cours d intelligence artificielle l1 unikin_uc 2009 2010 corrige

Upload: lux-tl

Post on 11-Oct-2015

166 views

Category:

Documents


6 download

TRANSCRIPT

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    1 1

    COURS DINTELLIGENCE ARTIFICIELLE

    A Lusage des tudiants de PREMIERE LICENCE EN SCIENCES INFORMATIQUES

    Par Prof. Docteur KASORO MULENDA NATHANAEL

    e-mail : [email protected] UNIVERSITE DE KINSHASA

    FACULTE DES SCIENCES / DEP. DE MATH & INFORMATIQDUE

    OBJECTIFS DU COURS

    - Prsenter la gense de lIntelligence Artificielle et des systmes intelligents - Dfinir le concept Intelligence Artificielle - Etablir les ressemblances et les dissemblances entre les systmes classiques et ceux issus de

    lIntelligence Artificielle - Prsenter les principaux domaines dapplication de lIntelligence Artificielle - Introduire la notion de lIntelligence Artificielle Distribu et prsenter ses domaines

    dapplications - Dcrire larchitecture des systmes issus de lIntelligence Artificielle et discuter les diffrents

    modules - Expliquer la transition des bases de donnes vers les bases de connaissances

    Le but de ce cours est de vous faire apprhender les techniques utilises pour rsoudre des problmes lis l'analyse, au traitement et l'apprentissage de connaissances. Cette problmatique s'inscrit dans le cadre gnral des sciences cognitives, dont le souci est l'tude de l'intelligence. Ces disciplines regroupent des domaines aussi varis que la philosophie, la psychologie, la biologie ainsi que des sciences pour l'ingnieur telles que l'informatique et la robotique. Depuis les premiers ordinateurs, il y a en effet eu une interaction forte entre les sciences qui essayaient de comprendre le fonctionnement de l'intelligence, et celles qui tchaient d'en reproduire le fonctionnement.

    PRE REQUIS

    - Notions sur les bases de donnes - Notions sur les langages de programmation - Notions sur la logique et la logique mathmatique

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    2 2

    MODES DINTERVENTION

    Le cours sera donn sous forme thorique : exposs du professeur, sous forme dexercices surtout sur la conception des bases de connaissances et sous forme de sminaires.

    MODES DEVALUATION

    Le cours sera valu de la manire suivante :

    - Sous forme de travaux raliss pendant lanne (Prsence aux cours, aux T.P.) - Sous forme dexposs (Par groupe dtudiants, les tudiants choisissent un thme, le

    dveloppent et lexposent avant les examens) - Sous forme dinterrogation et dexamen oral et / ou crit

    CONTENU

    INTRODUCTION

    CHAPITRE I : GENERALITES SUR LINTELLIGENCE ARTIFICIELLE CHAPITRE II : DOMAINES DE LINTELLIGENCE ARTIFICIELLE CHAPITRE III : PRINCIPES DE BASE DE LINTELLIGENCE ARTIFICIELLE CHAPITEE IV : DES BASES DE DONNEES VERS LES BASES DE CONNAISSANCES CHAPITRE V : LA ROBOTIQUE CHAPITRE VI : LES RESEAUX DE NEURONES CHAPITRE VII : LINTELLIGENCE ARTIFICIELLE DISTRIBUEE CHAPITRE VIII : LES LANGAGES DINTELLIGENCE ARTIFICIELLE

    REFERENCES

    I. OUVRAGES

    1. Gallaire H., Minker J., Nicolas J.M., Logic and Databases, a deductive approach , Maison ACM Computing Surveys, Juin 1984, p. 153 155

    2. Jack Challoner, L Intelligence Artificielle, un guide dinitiation au future de lInformatique et de la Robotique, DK Focus Science, 2002

    3. Ernst C., Les Systmes Experts en Gestion , Masson, Paris 4. Karkan J. M. et all, Systmes Experts, Masson, Paris 5. Abel Jacques, Contribution llaboration dune mthode de dveloppement pour les

    Systmes Experts, thse de doctorat 6. Franoise Folgeman, Soulie Sligos, Introduction aux Rseaux de Neurones , Yaound,

    1995

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    3 3

    7. Madou N., Un Shell pour la construction dun Systme Expert dans un environnement Objet, Tizi Ouzou, Algrie

    8. Jack Challoner, LIntelligence Artificielle : Un guide dinitiation au futur de linformatique et de la robotique , Edition Franaise, France, 2003.

    9. Claire REMY, Lintelligence artificielle , Dunod, Paris, 1994. 10. Jean Marc ALLIOT, Thomas SCHIEX, Intelligence artificielle et Informatique

    thorique , CEPADUES-EDITIONS, in Collection Intelligence Artificielle, TOULOUSE, France.

    II. COURS, REVUE, ACTES, JOURNEES

    1. Des Bases de donnes vers les Bases de connaissances, 3ime Journes francophones sur lInformatique, Grenoble, janvier 1984, P. 3 14.

    2. Revues Recherche Spciale sur lIntelligence Artificielle 3. Kasoro N., Etude comparative entre les systmes informatiques classiques et les systmes

    issus de lIntelligence Artificielle 4. Luhandjula M.K., Cours dIntelligence Artificielle , 1997 1998 5. Mbuyi M., Kasoro N., Cours dIntelligence Artificielle , Cycle dInformatique Applique,

    Unikin, Dpt de Math Informatique, 2000 2001 6. Kasoro N., Cours dIntelligence Artificielle , ULK 15 ime rue Limete, 2002 2003 7. Touzet C., Les Rseaux de Neurones Artificiels , juillet 1992

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    4 4

    INTRODUCTION

    Intelligence Artificielle. Que na-t-on imagin, rv, partir de lassociation de ces deux termes ? La possibilit pour lhomme de crer un tre son image, de fabriquer des machines qui pourrait penser, raisonner, comprendre, apprendre, dcider, voire rire ou aimer notre place. Bref, reproduire les fonctions intelligentes de lhomme, certaines fonctions biologiques. Lintelligence Artificielle devait tout rgler : plus besoin de programmer, les systmes allaient fonctionner pratiquement tout seuls, sans jamais se tromper. Les statues vivantes ou parlantes de lAntiquit et les automates des sicles passs reprenaient consistance, et lon voyait se profiler lombre de Hal, lordinateur tout-puissant dcrit par Arthur Clarke dans 2001 lOdysse de lespace.

    Aprs plus de 30 ans de recherches et peu d'applications significatives, l'Intelligence Artificielle est devenue un des thmes porteurs de l'informatique. De nombreux industriels manifestent leur intrt IBM avec CLP(#MATH199#), Bull/Siemens/ICL avec CHIP, des entreprises spcialises se sont cres (Delphia Grenoble, Prologia Marseille, Cosytec Orsay, BIM en Belgique ...). Devant cet tat de faits, les ractions vont du scepticisme l'merveillement le plus complet.

    Cette dnomination faisant appel au terme Intelligence , notion elle-mme relative et difficile dfinir, est souvent controverse ; certains lui prfrent celle de Systmes Base de Connaissances , voire le terme d Informatique avance . Si les grands programmes dIA sont rares, de nombreux systmes sont intgrs des applications complexes, dont les utilisateurs se servent sans mme le savoir. En fait, lIA nest quune technique informatique parmi tant dautres. Or lvolution actuelle de linformatique nest pas de faire des ordinateurs de plus en plus puissants, mais bien plutt de les rendre, sinon plus intelligents, du moins plus conviviaux . Cest ainsi que lIA investit peu peu tous les domaines dactivit, de la gestion la productique, en passant par les applications financires ( analyse et diagnostic), le contrle de processus industriel ( impliquant la vision, le traitement du signal et la robotique), la bureautique ( traitement, analyse ou comportement automatique de documents par systme expert, gestion automatique de messagerie et dagendas), ladministration ( contrle dorganismes comme la scurit sociale, aide lapplication de rglements), les rseaux (routage), le gnie logiciel et laide lexploitation informatique. Cest grce lIA que nous pouvons interroger efficacement le minitel, que les trains arrivent lheure, que les industriels peuvent conomiser lnergie en rgularisant les processus, que des dfauts sont diagnostiqus et rapidement rpars sur des machines complexes, que des chanes de fabrication peuvent fonctionner sans intervention humaine, que les pilotes davion sont capables de faire face aux situations les plus complexes, que la recherche scientifique ( physique des particules, gntique, biochimie.) peut avancer grands pas.

    Ainsi, plutt que dessayer de reproduire lintelligence humaine, lIA a pour objectif dapporter des rponses, soit lorsque les besoins de lutilisateur nont pas trouv de solution dans le cadre de linformatique classique, soit quand ces besoins ont t gnrs par cette informatique elle-mme. Le premier cas se prsente lorsquil sagit de rsoudre des problmes particulirement difficiles ou complexes dans un domaine bien dlimit (systmes experts) ou des problmes assez simples, mais dans un domaine mal formalis (traitement du langage naturel ou reconnaissance de

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    5 5

    formes, par exemple). Le deuxime cas exige la ralisation dinterfaces homme-machine simple, naturelles et conviviales, alors que les machines sont de plus en plus difficiles.

    Ce sont surtout les rapports homme-machine qui sont appels changer dans les prochaines annes, prcisment grce lIA. Linterface entre lhomme et la machine se situe essentiellement au niveau du clavier et de lcran, bien que dautres priphriques, comme la souris, le crayon lectronique ou le cadre tactile, soient de plus en plus souvent utiliss. Lun des objectifs de lIA est d humaniser la machine : permettre lhomme de dialoguer avec un ordinateur comme avec son semblable. Cela implique un certain nombre de caractristiques de la part de la machine : possibilit de sadapter diverses modalits de dialogue ( oral, crit, en diffrentes langues), capacit dacquisition de connaissances, de reconnaissance de linterlocuteur ou de lenvironnement, dexplication, dinterprtationCes aptitudes mettent en jeu un grand nombre de techniques dIA : traitement du langage naturel, crit ou oral, reconnaissance de formes, apprentissage, auto-adaptation, ainsi que lanalyse de situations, dimages, de problmes. Elles constituent lun des grands dfis de linformatique du futur.

