodes de représentations
des connaissances
méthodes de résolution de problèmes et d'organisation
méthodes d'évaluation
des états
Règles méthodologiques
variées
méthodes de déduction
méthodes d'inférence
méthodes de redressement
méthodes heuristique
Mécanismes d'inférence
logiciel d'intelligence
artificielle
méthodes d'induction
Page 10
Règles méthodologiques variées
S
S
S
S
S
Utiliser des méthodes de déduction plutôt que des algorithmes de calcul; par
exemple , la fonction d'évaluation permettra au
programme de déduire quel est l'opérateur le plus prometteur à utiliser
Traiter des représentations
symboliques des situations plutôt que
des nombres
Généraliser pour des domaines
souvent très différents
Chercher à imiter les raisonnements humains
plutôt que d'utiliser uniquement la puissance
et la rapidité de l'ordinateur
utiliser des heuristiques ou
méthodes informelles plutôt que des
algorithmes rigides
Règles méthodologiques
variées
Page 11
agent intelligent
R
R
RR
S
S
RS
S
S
SS
R
S
S
S
C*
agent intelligent
assistant virtuel
assistant vocal
personnel
synthétiseur de la parole
synthétiseur texte-parole
voix de synthèse
réseaux de neurones
artificiels (RNA)
coefficient synaptique
connexion synaptique
qualifiée par un coefficient
connexionnisme
basé sur l'approche
agent autonome
agent
agent cognitif
agent réactif
environnementinteragit avec
l'environnement
Page 12
environnement
S
S
S
micromonde
simulation
environnement
environnement multiagent
Page 13
réseaux de neurones artificiels (RNA)
S
Équivalence
S
S
C*
S
S
S
S
C*
S
S
S
S
S
S SS
S
S
S
C*
S
perceptron multicouche
réseau de neurones
profond
réseaux de neurones
Réseaux de Kohonen SOM (Self-Organising Map)
réseaux de Kohonen
réseau de neurones à
propagation avant
réseaux non bouclés
neurone artificiel
couche de neurones
perceptron monocouche
réseaux à compétitions
Réseaux de neurones récurrents
réseaux de Hopfield
réseaux multicouche (MLP: Multi-layer
Percepton )
réseaux convolutifs
réseau supervisé
réseaux de neurones
artificiels (RNA)
perceptron
Page 14
neurone artificiel
C
CI/P
R R
I/P
S
RS
C
I/P
fonction d'activation
signal d'entrée
seuil d'activation
Neurone formel
neurones intermédiaires
biais
Calculer la fonction
d'activation
signal de sortie
neurone artificiel
rétropropagation d'erreurs
coefficient synaptique
permet d'ajuster
Page 15
couche de neurones
SS
S
S
S S
S
S
S
S
couche de neurones
couche décisionnelle
couches de convolution
couche de perte (LOSS )
couche intermédiaire
couche de champs pooling
couche cachée
couche de champ réceptif
couche de sortie
couche totalement connectée (FC , Full Connected)
couche d'entrée
Page 16
Applications IA
S
S
équivalent
S
C
S
S
S
S
S
S
S
S
R
S
S
S
R
S
S
S
S
S
S
S
C
S
S
S
Applications IA
interaction personne-robot
reconnaissance de l'écriture manuscrite
reconnaissance de la parole
reconnaissance d'images
reconnaissance des formes
synthèse de la parole
synthèse texte-parole
reconnaissance optique de caractères
test de Turing
traitement automatique des langues
vision par ordinateur
apprentissage
interaction personne-machine
reconnaissance de l'écriture manuscrite
assistant virtuel
assistant vocal personnel
Vision artificielle
Vision numérique
Robotique
utilise
interaction personne-robot
Chambre chinoise
Agent conversationnel
Page 17
apprentissage
S
S
S
S
S
S
S
apprentissage
apprentissage non supervisé
surapprentissage
apprentissage automatique
apprentissage par renforcement
Apprentissage non supervisé SOM
(Self-Organising Map)
apprentissage supervisé
apprentissage profond
(deep-learning)
Page 18
Programmes informatiques
S
Équivalence
C*
1 ou plusieurs
S
Équivalence
C*
C
S
S
S
SS
S
C*
S
S
S
S
Programmes informatiques
programmes de traduction automatique
Programmes d'ordinateur
Programmes d'IA
programmes d'analyse
automatique de texte
programmes en planification
programmes en robotique
langage de programmation
logique
langage de programmation
Algorithme
Fonction
Moteurs d'inférence
Règles d'inférence
langage de programmation
orientée objet
raisonnement
Page 19
Algorithme
S
S
S S
S
S
C*
S
R
S
S
S
séquence binaire
séquence mutante
Plus performante
algorithme de gradiant
stochastique
Algorithme génétique
algorithme d'apprentissage
Algorithme d'optimisation
algorithme adaptatif
Algorithme
séquence croisée
algorithme de gradiant
Séquence
algorithme prédictif
Page 20
Fonction
SS
S S
S
SS
SS
fonction adaption (fitness)
Fonction
fonctions spécifiques
fonction d'utilité
fonction de voisinage
fonction de codage
fonction d'agglomération
fonction de type
sigmoïde
fonctions logiques
fonction d'activation
Page 21
raisonnement
S
S S
raisonnement
raisonnement abductif
raisonnement déductif
raisonnement inductif
Page 22
Intelligence humaine
S
Équivalence
S
S
S
R R
facultés intellectuelles
Intelligence naturelle
Intelligence humaine
Intelligence animale
facultés mentales
est mesurée par
Page 23
Intelligence Artificielle (domaine de l'IA)
S R
R
S S
R
Intelligence Artificielle
(domaine de l'IA)
intelligence artificielle faible
intelligence artificielle forte
intelligence artificielle distribuée
Vision philosophique
Régit par l'approche multiagents
Page 24
Table des matières
Domaine de l'IA-vf1..................................................................................................................................................................................1
Systèmes d'intelligence artificielle.........................................................................................................................................................2
systèmes à base de connaissances (SBC)........................................................................................................................................3
systèmes experts...............................................................................................................................................................................4
systèmes de représentation...............................................................................................................................................................5
hypothèses de base..............................................................................................................................................................................6
connaissances......................................................................................................................................................................................7
données.............................................................................................................................................................................................8
traiter les informations...........................................................................................................................................................................9
Méthodes d'IA.....................................................................................................................................................................................10
Règles méthodologiques variées.....................................................................................................................................................11
agent intelligent...................................................................................................................................................................................12
environnement.................................................................................................................................................................................13
réseaux de neurones artificiels (RNA).............................................................................................................................................14
neurone artificiel............................................................................................................................................................................15
couche de neurones......................................................................................................................................................................16
Applications IA....................................................................................................................................................................................17
apprentissage...................................................................................................................................................................................18
Programmes informatiques.................................................................................................................................................................19
Algorithme........................................................................................................................................................................................20
Fonction...........................................................................................................................................................................................21
raisonnement...................................................................................................................................................................................22
Intelligence humaine...........................................................................................................................................................................23
Intelligence Artificielle (domaine de l'IA).............................................................................................................................................24