Intelligence Artificielle

Introduction Générale

Problématiques

Qu’est ce qu’on entend par la désignation d’une personne comme intelligente?

Quelles sont les différences entre l’intelligence et la rationalité d’une part, et entre la pensé et le raisonnement de l’autre part?

Dans un contexte informatique, on appelle quoi exactement un système intelligent?

Comment peut-on classer les intelligences les plus répandues? Comment un système intelligent est-il conçu.

L’intelligence

L’intelligence

Une personne est jugée intelligente quand on s’attend d’elle trouver, dans un temps acceptable, une bonne idée pour résoudre un problème rencontré dans un domaine donné.

Le facteur temps, ou tout autre facteur de coût, est très important vu que tout problème décidable est trivialement résolu si on ne fixe pas une limite de temps ou de mémoire.

La rationalité, la pensé, le raisonnement

La rationalité, la pensé, le raisonnement La rationalité est la capacité de ne pas se tromper. C’est l’acquisition

de la raison, la restriction sur l’exactitude. La pensé est l’activité de l’esprit humain, qui est l’origine directe de

ses actions conscientes et indirecte de certaines réactions inconscientes, qui peuvent être acquises par l’action de penser.

Le raisonnement est l’action de déduire des assertions à partir des autres assertions déjà acquises (supposées vraies). C’est la partie qu’on peut nommer correcte de la pensé.

Système intelligent

Système intelligent

On trouve plusieurs définitions des systèmes intelligents qui se ramènent toutes aux deux définitions générales suivantes: Un système intelligent est un système qui fonctionne comme l’être

humain. Un système intelligent est un système qui se comporte comme l’être

humain. La première définition est plus exigeante comme elle nécessite le fait

que le comportement du système aie le même processus de production que celui de l’être humain. Cette approche dite intelligence forte est encore lointe d’avoir un vrai existence. Mais pourtant la seule reproduction du comportement humain dite intelligence faible a déjà été employée presque dans tous les domaines.

Les classes d’intelligence les plus remarquables

Les classes d’intelligence les plus remarquables On a vu que le système intelligent est le système qui vous donne

l’impression qu’il s’agit d’un homme qui est derrière son comportement (C’est une autre façon de dire « reproduire le comportement humain »).

L’intelligence est en fait relatif à l’actuel comme elle dépend de ce qu’on considère vraiment problème.

En examinant la réalité on peut distinguer huit classes d’intelligence telles qu’une fois on en remarque une dans une application on peut généralement la qualifier comme intelligente.

En fait il est nécessaire de déterminer le type d’intelligence que doit présenter le système afin de lui accorder les outils adéquats.

Critère n°1: Intelligence adaptative

Critère n°1: Intelligence adaptative

C’est la capacité d’acquérir des connaissances à partir des expériences faites afin de s’adapter aux situations futures.

Un système qui s’adapte est un système qui perçoit sont environnement de sorte qu’il en introduit les informations qui interviennent à déterminer son comportement.

Ces systèmes nécessitent une base de connaissance dynamique qui stocke ce genre des informations.

Exemple: Akinator, Nao, et peut être des futures jeux vidéos.

Intelligence adaptative: Akinator

Critère n°2: Intelligence analytique

C’est lorsque le système puisse extraire une sorte d’information à partir d’un flux de données brutes.

Ce sont les systèmes qui font par exemples des statistiques sur les achats faits par les clients afin d’en dégager un comportement particulier.

C’est le domaine d’exploration des données qui est invoqué à ce stade.

Exemples: KNIME (Konstanz Information Miner) SAS Enterprise Miner

Intelligence analytique Exemple : SAS

Critère n°3: Intelligence critique

Dans des situations où on se trouve dans des contraintes temporelles et avec des ressources limités nécessaires au raisonnement (de mémoire par exemple), c’est l’intelligence critique qui peut faire la distinction.

Donner une bonne solution au problème dépend des ressources consommées tels que le temps, l’énergie, … C’est la capacité de bien choisir la limite de la consommation de ces ressources qui définit si le système a une bonne gestion de crise.

Ces systèmes sont en générale des systèmes temps réel, par exemple les robots des jeux doivent déterminer leur comportement en temps réel face au comportement de l’autre joueur, les autopilotes doivent prendre décision en temps critique pour ne pas avoir une catastrophe.

Intelligence critique Exemple: jeu vidéo

Critère n°4: Intelligence décisionnelle C’est la capacité de résoudre des problèmes d’optimisation sous

contraintes, et assumer ainsi le bon choix, comme dans un jeu d’échec.

Un système d’aide à la décision est un système qui opte pour la meilleur prise de décision possible. Il est estimé en se basant sur sa réponse en fonction des ressources consommées.