    Actuellement les ordinateurs se prsentent sous plusieurs formes. Certains peuvent crire sous la dicte ou corriger des fautes, dautres sont des joueurs dchecs et peuvent battre les plus grands matres. Les robots sont contrls par des ordinateurs autonomes, se dplacent sur dautres plantes grce un minimum dinformations fournies par des ingnieurs depuis la terre. Les tches autrefois excutes par lhomme sont actuellement excutes par des machines. Cela signifie que ces machines sont intelligentes ? Les ordinateurs pourront ils tre conscients de ce quils font ? Existera t il de vrais cerveaux lectroniques, avec une volont propre, des motions ou un sens moral ? Quelle pourra tre lutilit de tels ordinateurs et quelles menaces reprsentent ils ? LIntelligence Artificielle est une science qui essaie de traiter toutes ces questions.

    L'objectif de l'Intelligence Artificielle est double : le premier concerne l'analyse thorique et pratique des processus cognitifs ; le second s'intresse la ralisation (``hard'' et ``soft'') d'artfacts intelligents. LIntelligence Artificielle se place parmi les sciences ``sociales'' (psychologie, linguistique, philosophie), ``naturelles'' (neurobiologie, physiologie), et a une approche oscillant entre une mthode rigoureuse et un bricolage effrn.

    Dj le terme ``Intelligence Artificielle'' est assez flou, puisque si l'artificiel a t conu par la main de l'homme (ou d'une, voire plusieurs, machine(s) conue(s) par ...) par opposition au naturel ; la notion d'intelligence est quant elle difficile prciser : un plombier est-il plus ou moins ``intelligent'' qu'un mathmaticien ?

    Les tudes psychologiques ont dmontr que cette appellation (non contrle) recouvre de nombreuses capacits trs diffrentes:

    a. pouvoir d'abstraction,

    b. rsolution de problmes,

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    6 6

    c. adaptation (rapide) un nouvel environnement,

    d. culture gnrale,

    e. raisonnement, crativit ....

    De plus, une fois connus les mcanismes permettant d'accomplir une tche, l'homme a tendance en nier la qualit d'intelligence.

    En rsum, lIntelligence Artificielle peut tre vue comme ``l'utilisation de l'ordinateur comme moyen de simulation des processus naturels ou comme support des capacits ordinairement attribues l'intelligence humaine''. L'objectif est donc vaste puisqu'il englobe aussi bien la capacit qu'aurait une machine jouer aux checs, traduire un texte, ou dcouvrir, sur une photo la prsence de Monsieur Untel. Son but est d'analyser les comportements humains dans les domaines de la comprhension, de la perception, de la rsolution de problmes afin de les reproduire sur machine.

    Parmi les raisons qui ont milit pour la cration de lIntelligence Artificielle, nous pouvons citer :

    - Le dsir dune technologie plus conviviale - Le besoin dune automatisation plus complte a fin que des robots intelligents puissent

    remplacer les hommes pour des tches rptitives ou dangereuses, danalyser intelligemment beaucoup dinformations et damliorer les loisirs, pour que les jeux lectroniques paraissent plus rels.

    Le prsent texte n'est qu'un brouillon nullement exempt de fautes tant syntaxiques que grammaticales. Les opinions avances n'engagent que moi. Ceci est la version 4 de ces notes de cours. Certaines parties sont en cours de rdaction, parfois ne transparaissent que les grandes lignes (dans certains cas rduites la tte de chapitre), les lments complmentaires seront donns en cours.

    Ces notes sont, comme l'tat de l'art qu'elles dcrivent, provisoires. Toutes amliorations, critiques, commentaires seront les bienvenus. Ce cours sadresse principalement aux tudiants en informatique et tous ceux qui veulent sinitier lintelligence artificielle, et ceux qui en connaissent dj les principes et cherchent, par exemple, approfondir leurs connaissances ou envisagent dappliquer certaines techniques un problme particulier. L'objectif avou pour les tudiants est de les sensibiliser cette nouvelle approche et leur donner envie d'approfondir les sujets brlants.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    7 7

    CHAPITRE I : GENERALITES SUR LINTELLIGENCE ARTIFICIELLE

    I.1.GENESE DE LINTELLIGENCE ARTIFICIELLE

    1. Histoire ancienne

    Lhistoire de lintelligence artificielle ou des machines intelligentes remonte bien plus loin dans le temps. Dj dans lantiquit, apparaissent des artefacts dtres vivants : En Egypte ancienne, cest un automate qui dsignait, parmi les nombreux descendants du pharaon, celui qui va lui succder aprs sa mort. En Grce, Homre imaginait, avec son Hphatos, un androde, conu pour servir dchanson dans lOlympe. Le chant de lIlliade est lune des premires mentions dune activit relevant de lIntelligence Artificielle. Si lon croit la lgende, le dieu de feu appel Hphaitos avait construit des tables trois pieds munis de roulettes et qui pouvaient faire des va et vient toutes seules dans le palais du dieu. Cette table est en fait lanctre du Robot trois roues invent par lInstitut de Recherche Stanford des Etats Unis. Ce mme dieu avait galement fabriqu des femmes en or pour sen servir. Elles taient doues de raison et capables de parler et de travailler. Elles taient si parfaites quelles pouvaient tre prise pour des femmes relles.

    La lgende de Pygmailon relate que le sculpteur chypriote, tomb amoureux dune statue, parvint, avec laide de la desse Aphrodite, la rendre vivante. Philon dAlexandrie met en pratique les dcouvertes dArchimde pour construire des automates pondraux. Hron dAlexandrie tudie les lois dquilibre partir dautomates.

    Au Moyen Age, lautomate se trouve la charnire entre science, lgende et alchimie. A lpoque des cathdrales, des horloges astronomiques et des grands mystiques, les pas du Golem dans la tradition juive, ce gant dargile dot dune me par la magie du signe cabalistique grav sur son front, rsonnent dans les rues crpusculaires du vieux PragueA la Renaissance, le rationalisme reprend le dessus : les croquis de Lonard de Vinci, o est tudie la composition des mouvements, sont parfaitement comprhensibles par un esprit cartsien. Cest aussi au 16e sicle que lon enregistre les premires tentatives de modlisation du corps humain par la mdecine.

    Au 17e sicle, Descartes imagine un homme machine , sorte dautomate bas sur un comportement algorithmique. Les joueurs de flte et de tambourin, construits par Jacques Vaucanson au 18e sicle, reproduisent prcisment les mouvements de musiciens humains, mais ils ne font quappliquer les lois de la mcanique, qui sera dcouverte et analyse un sicle plus tard. Mozart lui-mme avait imagin un automate pour composer des mlodies : sur une table spciale, connue sous le nom de Musikalische Wrfelspiel, on pouvait jouer aux ds les mesures successives dune partition. Certains automates auraient t capables de parler ou de participer des jeux de rflexion ; cependant, derrire la machine se cachait sans doute un homme charg de lactionner et de lui communiquer son intelligence.

    Par ailleurs, les lois de la pense sont formalises trs tt, avec la logique, dont on peut faire remonter lorigine Aristote au 4e sicle avant J.C. Cette discipline na va voluer rellement qu partir de Descartes (1596-1650), Leibniz (1646-1716) et Pascal (1623-1662). En tant quinventaire de la machine calculer, ce dernier peut mme tre considr comme le pre de linformatique. Au 19e sicle, Boole (1815-1864) nonce les rgles du calcul binaire, qui seront la

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    8 8

    base du fonctionnement des ordinateurs. Charles Babbage (1792-1871) concrtise lide de Pascal en posant les principes de fonctionnement de la machine calculer : la machine analytique . Ce nest quau 20e sicle, avec John Von Neumann (1903-1957), que se fera le passage de la machine calculer lordinateur (1943), grce au principe de la programmation des machines (1946). Neumann dveloppera dailleurs lanalogie entre lordinateur et le cerveau dans ses ouvrages, ses cours et confrences. Les recherches en psychologie, qui commencent au 19e sicle, constituent un autre axe. Cest de la convergence entre ces diffrentes approches que va natre lIntelligence Artificielle.

    LIntelligence Artificielle entra dans lhistoire avec lapparition des premiers ordinateurs et fit ses premiers pas dans le domaine des jeux et de la dmonstration des thormes. Le rve de lhumanit ctait de faire raliser par une machine les tches qui jusque l taient rserves lhomme . Par exemple jouer aux checs, traduire un texte, dcouvrir que sur une photo il y a monsieur un tel sur sa bicyclette devant un jardin, etc. LIntelligence Artificielle se donnait aussi comme objectif danalyser les comportements humains dans les domaines de la comprhension, de la perception, de la rsolution des problmes, afin de pouvoir ensuite les reproduire laide dune machine.

    En 1950, apparurent les tortues de Grey Walter, puis le renard dAlbert Ducrocq qui tait capable de dtecter la lumire. Ce fut Ducrosq qui fut le premier proclamer lre des robots.

    Pour viter que cette intelligence ne devienne dominatrice, Issac Assimov mis au point les trois clbres lois de la robotique suivantes :

    - Un robot ne peut faire du tord un tre humain - Un robot doit obir un tre humain tant que cela ne contredit pas la loi prcdente, - Un robot doit se maintenir en vie tant que cela ne contredit pas les deux lois prcdente.

