Moi

Chercheur au LIP6 dans l‘équipe LOFTI du thème APA du pôle IA

Logique floue, apprentissage automatique, extraction de connaissances

Maria.Rifqi@lip6.fr

webia.lip6.fr/~rifqi

IA et Extraction de Connaissances

Cours : 13 semaines Lundi 16h-18h

TD : 13 semaines 2 TD le Mercredi 15h40-18h45 (moi et Jean-

François Omhover)

Planning Logique

Apprentissage automatique

Arbres de décision / Extraction de connaissances

Règles d’association

Clustering

Réseaux de neurones

Raisonnement à partir de cas

Problèmes difficiles Comment interpréter les symptômes de mon patient ?

Ma voiture ne démarre pas, comment dois-je procéder ?

Est-ce le moment de vendre mes actions EuroTunnel ?

Une OPA contre la Société Générale peut-elle réussir ?

Dois-je protéger ma tour ou bien prendre son cavalier ?

À quelle heure dois-je me lever pour être en cours à 9h30 ?

Comment caser ces bagages dans le coffre de ma voiture ?

Puis-je encore optimiser mon emploi du temps ?

Est-ce que cet étudiant peut faire un bon D.E.A. ?

Puis-je écrire un résumé de 100 lignes de cet article ?

La traduction de ce poème est-elle bonne ?

Ils ont dit " ... the science of making machines do things

that would require intelligence if done by humans" - Marvin Minsky

"AI is the part of computer science concerned with designing intelligent computer systems" -E. Feigenbaum

Systems that can demonstrate human-like reasoning capability to enhance the quality of life and improve business competitiveness - Japan-Singapore AI Centre

Test de Turing

Juge Machine

Humain?

4 approches de l’IA

Système qui pense comme les hommes

Système qui pense rationnellement

Système qui agit comme les hommes

Système qui agit rationnellement

Agir comme un humain Le test de Turing (1950)

Traitement du langage naturel

Représentation des connaissances

Raisonnement automatique

Apprentissage automatique

Le test de Turing total Vision par ordinateur

Robotique

Charniak et Mc Dermott, 1985 : Etude des facultés mentales à l'aide de modèles informatiques.

Winston, 1982 : Étude de moyens informatiques qui permettent de percevoir, de raisonner et d'agir.

Turing

Penser comme un humain : la science cognitive

étude et analyse du comportement humain (approche top-down) : science cognitive

déduction à partir de données neurologiques (approche bottom-up) : neuroscience cognitive

Elles se sont différenciées de l'IA Haugeland, 1985 : Ensemble des efforts visant à

permettre aux ordinateurs de penser comme des humains.

Bellman, 1978 : Automatisation d'activités associées à la pensée humaine telles que la prise de décison, la résolution de problèmes, l'apprentissage, etc.

Penser rationnellement : les lois de la pensée

Ligne directe des mathématiques et de la philosophie à l'IA moderne.

Kurzweil, 1990 : L'art de créer des machines qui effectuent des fonctions requérant de l'intelligence lorsqu'elles sont réalisées par des humains.

Rich et Knight, 1991 : Etude portant sur la façon de réaliser des ordinateurs capables d'effectuer des opérations qui sont présentement les mieux réalisées par les humains.

Agir rationnellement : l’approche «agent rationnel »

Action correcte: celle qui est supposée optimiser l'objectif recherché, étant donné l'information disponible.

Schalkoff, 1990 : Champ d'étude dont les objectifs sont d'expliquer et d'imiter un comportement intelligent à l'aide de processus informatiques.

Luger et Stubblefield, 1993 : Domaine de l'informatique portant sur l'automatisation de comportements intelligents

Histoire de l’IA

Vue générale 1956 : Logic Theorist (Newell, Shaw, Simon) 1957 : General Problem Solver (GPS) 1960 : Langage Lisp (John Mc Carthy) 1968 : Premier Système Expert (DENDRAL) 1972 : Langage Prolog (Alain Colmerauer) 1980 : Langage Smalltalk (Xérox Laboratories) 1985 : Large diffusion des Systèmes Experts 1990 : Introduction de la pluridisciplinarité

1943-1956 : gestation de l’IA

1952-1969 : premiers enthousiasmes, grands espoirs

1966-1974 : réalisme

Pas de connaissances contenues dans les programmes

Problème d’échelle malgré la progression du CPU

1969-1979 : la clé du succès ?

