Moi
Chercheur au LIP6 dans l‘équipe LOFTI du thème APA du pôle IA
Logique floue, apprentissage automatique, extraction de connaissances
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.