    2. La naissance de LIntelligence Artificielle

    Ds les dbuts de lordinateur, celui-ci est pressenti pour reproduire lintelligence. En tmoigne la dnomination cerveau lectronique qui lui est alors attribu. Des recherches sont menes vers 1950 cette fin. Deux tendances se sont opposes jusqu la fin des annes soixante : les systmes adaptatifs (connus sous le nom de rseaux neuromimtiques ou systmes connexionnistes), drivs de la cyberntique, dont lun des plus fameux a t le perceptron, conu par Franck Rosenblatt au Cornell Aeronautical Laboratory, et les systmes experts, prconiss par Marvin Minsky et Seymour Papert, du Massachusetts Institute of Technology (MIT). Les premiers sont une tentative de modlisation des tres vivants, drivs des travaux des cybernticiens, notamment Norbert Wiener, dans les annes quarante. Les seconds consistent muler par un programme dordinateur des comportements intelligents ; cest lapproche symbolique ou base de connaissances, dont on peut faire remonter lorigine au mathmaticien Alan Turing en 1950. Cette dernire approche a fini par supplanter la premire dans les annes soixante, en raison des progrs technologiques des ordinateurs et des performances des logiciels. Durant cette clipse quasi-totale de lapproche adaptative, les systmes experts ont connu un dveloppement considrable, notamment au cours des annes quatre-vingt.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    9 9

    3. Les premires applications

    La premire application envisage en IA fut la recherche de techniques gnrales de rsolution de problmes, indpendantes du domaine considr : General Problem Solver. A la mme poque, Newell et Simon dveloppement un dmonstrateur de thormes en logique, Logic Theorist, et un programme dchecs. Le premier langage pour lIA nat aussi dans ces annes l. Les recherches se sont ensuite focalises dans le domaine du traitement du langage naturel et les premiers programmes de traduction automatique virent le jour, mais les rsultats ne sont gure concluants. Lambition des chercheurs se limita dsormais des problmes plus restreints et assez bien dfinis ; ils tudient notamment les mcanismes mis en jeu par un expert humain pour rsoudre un problme rel dans un domaine dactivit bien prcis. Le premier projet en la matire fut Dendral, lanctre des systmes experts, lanc en 1965 par E.Feigenbaum luniversit Stanford ( Californie, Etats-Unis). Il avait pour objectif daider le chimiste trouver la structure dun compos organique partir de la donne de son spectrogramme de masse et de sa formule chimique. Constatant lnormit et la complexit du programme obtenu par les techniques de programmation classique, Feigenbaum et ses collgues ont eu lide de sparer explicitement les connaissances spcifiques du domaine et les mcanismes dinterprtation. De cette sparation est ne la structure de base des systmes experts. Et la mthode a ensuite t affine avec Mycin, Systme de diagnostic des maladies du sang, dvelopp par Shortliffe luniversit de Stanford en 1976, puis Prospector , toujours Stanford en 1979, destin des applications de gologie.

    Depuis les annes quatre-vingt, avec les progrs de la modlisation mathmatique de structures inspires de la biologie, la seconde approche connat un regain et les rseaux neuromimtiques remplacent, dans certains cas, ou compltent lapproche symbolique.

    4. Les six gnrations de linformatique

    On distingue diffrentes gnrations de linformatique comme dans dautres domaines techniques. Le passage dune gnration lautre est marqu par un saut technologique important. En matire de logiciel, les gnrations sont caractrises par le niveau dvolution des langues. Cette volution est plus ou moins chronologique, du moins pour les trois premires gnrations. Aujourdhui coexistent la troisime, la quatrime et la cinquime gnrations.

    4.1. La Gnration zro

    Cest le dbut de linformatique. La notion de logiciel est encore inexistante. La programmation des ordinateurs se fait manuellement, sur le matriel, en connectant les composants lectroniques qui doivent tre mis en jeu, grce des fiches disposes sur un panneau larrire de la machine, linstar des centraux tlphoniques.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    10 10

    4.2. La premire Gnration Elle est marque par lapparition du logiciel, mais celui-ci se prsente sous forme numrique (binaire) ; cest le code machine, qui est directement compris dans lordinateur. 4.3. La deuxime Gnration Elle est encore trs proche et est marque par lapparition du langage dassemblage (assembleur). Cest un langage de programmation dans lequel les commandes du code machine ont des noms qui suggrent leurs usages. Un programme en assembleur doit tre traduit en code machine avant de pouvoir tre excut par lordinateur. 4.4. La troisime Gnration Cest la gnration partir de laquelle les langages informatiques se dmaquent de la machine pour se rapprocher de la langue naturelle (gnralement langlais). Cest le cas de la plupart des langages utiliss actuellement : le Cobol, Fortran, Basic, Pascal, C Ces langages prsentent lavantage dtre relativement indpendants de la machine sur laquelle ils tournent. 4.5. La quatrime Gnration Cest la gnration des langages communment appels L4G. Ces langages sadressent aux non-informaticiens qui souhaitent dvelopper eux-mmes leurs applications. Ce sont des langages dclaratifs et non des langages procduraux, c'est--dire quils dcrivent ce quils dcrivent ce qui est faire, et non les dtails de la procdure. 4.6. La cinquime Gnration Cette gnration marque lapparition de lIntelligence Artificielle. Les langages de cette gnration sont donc ceux de lIA, c'est--dire Lisp et Prolog. On peut y ajouter les langages orients objets. Ce sont des langages structurs, qui se prtent au traitement symbolique. 4.7. La sixime gnration Cest une gnration de linformatique entame au Japon, aprs avoir annonc dans les annes 80 un programme de cinquime gnration associant traitement symbolique et paralllisme. Il ne sagit plus dans cette gnration l de langage, ni de logiciel, mais plutt dassocier des informations de types divers (multimdia) et connaissances des architectures de machines spcifiques (paralllisme massif, connexionnisme.).

    Plusieurs disciplines ont contribu conjointement la naissance de lintelligence artificielle comme nous le montre le schma suivant :

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    11 11

    Informatique Psychologie Cognitive

    VLSI Langages

    Programmation Symbolique

    Intelligence Artificielle

    Robotique Traitement du langage naturel

    Systmes Experts

    Rseaux des Neurones

    Apprentissage

    Instruments intelligents

    Systmes intelligents

    Reconnaissance de formes

    Reconnaissance de la Parole

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    12 12

    QUELQUES DATES A RETENIR POUR LES SCIENCES AYANT CONCURUES A LA NAISSANCE DE LINTELLIGENCE ARTIFICIELLE:

    Philosophie :

    1596-1650 : Descartes suppose que les animaux sont des sortes de machines vivantes. Les hommes sont dots d'une me chappant la matire.

    1646-1716 : Leibniz introduit le matrialisme. Selon lui, tout est rgit par des lois physiques. 1561-1626 : Bacon et l'empirisme : tout ce qui atteint la comprhension l'est par

    l'intermdiaire des sens 1711-1776 : Hume construit son principe d'induction : les rgles gnrales sont acquises par

    exposition des associations rptes de leurs lments 1872-1970 : Russel formalise les travaux de Hume et introduit le positivisme logique : le

    savoir est caractris par des liens logiques, finalement relis aux sens.

    Mathmatiques :

    9me sicle : al-Khowarazmi introduit l'algorithmique, l'algbre et la notation arabe 1815-1864 : Boole construit l'algbre binaire et la logique formel 1848-1925 : Frege tablit la logique du premier ordre 1906-1978 : Gdel tablit son thorme d'incompltude et d'indcidabilit (il n'existe pas de

    procdure capable de dcider qu'un non-thorme en est un). 1912-1954 : Turing montre que toute fonction calculable l'est par une machine de Turing (et

    donc par un ordinateur). Attention ! il existe des fonctions non-calculables.

    Psychologie :

    1821-1894 Helmoltz, 1832-1920 Wundt : origine de la psychologie scientifique 1878-1958 Watson, 1874-1949 Thorndike : introduction du behaviorisme : le comportement

    d'un individu est le produit de conditionnements multiples. 1948 Tolman : Le cerveau contient des reprsentations internes sous forme de cartes

    cognitives

    Automates :

    1748 : Julien Offroy de la Mettrie assimile l'homme une machine complexe 1709-1782 : Vaucanson construit des automates (canard, joueur de flte traversire) qui

    donnent l'illusion d'tre vivants. 1592-1635 : Schickard cr la premire machine calculer l'aide d'engrenages (addition,

    soustraction, multiplications, mmorisation de rsultats et dpassement de capacit). 1623-1662 : Pascal (1642) ralise la ``Pascaline'' ? Leibniz construit une machine effectuant

    les 4 oprations lmentaire.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    13 13

    1785-1870 : Thomas de Colmar construit ``l'arithmomtre'' 1792-1871 : Babbage ralise une ``machine analytique'' programmable grce des cartes de

    variables et des cartes d'oprations (il est noter que Ada de Lovelace, fille de Lord Byron, fut la premire personne concevoir des programmes. C'est en son honneur que le langage Ada porte son nom).

    Il faut attendre les travaux de Turing (1912-1954) pour voir apparatre la premire tentative dlibre pour comprendre et reproduire l'intelligence humaine. Turing construit son action autour du paradigme fondateur consistant affirmer que ``toute l'intelligence cognitive humaine est modlisable dans le cadre formel de la machine de Turing''. La machine de Turing est une machine abstraite capable d'effectuer des calculs. Elle est compose d'une unit de traitement et d'une mmoire qui n'est autre qu'un ruban partir duquel la machine peut lire donnes et programme, stocker des informations temporaires et imprimer les rsultats. Un ordinateur est donc une machine de Turing amliore. Turing propose un test, capable, selon lui, de dcel si un systme a reproduit l'intelligence humaine. Ce test consiste faire dialoguer un humain et le systme et dterminer si l'humain peut dceler si le systme n'est pas humain.

    Informatique :

    1940 : Heath Robinson cre par l'quipe de Turing pour dcoder les messages allemands (technologie base de relais)

    1943 : Colossus, encore cr par l'quipe de Turing (technologie base de lampes vide) 1940-42 :

    o Z3; ordinateur programmable dot du premier langage volu o ABC; Iowa state university o Mark I, II et III; Harvard o ENIAC : University of Pennsylvania o EDVAC : Programme mmorisable (sur les conseils de Von Neumann1.2) o IBM701 o 1965-1980 Mise au point d'algorithmes efficaces. Prise de ce conscience de la grande

    complexit du problme o 1982 ordinateurs de la 5eme gnration (Japon) pour 1992 une machine parallle

    capable de raisonner.

    Avec l'apparition des machines massivement parallles le niveau de reprsentation de l'information utilisant des ``symboles'' est il toujours pertinent ?