Systèmes experts : DENDRAL (Buchanan et al., 1969) MYCIN (Feigenbaum et al., 1974)

1980-1988 : l’IA devient une industrie

R1

1981 : projet japonais de 5ème génération

L’IA aujourd’hui

Retour des réseaux de neurones

Les retombées de l'IA sont partout On les utilise au quotidien sans le savoir (pages

jaunes, jeux de réflexion sur ordinateur, ...)

Classiquement Vision IA

Exécute des instructions Raisonne sur les connaissances

Plus près du fonctionnement de la machine

Plus près du fonctionnement de l'être humain

Plus adapté aux traitements numériques

Plus adaptée aux traitements symboliques

Utilise beaucoup de calculs Utilise beaucoup d'inférences

Suit des algorithmes rigides et exhaustifs

Fait appel à des heuristiques et à des raisonnements incertains

N'est généralisable qu’à une classe de problèmes semblables

Est généralisable à des domaines différents

IA aujourd ’hui le constat Ambitions initiales abandonnées

on ne pense plus faire une IA à court terme

Les retombées de l’IA sont partout

objets, agents, méthodologies, représentation des connaissances

approches causales, qualitatives

fouille de données, fouille de texte

statistiques non linéaires (réseaux neuronaux)

programmation par contraintes

nouvelles méthodes d ’optimisation (évolution artificielle)

Vous les utilisez au quotidien sans le savoir

Validation de facturettes American Express

Compagnons Office

3611 pages jaunes,www.pagesjaunes.fr

Jeux de réflexion sur ordinateur

Téléphonie mobile etc..

IA aujourd ’hui le constat Apport de l ’IA:

« experience-based reasoning » - façon de penser, d ’aborder les problèmes Modélisation découverte de connaissances amélioration de méthodes et approches existantes statistiques et data mining

• RO• SIAD et CBR• GED, recherche d’informations et de connaissances• Interfaces• workflow et partage de connaissances• réalité virtuelle• ...

l ’IA est cachée presque partout, mais souvent trop bien cachée

Brevets en IA

Buchanan & Uthurusamy « AI Magazine » printemps 99

10ème Conférence annuelle « Innovative Applications of Artificial Intelligence »

25 applications par ans, banque, air-espace, télécommunications etc.

Nombre de brevets US utilisant les termes « Artificial Intelligence »

• 100 il y a 10 ans, 1700 en 1998 + 3900 « reliés »• 2200 classés dans le domaine « IA »• 3400 utilisent l ’IA dans un contexte plus large• Les plus récentes sont avec des techniques d ’apprentissage

Grands domaines de l'IA Reconnaissance et synthèse de la parole (ex: réservation d’hôtel)

Reconnaissance et synthèse d'images (ex. recherche d’info)

Reconnaissance de l'écriture (ex: reconnaissance chèques, codes postaux)

Langage naturel (ex: interfaces, text mining, Web Mining)

Planification (ex: Partage ressource satellite DigitalWpress ’s service PCAIApril2000)

Aide à la décision (ex: SE temps réels et autonome : contrôle de trajectoire du satellite Voyage)

Aide à la programmation (ex: agents d’interface)

Apprentissage / Adaptatif (ex: construction de systèmes experts, classification automatique de galaxies, contrôleurs de robots ...)

Jeux (ex: Echecs (DeeperBlue à 2600), Checkers (Champion), Othello (Champion), BackGammon (champion), GO (bon amateur).

Médecine : Aide à la décision (SE), prédiction de patients à risques, analyse automatique d’images médicales

La logique

Un formalisme de représentation des connaissances

Un mécanisme d’inférence : la déduction

central pour : PROLOG Systèmes à base de connaissances

Types de logique Logique propositionnelle :

une suite de symboles séparés par des connecteurs (conjonction, disjonction, négation)

Logique des prédicats ou du 1er ordre :

une suite de symboles, de variables et de relations avec des quantificateurs universels et existentiels.

Logique des propositions : une des théories les plus simples qui soient.

Son utilité est pourtant capitale dans des domaines divers

La logique des propositions étudie des énoncés qui sont soit vrais, soit faux.

Elle permet d'exprimer :

des faits sur le monde : les étudiants aiment la logique

des négations : les étudiants n'aiment pas la logique

des conjonctions : les étudiants aiment la logique et ils participent à des séminaires

des disjonctions : les étudiants participent à des séminaires ou les séminaires sont facultatitfs

des implications : si les étudiants n'aiment pas la logique, ils ne participent pas à des séminaires.

Une proposition est une phrase qui est soit vraie soit fausse.