    Intelligence Artificielle :

    1943 : McCulloch et Pitts crent le modle du neurone formel 1948 : Cration de la cyberntique (science des systmes) par Norbert Wiener. 1949 : Hebb tablit la premire rgle d'apprentissage neuronal 1950 Shannon, 1952 Samuel, 1953 Turing : machine pour jouer aux checs

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    14 14

    1956 Workshop o est n le terme ``intelligence artificielle'' 1959 Rochester : Geometry Theorem Prover 1958 McCarthy au MIT cr le LISP et le ``time sharing''. Cr DIGITAL. 1960 John McCarthy, Allen Bewell & Herbert Simon: L'ordinateur peut tre utilis pour

    autre chose que des calculs ``manipuler des symboles'' (ide propose par Ada Lovelage amie de Babbage 1842)

    1969 arrt des RNs (Minsky & Paper 1969) limitations des perceptrons 1969-1979 : systmes experts Depuis 1986 : retour des rseaux de neurones

    Les langages d'Intelligence Artificielle :

    Lisp 1956/58 John McCarthy au MIT Les moteurs d'infrences: l'importance de l'organisation des donnes (structure, liste...)

    Programmer partir des donnes Prolog 1973 Colmerauer : Gnrateurs de Systmes Experts

    Le dveloppement de l'intelligence artificielle a t conditionn d'une part par le cloisonnement des sciences du vivant et des sciences pour l'ingnieur (l'Intelligence Artificielle se rclamant des sciences exactes), et d'autre part par une orientation principalement exclusivement base sur le paradigme de Turing. C'est pourquoi, malgr des dbuts ancrs dans la biologie et la psychologie, l'Intelligence Artificielle est rapidement pass un formalisme mathmatique trs pouss et s'est attaque des problmes plutt symboliques. Elle s'est d'autant plus conforte dans ces ides que les dbuts de la cyberntique (Widrow60 : adaline, Rosenblatt62 : perceptron), ont conduit une impasse du fait de la dmonstration de Minsky69 de la limitation des perceptrons.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    15 15

    I.2. DEFINITIONS DE LINTELLIGENCE ARTIFICIELLE

    1. Quest-ce que lIntelligence Artificielle ?

    Selon Larousse, lintelligence est la facult de comprendre, de donner un sens ; laptitude sadapter une situation, choisir en fonction des circonstances ; la capacit de comprendre telle ou telle chose ; laptitude rsoudre des problmes .Robert y ajoute l ensemble des fonctions mentales ayant pour objet la connaissance conceptuelle et rationnelle . Pour certains, l intelligence distingue lhomme de lanimal . En fait, il y a pratiquement autant de dfinitions que dindividus :

    La capacit rsoudre des problmes, La perception, La capacit dapprentissage, La capacit dadaptation, La capacit mener une pense abstraite ( ou lart de la conjecture), Ou, tautologiquement parlant, ce qui peut tre mesur par des tests dintelligence .

    Souvent, nous avons tendance confondre intelligence et intellect , facults intellectuelles ou rflexion : La rflexion est la puissance de se replier sur ses ides, de les examiner, de les modifier ou de les combiner de diverses manires , selon Vauvenargues (1715-1747), qui sest pench sur la question dans son Introduction la connaissance de lesprit humain. Lobjet de lIntelligence Artificielle est de mettre en vidence la manire dont une machine peut tre rendue intelligence , c'est--dire dote de lune ou lautre de ces capacits. Cette intelligence peut lui tre fournie par lintermdiaire de programmes informatiques. Tels les programmes de la machine laver ou de la borne dinformation, de la machine-outil ou du poste de travail. Quelle que soit la machine concerne, cest toujours sur des ordinateurs que ces programmes sont dvelopps. LIA est donc avant tout une branche de linformatique. LIA nest pas ltude des ordinateurs, bien que ceux-ci aient t appels, dans les premiers temps, cerveaux lectroniques . Cest : - Soit une manire particulire de programmer (traitement de donnes symboliques ou de

    connaissances), - Soit la programmation en vue de raliser des fonctions particulires voquant lintelligence

    (fonctions visuelles, tactiles auditivescomprhension, apprentissage, adaptation) et permettant de doter une machine dune certaine autonomie de fonctionnement.

    Plusieurs auteurs ont tents de dfinir le concept Intelligence Artificielle comme nous pouvons le constater :

    L'Intelligence Artificielle (terme cr par John McCarthy), souvent abrge avec le sigle IA, est dfinie par lun de ses crateurs, Marvin Lee Minsky, comme la construction de programmes informatiques qui sadonnent des tches qui sont, pour linstant, sont accomplies de faon plus

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    16 16

    satisfaisante par des tres humains car elles demandent des processus mentaux de haut niveau tels que : lapprentissage perceptuel, lorganisation de la mmoire et le raisonnement critique .

    Pour dautres auteurs, le concept Intelligence Artificielle est difficile dfinir, car :

    Ladjectif artificiel est assurment ais comprendre : ce type dintelligence est le rsultat dun processus cr par lhomme, plutt que dun processus naturel biologique et volutionnaire,

    En revanche, la notion d'intelligence est difficile cerner : o La capacit dacqurir et de retenir les connaissances, dapprendre ou de

    comprendre grce lexprience. o Lutilisation de la facult de raisonnement pour rsoudre des problmes, et pour

    rpondre rapidement et de manire approprie une nouvelle situation, etc.

    Daprs BUCHAMAN ; Lintelligence artificielle est le domaine de linformatique qui effectue les traitements symboliques et qui emploie des mthodes non algorithmiques.

    Daprs BONNET ; Lintelligence artificielle est une discipline qui vise comprendre la nature de lintelligence en construisant des programmes dordinateurs imitant lintelligence humaine.

    Daprs RICH, lintelligence artificielle est le domaine qui tudi comment faire excuter par lordinateur des tches pour lesquelles lhomme est encore toujours le meilleur. En examinant ces trois dfinitions, nous pouvons retenir ceci ; Lintelligence artificielle aborde les problmes pour les quels ltre humain demeure plus performant que la machine. Ces problmes font intervenir les divers sens (la vue, louie, la parole, lintuition etc.) Lintelligence artificielle est un sous domaine de linformatique dont le but est dlaborer des systmes intelligents, cest dire des systmes qui possdent des caractristiques associes lintelligence dans le comportement des humains.

    Plusieurs autres dfinitions du concept Intelligence Artificielle ont t proposes : Lintelligence artificielle est un ensemble de technique utilise pour raliser les automates adoptant une dmarche proche de la pense humaine. Lintelligence artificielle est ltude des ides qui permettent aux ordinateurs dtre intelligent cest dire leur donnant la possibilit de dvelopper des machines ou des programmes qui font preuve dintelligence.

    Dune manire gnrale, de toutes ces dfinitions, nous pouvons retenir deux ambitions de lintelligence artificielle :

    1. Lhypothse forte de lIntelligence Artificielle qui essaie de reproduire sur une machine les capacits de lesprit humain en matire de raisonnement partir de nimporte quel domaine et de linformation disponible. On peut citer les rseaux des neurones, les algorithmes gnriques,... Cette hypothse touche la simulation de lintelligence humaine pour crer des esprits artificiels.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    17 17

    Le concept dIntelligence Artificielle forte fait donc rfrence une machine capable non seulement de produire un comportement intelligent, mais dprouver une impression d'une relle conscience de soi, de vrais sentiments (quoi quon puisse mettre derrire ces mots), et une comprhension de ses propres raisonnements.

    Lintelligence artificielle forte a servi de moteur la discipline, mais a galement suscit de nombreux dbats. En se fondant sur le constat que la conscience a un support biologique et donc matriel, la plupart des scientifiques ne voient pas dobstacle de principe crer un jour une intelligence consciente sur un support matriel autre que biologique. Selon les tenants de l'IA forte, si l'heure actuelle il n'y a pas d'ordinateurs ou de robots aussi intelligents que l'tre humain, ce n'est pas un problme d'outil mais de conception. Il n'y aurait aucune limite fonctionnelle (un ordinateur est une machine de Turing universelle avec pour seules limites les limites de la calculabilit), il n'y aurait que des limites lies l'aptitude humaine concevoir le programme appropri.

    2. Lhypothse faible de lIntelligence Artificielle qui essaie dexploiter bon escient les avances thoriques et pratiques pour raliser des systmes capables dexcuter des tches qui ncessitent une certaine intelligence. Il sagit par exemple des systmes experts. Cette hypothse tend seulement largir lutilisation des ordinateurs dans des domaines varis pour concevoir des systmes utiles. La notion dintelligence artificielle faible constitue donc une approche pragmatique dingnieur : chercher construire des systmes de plus en plus autonomes (pour rduire le cot de leur supervision), des algorithmes capables de rsoudre des problmes dune certaine classe, etc. Mais, cette fois, la machine simule l'intelligence, elle semble agir comme si elle tait intelligente. On en voit des exemples concrets avec les programmes qui tentent de passer le test de Turing, comme Eliza. Ces programmes parviennent imiter de faon grossire le comportement d'humains face d'autres humains lors d'un dialogue. Ces programmes "semblent" intelligents, mais ne le sont pas. Les tenants de l'IA forte admettent qu'il y a bien dans ce cas une simulation de comportements intelligents, mais qu'il est ais de le dcouvrir et qu'on ne peut donc gnraliser. En effet, si on ne peut diffrencier exprimentalement 2 comportements intelligents, celui d'une machine et celui d'un humain, comment peut-on prtendre que les 2 choses ont des proprits diffrentes ? Le terme mme de "simulation de l'intelligence" est contest et devrait, toujours selon eux, tre remplac par "reproduction de l'intelligence".

    Les tenants de l'IA faible arguent que la plupart des techniques actuelles dintelligence artificielle sont inspires de leur paradigme. Ce serait par exemple la dmarche utilise par IBM dans son projet nomm Autonomic computing. La controverse persiste nanmoins avec les tenants de l'IA forte qui contestent cette interprtation.

    Simple volution, donc, et non rvolution : lintelligence artificielle sinscrit ce compte dans la droite succession de ce quont t la recherche oprationnelle dans les annes 1960, le process control dans les annes 1970, laide la dcision dans les annes 1980 et le data mining dans les annes 1990. Et, qui plus est, avec une certaine continuit.

    Il s'agit surtout d'intelligence humaine reconstitue, et de programmation d'un apprentissage.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    18 18

    En conclusion, toute dfinition de lIntelligence Artificielle doit couvrir les aptitudes humaines suivantes : le raisonnement, lapprentissage, lintention, la comprhension, le bon sens, la conscience, etc. Parmi toutes ces aptitudes, le plus grand mystre, demeure la conscience cest dire le sentiment dtre conscient de soi mme et du monde alentour).

    2. Comment dcider si une machine est intelligente ?

    Le mathmaticien Alan Turing a donn une rponse cette question avec son fameux test, connu sous le nom de test de Turing (1950). Celui-ci sinspire du jeu de limitation , qui se joue trois personnes, qui ne se connaissent pas : un homme (A), une femme (B) et un observateur (O), chacun dans une pice spare ; O peut communiquer avec chacun dentre eux par lintermdiaire dun terminal (clavier cran). Le jeu consiste, pour O, deviner si son interlocuteur est A ou B ; pour cela, il peut poser nimporte quelle question. A essaie de laider ; B au contraire, tente de brouiller les pistes : il rpond comme il pense que A rpondrait.

    Dans un article publi en 1950, o il se propose de rpondre la question : Les machines peuvent elles penser ? , Turing a eu lide de transposer ce jeu, afin de pouvoir prouver si une machine pouvait imiter un homme au point de tromper un observateur. Remplaons, B par une machine, A et O restant humains. Les rgles sont les mmes. Si O ne peut pas discerner A de B, la machine est considre comme intelligente : le test de Turing est positif. En conclusion Turing reconnat : La question dorigine est mon avis, trop dnue de sens pour tre dbattue. Je suis nanmoins convaincu qu la fin de ce sicle (sicle passe), lusage des mots et lopinion gnrale des personnes instruites auront tellement chang que lon pourra parler de machines pensantes sans risquer dtre contredit.

    I.3. De linformatique classique lIntelligence Artificielle : deux manires de programmer

    Linformatique est dfinie par Philippe Dreyfus, linventeur de ce mot, comme une science qui, laide dalgorithmes, traite des donnes pour obtenir des informations. Cela sous entend une certaine organisation squentielle prdfinie des oprations effectuer. Donc, lintelligence classique rsout un problme en utilisant une mthode approprie traduite sous forme dalgorithmes pour obtenir la solution des problmes poss (approche algorithmique). Cette dmarche ressemble un thorme o tout est bien prcis, rien nest superflu et tout est sa place.

    Ainsi, face un problme rsoudre, il faut dcrire les diffrentes tapes, par une succession dinstructions, le programme, excutable par lordinateur. Un tel programme reflte le modle sous-jacent de la machine de Von Neuman. En fait, le mme programme est capable de rsoudre une classe de problmes, pourvu quon lui fournisse des donnes numriques sur lesquelles portera le traitement. Par exemple, en mathmatiques, un programme dinversion de matrices sapplique toutes les matrices qui peuvent lui tre soumises ; en gestion, de mme, un programme de paie ou de gestion de stock est apte rsoudre cette classe de problme.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    19 19

    Ainsi, linformatique ncessite que le programmeur sache rsoudre le problme, et puisse expliciter les diffrentes tapes de cette rsolution par un nombre fini (de prfrence pas astronomique) dinstructions. Par exemple, voyons ce qui se passerait si nous voulions construire un programme pour jouer aux checs : les donnes initiales sont la position des pices sur lchiquier. Le programme doit examiner les diffrents coups que peut faire le joueur, connaissant les rgles du jeu ; lobjectif tant dviter de se faire prendre des pices importantes et de mettre le roi adverse en chec. Cela implique lexamen dun nombre norme de configurations, ne serait-ce que pour prvoir deux ou trois coups davance. Avec seize pices par joueur et soixante-quatre cases, ce nombre crot si rapidement avec le nombre de coups considrs que lon parle d explosion combinatoire . Et pourtant, un bon joueur parvient trouver les meilleurs coups en un temps assez court.

    a) Un problme classique rsout un problme : seules les donnes peuvent varier.

    Entre : donnes

    Programme : Liste dinstructions

    Sortie : rsultats

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    20 20

    b) Un systme dIA peut rsoudre une infinit de problmes, chaque problme correspond une situation

    Alors, au lieu dindiquer lordinateur toutes les tapes du raisonnement, pourquoi ne pas lui donner la facult de raisonner comme le ferait une personne dans la mme situation ? En quelque sorte, de le doter dintelligence. Cest cette ide qui est la base de lintelligence Artificielle. En rsum, linformatique est la science du traitement automatique de linformation, alors que lIntelligence Artificielle sintresse tous les cas o ce traitement ne peut tre ramen une mthode simple, standard et algorithmique.

    Traitement symbolique et non numrique

    Au contraire de la programmation classique, lIA nexige pas que lon sache a priori rsoudre un problme. Le programmeur doit raisonner en termes dobjectifs. Seul lobjectif doit tre fix ; ce peut tre un thorme dmontrer, une image reconnatre, une partie gagner Le programme dIA se charge de choisir les moyens datteindre cet objectif en fonction des hypothses qui lui sont donnes. Il sagit de programmation dclarative, par opposition la programmation procdurale caractristique de linformatique classique : il suffit de spcifier le quoi sans se proccuper du comment , le systme tant capable de trouver lui-mme la solution, en fonction de cet objectif. Aussi, la programmation en IA est-elle galement appele heuristique ( du grec eurisko : trouver, dcouvrir, cf. Archimde). Pour permettre au systme de trouver par lui-mme une solution un problme donn, il doit possder des de raisonnement, sous

    Systme dIntelligence Artificielle

    Entre : faits relatifs une situation

    Connaissances relatives un domaine

    Moteur dinfrence

    Sortie : rsultats

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    21 21

    la forme logique (programmation logique avec PROLOG). Au lieu dintgrer dans le programme toutes les tapes du raisonnement, cette logique lui confrera les capacits de raisonner par lui-mme partir des donnes ou plutt des connaissances qui lui ont t fournies.

    Problmes de connaissances en IA

    Pour rsoudre un problme donn, on ralise un modle du systme en question. Par exemple, une voiture est constitue dune carrosserie, dun chssis, dun moteur, de mcanismes de transmission, de lhabillage (tableau de bord, siges, etc)Lorsque nous voulons raisonner sur la voiture, nous pouvons partir de ce modle si nous le connaissons. Mais il est parfois plus simple de raisonner sur la connaissance que nous avons de ce systme. Ainsi, si nous voulons conduire la voiture, nous navions pas besoin de savoir comment le fait de mettre le contact dclenche tout un mcanisme qui va permettre de faire dmarrer le moteur. Il suffit de savoir que, pour dmarrer, il faut tourner la cl de contact dans un certain sens, puis manier le levier de vitesse, les pdales de dbrayage et dacclration, etc. Le garagiste ou le mcanicien qui doit rparer la voiture dispose de certaines connaissances spcifiques. Dautres connaissances sont ncessaires la personne qui doit dmonter et remonter le vhicule. Dautres encore au concepteur dune nouvelle automobile

    Les connaissances sont des donnes structures, c'est--dire comprenant des relations entre des mots ou des valeurs numriques. Des propositions comme le ciel est bleu , ou si le rservoir dessence est vide, alors la voiture tombe en panne peuvent tre considres comme des connaissances. On parle galement de donnes symboliques.

    En outre, en Intelligence Artificielle, les connaissances sont spares de la faon de les utiliser, en dautres termes le programme (moteur dinfrence) est spar de donnes (Connaissances). Ce qui nest pas le cas en informatique classique. Par exemple, la rgle si le rservoir dessence est vide, la voiture tombe en panne servira au garagiste : le rservoir est lun des lments quil doit contrler lorsquil rpare la voiture. Pour le conducteur, cette mme connaissance lincite remplir son rservoir avant dentreprendre un long parcours. Cette sparation entre connaissances et faon de les utiliser permet de matriser plus facilement la complexit de la description dun problme non trivial.

    Pour rsoudre un problme donn, il suffit seulement de savoir quelles connaissances sont ncessaires sa rsolution, et de fournir lordinateur lintgralit de ces connaissances, sous la forme dun fichier particulier, sans ordre prtabli, appel Base de connaissances. Une Base de connaissances correspond la connaissance dun expert dans un domaine donn ; elle contient le savoir-faire de lexpert ou du spcialiste.

    La principale difficult de lIntelligence Artificielle ne rside pas dans la programmation, mais dans le fait de fournir toutes les connaissances, et sous une forme exploitable par lordinateur. La principale forme de programmes base de connaissances est le systme expert, bien quil existe dautres modes de traitement de connaissances.

    En informatique classique les concepts les plus utiliss sont : donnes, algorithmes, fonctions, procdures, ... et en Intelligence Artificielle, on parle des connaissances, contrles, recherche, heuristique, infrence.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    22 22

    Le but de lIntelligence Artificielle est de simuler au sens le plus large le travail de contrle effectu par le cerveau. Un comportement intelligent est une action complexe, mais contrle. Lheuristique, cest un raisonnement faisant appel lintuition (par ttonnements) ou qui se base sur ltude de cas favorables. A la diffrence des algorithmes, les heuristiques sont souvent tires de lexprience ou danalogies, plutt que dune analyse scientifique complexe car recensant le maximum dlments, et donc difficile, voire mme impossible.

    Lheuristique est donc lutilisation des rgles empiriques : - pratiques, faciles et rapides - facilitant la recherche de faits et lanalyse de situations, - dans un objectif de rsolution de problmes et de prise de dcision - dans un domaine particulier

    Entre lapproche algorithmique ncessitant l criture du processus suivre pour rsoudre le problme ( avant la transcription dans un quelconque langage) et lapproche de lintelligence artificielle o la rsolution du problme est confie un ensemble de rgles donnes par lexpert humain du domaine, il y a une troisime approche qui cherche sinspirer du traitement de linformation effectu par le cerveau, celle des rseaux de neurones artificiels.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    23 23

    CHAPITRE II : DOMAINES DAPPLICATIONS DE LINTELLIGENCE ARTIFICIELLE

    Dans la partie sur la gense de lintelligence artificielle nous nous sommes rendu compte que lintelligence artificielle est beaucoup plus ne de la conjonction entre linformatique et la psychologie cognitive. En effet, linformatique est considre comme un outil puissant pour effectuer des oprations numriques complexes ou pour grer des informations administratives telles que la comptabilit, la gestion des stocks, la gestion des clients etc. tandis que la psychologie cognitive a toujours espr pouvoir reproduire un jour le comportement humain laide dun ordinateur. Les applications de lIA sont toutes les activits o la machine peut se substituer lactivit raisonnante de lhomme. Cest le cas lorsquil sagit de trouver une stratgie, pour rsoudre un problme ou vaincre un adversaire, dorganiser des lments lorsque le nombre de configurations est trs lev. Lintelligence intervient dans la perception, la reconnaissance, c'est--dire la capacit identifier une entit pralablement mmorise, lapprentissage, la comprhension, lvolution dans un milieu inconnu ou mal connu Enfin, de nouvelles applications de lIA mergent en relation avec des activits plus classiques de linformatique, comme laide au dveloppement de logiciel ou la conception assiste par ordinateur. Schmatiquement, lIA peut servir :

    modliser les problmes et les possibilits de solutions, modliser un domaine de connaissances (un fragment du monde rel), modliser la connaissance que lon a du domaine et les moyens dagir sur ce domaine

    Parmi les diffrentes branches de lintelligence artificielle, nous pouvons citer :

    1. Le traitement du langage naturel (domaine de la comprhension de la langue naturelle) 2. la reconnaissance des formes et de la parole 3. La robotique 4. La reprsentation des connaissances 5. Jeux et rsolution des problmes (Les Systmes de Rsolution de Problmes) 6. La conduite et le contrle des processus 7. Lapprentissage 8. La programmation par contraintes 9. Le raisonnement bas sur le cas 10. La vision par ordinateur 11. Robots et systmes autonomes 12. La traduction automatique 13. Les systmes experts 14. Les rseaux de Neurones 15. La modlisation cognitive, etc.

    Cette liste nest pas exhaustive, on peut se rfrer aux diffrents sujets des sminaires. Dans la suite nous prsenter quelques domaines, las autres seront prsents lors des sminaires.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    24 24

    II.1. Le Traitement du langage naturel

    Dans ce domaine les recherches se focalisent sur le dveloppement des programmes informatiques qui sont capables de lire, de comprendre et de gnrer les phases telles que nous les utilisons dans nos conversations et nos crits. En dautres termes, le traitement du langage naturel, cest la programmation des ordinateurs en vue de la comprhension des langues naturelles. Lobjectif poursuivi dans ce domaine, est de rendre les machines plus conviviales, de faciliter la communication entre lhomme et la machine. Il englobe aussi la comprhension de textes et oraux. Le traitement du langage naturel est lun des problmes dIA les plus difficiles. IL met en jeu des connaissances spcifiques, prcises, et des connaissances gnrales, souvent diffuses.

    Le traitement des langues naturelles touche plusieurs domaines tels que : la reconnaissance de la parole, la traduction automatique( comprhension des textes dans la langue source et la gnration de textes dans la langue cible), l'analyse et la comprhension de textes (indexation automatique de textes ou recherche dinformations dans les textes non structurs, crits ou oraux), l'interrogation de bases de donnes en langue naturelle, l'enseignement, les interfaces homme/machine, la production des textes en langue naturelle( cration des rcits, laboration des rsums, rdaction des lettres, etc.), les systmes experts qui consistent communiquer dans un langage familier, la prise de commande par tlphone, etc.

    Lensemble des techniques et applications du traitement du langage naturel est regroup sous le terme d ingnierie linguistique

    II.1.1. Diffrents types de connaissances linguistiques

    Ds le dbut de l'informatique, l'homme a t confront au problme de la communication avec les machines, la puissance de l'ordinateur tant contrebalance par l'obligation d'utiliser un codage fastidieux -- manipulation de clefs sur le frontal de l'ordinateur, ou l'criture binaire. De ces contraintes sont ns les langages de programmation et les dispositifs de traduction en binaire (seule information rellement intelligible pour un ordinateur) ; c'est--dire compilateur et/ou interprteur. Un langage de programmation, aussi volu soit-il, n'est pas une langue naturelle.

    Les linguistes ont tabli depuis fort longtemps que les langues humaines fonctionnent selon trois modes : syntaxique, smantique et pragmatique. Le mode syntaxique correspond l'adquation entre une phrase d'un langage donn et la grammaire du dit langage. De cette tape, on extrait la structure de la phrase. Chaque phrase peut tre dcompose en expressions, et chaque expression en petites parties, jusqu ce quil soit possible didentifier la fonction de chaque mot, et de donner un sens la phrase. Sans savoir comment le cerveau traite ce processus appel analyse syntaxique. On peut programmer un ordinateur pour quil lapplique. Le mode smantique permet de traduire cette structure en une formule suppose exprimer le sens du texte initial. Le mode pragmatique cherche modifier le rsultat de l'analyse smantique en prenant en considration des lments extrieurs au texte analys.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    25 25

    L'un des exemples classiques, cest par exemple la rponse la question ``Pouvez-vous me dire l'heure qu'il est ?''. Cest une question qui appelle une rponse par oui ou par non. Les conventions sociales, qui dconseillent les formes trop impratives, conduisent la personne qui s'adresse la question, interprter la question comme une forme polie pour connatre l'heure. La pragmatique dtermine l'ensemble des rapports possibles entre objets ou concepts intervenant dans le monde rel : une table peut supporter une tasse, l'inverse ne se produisant que trs rarement.

    Si les deux premiers modes sont effectivement implmenter, trs peu de logiciels intgrent la troisime tape.

    La reconnaissance de mots ou de groupes de mots (voir dans les paragraphes qui suivent) consiste dans des comparaisons. Ainsi, pour apprhender la signification dune phrase, une machine doit non seulement reconnatre des lments isols de cette phrase (connaissances morphologiques et lexicales), mais les relations formelles qui relient ces lments dans la phrase (connaissances grammaticales et syntaxiques), ainsi que le sens induit par ces relations et par le contexte (connaissances smantiques). Les connaissances lexicales sont celles qui sont groupes dans un dictionnaire. Les connaissances grammaticales ou syntaxiques se retrouvent, en principe dans une grammaire. Les connaissances smantiques sont celles qui donnent le sens dun mot dans un contexte donn. Les connaissances implicites lies la culture (contexte, etc.), sont appeles pragmatiques.

    N. Chomsky a introduit la notion de grammaire de constituants ou grammaire gnrative, dans laquelle on a des rgles de rcriture. Ainsi une version (outrageusement) simplifie de la langue franaise pourrait tre :

    Texte --> Phrase, Texte Texte --> Phrase; Texte Texte --> Phrase. Texte Texte --> Phrase. Phrase --> GN GV GN --> Art Nm GN --> Art Nm Adj GV --> V GN

    O Art permet l'accs aux articles le, la, ...; Nm permet d'accder aux noms ...

    Lorsque l'ordinateur travaille en mode syntaxique, il vrifie que le texte qu'il analyse possde bien l'une des structures que la grammaire lui impose.

    Chomsky a montr que la meilleure reprsentation correspondait un arbre mettant en vidence la fois la dcomposition de la phrase en constituants et l'appartenance de ces constituants des catgories dtermines. Bien entendu, ce modle a t raffin pour prendre en compte la notion de verbes transitifs, intransitifs, indiquant un mouvement, de noms correspondants des objets

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    26 26

    anims ou non. Cependant, si cette technique permet d'viter des constructions comme ``Le prsident marche la table'', elle n'est pas suffisante pour dterminer si dans la phrase ``les menaces de licenciement des directeurs'', le mot ``directeurs'' est associ ``menaces'' ou ``licenciement''. Ces constatations ont conduit Chomsky (et d'autres) la notion de niveaux dans les langues naturelles, qui sont utiliss dans les grammaires transformationnelles. Outre leur complexit, peu compatible avec un traitement automatique, des phrases comme :

    Lon permet son amie de venir et Lon promet son amie de venir

    ont une structure identique, alors que dans un cas c'est l'amie de Lon qui bouge et dans l'autre c'est Lon (lui-mme) qui se dplace. La dissociation de la syntaxe et de la smantique, a depuis t abandonne. On associe un mot du dictionnaire, diffrents attributs smantiques (ou traits smantiques), permettant d'en connatre le sens comme dans l'exemple dcrit ci aprs :

    Les traits sont ncessaires la comprhension d'un texte et pour la traduction (semi) automatique.

    Actuellement, il existe des systmes capables de rpondre des questions exprimes dans une langue naturelle, pourvu que ce soit sur un domaine extrmement restreint. Le problme est loin d'tre simple, de nombreux mots sont sujets de multiples interprtations. Pour compliquer le tout il n'existe pas de mthodes formelles permettant de s'assurer que quelqu'un totalement compris quelque chose -- comment un enseignant peut-il tre certain que son enseignement a t totalement compris. Des systmes de comprhension de langues naturelles sont dores et dj

    Jeune fille

    Souris

    matriel non matriel

    Verbe conjugu

    Sourire

    anim inanim

    humain

    familier

    Non humain

    mammifre

    rongeur

    comestible objet

    Morceau de viande

    device

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    27 27

    commercialiss, citons par exemple l'interrogation de bases de donnes, la recherche documentaire (Spirit de la socit Systex) ou la commande d'automatismes.

    Une des applications du traitement du langage est le chatbot, un programme conversant avec des personnes. Vous pouvez interagir avec des chatbots sur Internet, en tapant des phrases et en attendant la rponse. Des sites web commerciaux utilisent des chatbots pour rpondre aux questions des utilisateurs sur leurs produits. La reconnaissance et lanalyse de la parole tant de plus en plus labores, linteraction avec des chatbots devient comparable linteraction avec des humains.

    Une autre facette du traitement du langage naturel consiste crer des programmes pouvant tenir une conversation avec des humains. Le premier de ces programmes fut ELIZA, cr en 1966 par Joseph Weizenbaum un informaticien du MIT. Il fut conu pour imiter un psychothrapeute non dirig, rpondant aux dclarations de ses patients. ELIZA peut analyser les dclarations des patients et produire des questions directement fondes sur celles ci.

    II.1.2.Reconnaissance et comprhension de la parole continue

    Un systme de reconnaissance et de comprhension de la parole continue met en uvre des informations de natures diverses :

    Acoustico-phontiques : ces informations rgissent la transcription phontique du message, auxquelles il faut adjoindre des informations phonologiques qui rendent compte des variations individuelles (accent) et des phnomnes daltrations des sons (coarticulations, liaisons, etc.), et prosodiques, concernant le rythme, lintensit et la mlodie de la voix ;

    Lexicales, syntaxiques, smantiques, pragmatiques

    Toutes ces diffrentes informations doivent tre accessibles par le systme travers une base de connaissances qui les fdre. Le modle du type blackboard (tableau noir), dans lequel les sources de connaissances communiquent par lintermdiaire dune structure de donnes commune est adapt ce type de problmes.

    La comprhension de la parole continue (chane de phonmes) peut tre effectue suivant deux stratgies, ascendante et descendante :

    La stratgie ascendante consiste partir de la chane de phonmes, reconstituer peu peu une phrase en prenant compte les informations lexicales, puis syntaxiques, smantiques, pragmatiques ;

    La stratgie descendante, linverse, utilise les niveaux suprieurs de traitement (smantique, syntaxique) pour prdire les mots qui vont apparatre dans la phrase ; ces mots-hypothses sont ensuite confirms ou infirms par lexamen de la chane de phonmes.

    En rsum, lorganisation dun systme de comprhension de la parole peut tre reprsente schmatiquement de la manire suivante :

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    28 28

    Les diffrents paliers du traitement sont les suivants :

    Phonologique Caractres Chanes de caractres Mots relis

    - prononciation Morphologique

    conjugaisons dclinaisons variations en genre et en nombre

    - racines, prfixes et suffixes Syntaxique

    rgles de formation des phrases transformations de structure

    Smantique

    Vrification des mots

    Parole

    Traitement acoustico-phontique

    Comparaison

    Transformation

    Reprsentation des mots

    Squence de mots admissibles

    Dialogue

    Rponse

    Connaissances

    Acoustiques

    Phontiques Mots hypothse

    Phonologiques

    Lexicales

    Syntaxiques Smantiques

    Prosodiques

    Pragmatiques

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    29 29

    sens de mots combinaison de ces sens

    - sens des phrases, des paragraphes, des textes Pragmatique (extra-linguistique)

    connaissance du monde - rle des objets, comportement des individus

    II.1.3. La traduction automatique

    Naissance de la traduction automatique

    Les recherches sur la traduction automatique ont dbut en 1949 luniversit de Washington. Ds 1954, une quipe de luniversit de Georgetown travaillait sur un systme traduisant du russe vers langlais. Lide sous-jacente tait de pouvoir traduire la documentation scientifique sovitique. La question fut ressentie de manire cruciale en 1957, lorsque les sovitiques russissent leur premire mission spatiale Spoutnik. Cest alors que les Amricains se sont rendu compte que, pour rattraper leur retard en matire spatiale par rapport leurs concurrents, il leur fallait assimiler trs rapidement toute la documentation qui avait permis de prparer cet exploit.

    Le problme est alors exprim dans les termes suivants : tant donn, en entre, un texte rdig dans la langue source , le programme doit fournir, comme rsultat, un texte labor dans la langue cible . A lpoque, il paraissait vident que les ordinateurs parviendraient traduire aussi bien quun traducteur humain, en beaucoup moins de temps ; ce ntait quune question de taille de dictionnaires stocker en mmoire et de puissance de calcul de machine.

    Dans les annes soixante, compte tenu des connaissances de lpoque en informatique et des performances des ordinateurs, on ne pouvait gure esprer mieux que la traduction mot mot , partir de vastes dictionnaires contenant essentiellement des correspondances entre mots ou expressions. Une amlioration pouvait tre envisage en introduisant le plus possible de donnes sur la grammaire, afin dobtenir des produits, sinon directement utilisables, du moins comprhensibles par un spcialiste du monde concern. Pourtant, la qualit des textes obtenus tait si mdiocre, la dure du traitement et des accs la mmoire tellement longs, que la traduction automatique fut alors considr comme un chec. Cette constatation marqua un coup darrt presque total aux recherches dans ce domaine.

    Toutefois, en dpit de ce constat dchec, une quipe amricaine sous la direction dun chercheur dorigine hongroise, Peter Toma, luniversit de Georgetown, continua travailler dans ce domaine et parvint mettre au point, dans les annes soixante, le premier systme oprationnel et commercial de traduction automatique, Systran. Conu dabord pour la traduction tusse-anglais, ce systme a ensuite t tendu la plupart des langues europennes.

    La traduction se fait presque en temps rel, partir dun fichier texte sur ordinateur, ou par lecture optique. Mais elle ncessite la prsence dun oprateur, prt intervenir

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    30 30

    lorsque le systme rencontre un terme quil ne sait pas traduire. De plus, le texte brut fourni par la machine doit ensuite tre rvis par une personne qui amliore la forme du texte final.

    Les diffrentes tapes de la traduction automatique

    Pour traduire correctement un texte, il faut le comprendre et, pour cela, remonter toujours plus haut dans lanalyse des relations entre les mots. Diffrentes phases de traduction doivent tre effectues successivement ou simultanment :

    translittration, consistant convertir les caractres de la langue source dans lalphabet de la langue cible (lorsque lcriture est diffrente : grec, russe, chinois, arabe, etc.) ; traduction mot mot, ou lexicale ; traduction syntaxique ; traduction smantique ; traduction pragmatique ou contextuelle.

    Les diffrentes tapes de la traduction automatique, correspondant aux diffrentes gnrations peuvent tre schmatises de la manire suivante :

    Premire gnration

    Pragmatique

    Smantique

    Syntaxique

    Mot mot

    Langue source

    Langue cible

    Langue pivot

    Translittration

    Deuxime gnration

    Troisime gnration

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    31 31

    N.B. Si les deux premires tapes peuvent tre relativement facilement automatises, les trois dernires tapes, faisant appel des connaissances gnrales ou spcialises, ncessitent un traitement par lIA.

    Exemple de traduction automatique

    Les diffrentes tapes de la traduction automatique dune phrase sont les suivantes :

    1. Lanalyse de la structure de la phrase en langue source (anglais) permet de dfinir un sujet, un verbe et un complment.

    2. La phrase en langue source est dcompose en mots ou expression. 3. Chaque mot ou expression est cherch dans le dictionnaire, en fonction de sa valeur

    (sujet, verbe ou complment) dans la phrase. 4. Le fait que LOVE ait une valeur de verbe implique de le traduire par AIMER et non

    AMOUR. Le fait que YOU soit complment dobjet direct du verbe implique de le traduire par TE ou VOUS.

    5. La syntaxe de la langue cible (franais) implique un ordre des mots diffrent. 6. La grammaire franaise fournit la forme conjugue de AIMER (premire personne du

    singulier du prsent de lindicatif). 7. Le dictionnaire prcise que AIMER implique gnralement lusage du tutoiement et

    permet de choisir TE plutt que VOUS. 8. La grammaire franaise dit que TE doit tre remplac par T devant une voyelle.

    Ainsi sachve la synthse de la phrase dans la langue cible.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    32 32

    Trois gnrations de systmes de traduction

    Suivant la stratgie adopte, il existe plusieurs gnrations de systmes de traduction automatique :

    - La premire est lapproche directe, reprsente par Systran. Cest une traduction mot mot, amliore par des traitements spcifiques et des rarrangements localiss

    - La deuxime stratgie passe par trois phases : analyse, transfert et synthse. Elle vise dabord obtenir une interprtation linguistique du texte source : chaque phrase est dcoupe en units lexicales, smantiques, etc. qui constituent les descripteurs entre lesquels des liens logiques sont mis en vidence ; cest lanalyse, qui aboutit une reprsentation interne en langue source. Puis le programme transfre ces descripteurs dans ses nouveaux descripteurs adapts la langue cible, grce des dictionnaires particuliers.

    JE AIMER TE

    VOUS

    1

    2

    3

    4

    5

    6

    7

    8

    I LOVE YOU

    I LOVE YOU

    SUJET VERBE COMPLEMENT

    Syntaxe langue source

    Dictionnaire I = JE AIMER LOVE = AMOUR

    TU YOU = TOI TE VOUS

    SUJET COMPLEMENT VERBE Syntaxe langue cible JE { TE } AIMER

    {VOUS}

    Grammaire : Conjugaison du verbe AIMER en franais

    JE { TE } AIME {VOUS}

    JE TE AIME

    Le verbe AIMER implique la forme familire TE plutt que la forme de politesse VOUS

    JE TAIME

    Grammaire franaise : Remplacement de TE par T

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    33 33

    Enfin, partir de cette nouvelle reprsentation, le texte cible est gnr ; cest la synthse. Les systmes canadien TAUM ( Traduction Automatique de lUniversit de Montral), franais Ariane ( GETA, Grenoble) et europen Eurota fonctionnent suivant ce modle.

    - La troisime stratgie passe par une langue pivot, indpendante des langues sources et cible. Cette langue pivot est une reprsentation de la scne ou de laction dcrites par le texte, correspondant ce que lon comprend partir dun texte, mais dpourvue de formes linguistiques. Cette stratgie est dautant plus intressante que le nombre de langues traduire est plus lev : si lon veut traduire n langues unes dans les autres, cela fait (n(n-1) couples de langues en traduction directe, et 2n en passant par une langue pivot. Dj partir de quatre langues, il suffit de 8 programmes au lieu de 12.

    Couple de langues en traduction directe

    Couple de langues en traduction passant par une langue pivot

    Anglais Allemand

    Franais Russe

    Langue pivot

    Anglais Allemand

    Franais Russe

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    34 34

    De la traduction automatique la traduction assiste

    La traduction entirement automatique ne fournit gnralement pas de solutions de qualit suffisante. Ainsi, des solutions sous optimales ont t dveloppes : traduction assiste par ordinateur (TAO), traduction automatique assiste par lhomme ou traduction humaine assiste par la machine. Les systmes de traduction assiste par ordinateur ncessitent lintervention humaine, soit pendant le traitement, soit avant (pr-dition ou marquage), soit aprs (post-dition ou correction). On parle aussi de traduction automatique assiste par lhomme. A linverse, la traduction humaine assiste par la machine (THAM) est possible grce des postes de travail du traducteur , regroupant un ensemble doutils de productivit (traitement de texte associ des dictionnaires lectroniques, mmoire de traduction pour garantir lhomognit du texte, interface homme-machine, etc.)

    II.2. LA RECONNAISSANCE DES FORMES ET DE LA PAROLE

    Dans ce domaine les recherches sont axes sur le dveloppement des programmes informatiques capables de transformer des informations visuelles (cest dire des points et des traits qui reprsentent un objet) ou des informations sonores ou tactiles (cest dire une srie des sons qui constituent une phrase) en des informations qui peuvent tre traites par lordinateur. La reconnaissance de formes et de la parole est l'un des domaines les plus importants de l'Intelligence Artificielle, la notion de formes ou de parole est prendre au sens large (formes visuelles, sonores ou tactiles), son domaine d'application : la robotique, les interfaces homme/machine.

    Il faut noter par exemple que la smantique du message doit tre conserve dans ce genre de systme (cest dire que lordinateur doit pouvoir bien comprendre ce quil voit par exemple au travers dune camra et tre capable de dire quil sagit par exemple dun mouton, dun paysage, dun chien, dune personne, ou ce quil entend).

    II.2.1. La Vision par ordinateur ou la reconnaissance des formes

    La vision par ordinateur permet, partir de limage dun objet ou dune scne relle, den dduire des donnes exploitables par une machine. Ce domaine se rattache lIA pour deux raisons :

    Dabord, pour quun systme soit intelligent ou du moins quil puisse simuler lintelligence, il doit tre capables de ragir aux sollicitations externes, donc tre sensible son environnement, et en particulier la reprsentation spatiale de celui-ci, qui est fourni pour une grande part par la vision.

    Ensuite, parce quun systme de vision artificielle fait intervenir les techniques dIA (traitement de connaissances et rseaux neuromimtiques).

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    35 35

    a) Vision naturelle ou artificielle

    Les questions ci-aprs sont rsolues apparemment trs facilement par lhomme : comment fonctionne la vraie vision naturelle ? Pourquoi reconnat -t-on un objet, un visage, une image ? Comment reconnat on un objet familier dans le paysage ? Un visage connu lorsquil change de position ou dexpression (souriant ou svre, avec ou sans lunettes) ? Quest-ce qui nous permet de dchiffrer un manuscrit, alors que les caractres peuvent tre si diffrents de la calligraphie standard ? Comment pouvons nous si facilement saisir un objet sans lavoir pralablement palp ? Quels sont les sens qui nous servent valuer la position dun obstacle ?

    Mais, une autre question est de savoir comment automatiser leur rsolution ? Quelle est la part de la vue, de la rflexion, de la mmoire, du raisonnement ? Reconnaissons-nous une personne parce que nous nous attendons la voir ? Pouvons-nous lire une lettre parce que nous prjugeons, en partie du moins, de son contenu ? Labondance et la diversit de ce questionnement prfigure la complexit du problme que lon se propose de rsoudre avec les systmes de vision.

    Ltude de la vision a de tout temps suscit un grand intrt. Dans lantiquit, elle tait plus ou moins confondue avec celle de la lumire et de loptique en gnral. Aujourdhui, nous savons que la vision comprend deux phases distinctes: la perception, au niveau de lil, et le traitement, au niveau du cerveau. Cet intrt pour la vision sexplique aisment si lon sait que, chez lhomme, 60% du cortex crbral sont dvolus ce sens, et que lil est lorgane le plus complexe et le plus sophistiqu chez les vertbrs suprieurs.

    b) Lil : un organe intelligent

    La vision des tres vivants a bien videment servi de modle pour les systmes de vision artificiels. Lil a souvent t compar une chambre noire dappareil photographique, dont la plaque sensible serait forme par la rtine. Ainsi, un systme de vision par ordinateur comprend :

    - un ou plusieurs capteurs de lumire ou camras qui photographient des objets ou des scnes, linstar de lil ;

    - des processeurs et des programmes de traitement correspondant la zone du cerveau ddie la vision ;

    - entre les deux, un systme de slection, de numrisation et de transmission des donnes, qui jouerait le rle du nerf optique.

    Mais cette analogie nest quapproximative, car les systmes artificiels sont loin datteindre la complexit de la nature : les capteurs de vision les plus perfectionns comportent quelques dizaines de milliers dlments, alors que lil est constitu dune centaine de millions de cellules sensibles (cnes et btonnets). Quant au nombre de cellules nerveuses intervenant dans le processus visuel, il est de lordre du milliard, ce qui permet un traitement trs fin et hautement paralllis de linformation visuelle.

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    36 36

    Par ailleurs, les fonctions de saisie et de traitement de limage ne sont pas nettement distinctes dans la vision biologique. En ralit, la rtine joue un rle bien diffrent de celui dune simple pellicule photographique impressionne par la lumire provenant du monde extrieur. Dabord, lil est un pitre capteur : limage est prcise sur un trs petit domaine du champ visuel, condition daccommoder, le reste est flou ; la vision se fait par balayage constant du champ et accommodation. Ensuite, les cellules de la rtine sont des structures nerveuses qui, non seulement captent la lumire, mais sont aussi capables deffectuer un prtraitement de ces informations avant de les transmettre au cerveau. Sadaptant lintensit aussi bien qu la qualit de linformation lumineuse, lil est plutt sensible aux variations de ces paramtres qu leur valeur absolue ; cest pourquoi un feu rouge ou orange dans un paysage dominante verte (campagne), grise (ville) ou blanche (hiver) saute aux yeux , de mme que des caractres noirs sur une feuille blanche, et nous remarquons plus un feu clignotant quune lumire immobile. Les yeux de certains animaux ne sont sensibles quau mouvement.

    Ainsi, lil nest pas un organe passif : sa fonction consiste non seulement capter des images, mais surtout trier les informations pour les prsenter au cerveau prtes tre exploites rapidement : on admet que la rtine effectue 10 milliards doprations par seconde, avant que la reprsentation de la scne observe natteigne le nerf optique (traitement massivement parallle). Mais cest surtout grce lintervention du cortex que la vision humaine est trs efficace : seuls 20% du processus de vision proviennent des nerfs optiques, le reste est le fait du cerveau. La vision biologique est donc essentiellement une fonction intelligente.

    c) La visionique

    La mise en uvre de systmes artificiels capables daccomplir automatiquement ces fonctions a donn naissance une nouvelle technique et nologisme : la visionique. Ce terme dsigne lensemble des techniques et mthodes qui participent la formation, lacquisition et au traitement des images en vue de prendre une dcision de faon automatique. Elles sont gnralement implmentes sur ordinateur, aussi parle-t-on de vision par ordinateur.

    La vision par ordinateur combine loptique, llectronique, le traitement du signal et linformatique. Elle substitue au systme visuel humain un ensemble informatis (matriel + logiciel) capable dintgrer lacquisition dimages, leur traitement et la prise de dcision adapte au cas identifi.

    Toutefois, lobjectif de la vision artificielle est diffrent de celui de la vision biologique. En effet, lhomme apprcie dun coup dil une image, mais il est incapable de lexploiter systmatiquement. Cest ce que tente de raliser lanalyse et le traitement dimages informatique. Son domaine dapplications stend de la bureautique, avec la lecture automatique de textes, jusqu la robotique industrielle, en passant par le contrle de qualit et linterprtation dimages mtorologiques ou biomdicales.

    Lessentiel du systme nest pas le capteur (quivalent de lil ), mais ce quil y a derrire, c'est--dire le traitement et le systme dinterprtation de limage, quivalent du cerveau. Ces diffrentes fonctions sont remplies par des logiciels spcialiss comportant :

  • Intelligence artificielle et systmes experts

    Universit de Kinshasa Facult des Sciences

    Dpartement des Mathmatiques et Informatique

    37 37

    beaucoup de calculs numriques des algorithmes de traitement (filtrage, extraction de primitives, morphologie

    mathmatique, etc.), des algorithmes de reconnaissance (comparaison des modles) et de

    classification conduisant la prise de dcision ( laide de systmes experts ou de rseaux neuromimtiques dans les cas difficiles)

    d) Phases de la vision par ordinateur : acquisition et prtraitement dimages

    Les diffrentes phases de la vision par ordinateur sont les suivantes :

    1. Lacquisition dimage

    Elle se fait par des capteurs. On distingue plusieurs types de capteurs : linaires, matriciels, camra, laser. Ils peuvent saisir une image en deux dimensions, comme les camras ordinaires, ou capter des informations relatives lobjet dans lespace tridimensionnel. Ces derniers capteurs, notamment le tlmtre laser, sont fonds sur un calcul de la distance dun point physique aux capteurs. Ils peuvent tre composs de deux ou trois capteurs, ou bien dune seule camra qui se dplace par rapport lobjet. Ce principe est appliqu aux robots mobiles. La tomographie, applique en mdecine ou dans lindustrie, est fonde sur la reconstitution dobjets tridimensionnels partir dun nombre fini de courbes, prises dans des plans gnralement parallles (rayons X, scanners, chographie, etc.) La qualit de limage saisie est conditionne par un certain nombre de contraintes qui doivent tre respectes lors de lacquisition : bon clairage de la scne, bon contraste entre lobjet et son environnement (p