La conception d’un tel système s’appuie sur les probabilités, la théorie des graphes, les processus stochastiques, …

Exemples: Systèmes d’information géographique comme Google Maps Outils de stratégie d’entreprise Outils de veille informationnelle

Intelligence décisionnelle: Google Maps

Critère n°5: Intelligence motrice

La production d’un enchainement cohérent à travers la synchronisation entre les mouvements représente une des critères qui mènent à qualifier un robot comme intelligent.

C’est la capacité de l’acquisition de l’espace et de ses lois. L’intelligence motrice nécessite la métrise des outils mécaniques et

cybernétiques comme la transmission des mouvements.

Intelligence motrice Exemple: NAO

Critère n°6: Intelligence médiatique

C’est la capacité d’exploiter les canaux écrits et audiovisuelles utilisés par l’homme pour s’exprimer.

Exemple la reconnaissance vocale ou faciale, le synthèse vocale, ... La mise en œuvre de cette intelligence nécessite la maitrise du

traitement du signal. Outils:

Déformation temporelle dynamique DTW Modèle de Markov caché HMM Réseau de neurones

Intelligence médiatique: Reconnaissance vocale

Critère n°7: Intelligence verbale

Elle représente l’aptitude de faire des traitements automatiques sur la langue naturelle comme la traduction, la correction, le résumé, la compréhension et la conversation,…

Exemples: Google translate Cleverbot Hal …

Outils: HMM, Réseau de neurones

Intelligence verbale Exemple Cleverbot

Critère n°8: Intelligence logique

C’est la faculté de suivre un raisonnement rigoureux afin d’aboutir à des conséquences de ce qu’on suppose vrai.

Exemples: Les assistants de preuve comme Coq et Isabelle Les logiciels de calcul formel comme Mathcad et Maple Systèmes experts: C’est un système qui, en se basant sur des faits, répond

aux questions dans un domaine d’expertise. Outils:

Système formel: définit ce qu’on peut appeler raisonnement Moteur d’inférence: suit un raisonnement en vu d’atteindre un but

Intelligence logique: système expert

Système expert

Conception d’IA: Logique

Toutes les assertions en question doivent être modélisées. C’est ce qu’on appelle langage formel.

La collection des assertions qu’on définit vraies constitue une théorie sur ce langage.

Un logique sur un langage est un ensemble des théories sur le même langage.

Les langages formels et les logiques sont généralement définis par induction.

La définition d’un ensemble par induction sur est la donnée d’une base d’induction et un ensemble des règles d’inférences de

est le plus petit ensemble content et stable par les règles de

Conception d’IA: Logique Exemple

Soit l’exemple des assertions de type a divise b avec et , notons les (remarque l’assertion est égale à ssi et )

La logique peut être définie ainsi:

Conception d’IA: Modèle orienté objet

« interface »Assertion

DivideAssertion

• a: integer• b: integer

« release »

Conception d’IA: Système formel

Un système formel modélise une logique en introduisant la notion de démonstration et ainsi l’activité de raisonnement.

Il est généralement associé à la définition inductive de la logique et généralement utilisé pour la définition de la logique.

Le système formel est défini par la donnée d’un ensemble des assertions admises dites axiomes et des règles d’inférence appliquées itérativement sur ces assertions afin d’aboutir à tout théorème du système.

Un arbre dont la racine est le théorème et les feuilles sont des axiomes est appelé démonstration du théorème.

Conception d’IA: Système formel

Règle 3théorème

Règle 1

Actiome 1

Règle 2

Règle 1

Actiome 2

Règle 2

Actiome 1

Actiome 2

Règle 4

Actiome 3

Conception d’IA: Modèle orienté objet

« interface »Fact

• getRule():Rule• getChildren():Fact[]• getAssertion():Assertion

DevideFact• rule: Rule• children: Fact[]• assertion: DevideAssertion

« release »

« interface »Rule

• deduce(Fact…):Fact

« Singleton »Rule1

« release »

« Singleton »Rule2

« release »

Exemple de logique: jeu de taquin

Le langage est l’ensemble des assertions qui disent qu’un état peut s’obtenir à partir de l’état initial.

L’assertion est définie par la répartition des nombres et peut être modélisée par la matrice des nombres et la position de vide.

Exemple:

Si un état est accessible alors les états obtenus par le mouvement du vide dans les 4 directions le sont aussi.

La logique est définie par ces règles.

Règles de jeu de taquin

Règle 1 « droit » : condition Règle 2 « gauche »: condition Règle 3 « haut  »: condition Règle 4 « bas »: condition

Exemple de logique: logique d’ordre 0 C’est le logique des propositions, le langage est défini ainsi:

est une proposition particulière … sont des variables propositionnelles donc des propositions Si et sont deux propositions alors

, , et sont des propositions Rien d’autre n’est proposition

Dans la logique classique d’ordre 0, les théories sont les ensembles où: On peut attribuer à toute variable propositionnelle une valeur vraie ou

fausse N’existent que les propositions évaluées vraies par composition est évalué faux

Déduction naturel d’ordre 0

Axiomes: avec est une collection des propositions , , , , , , , ,

Démonstration en déduction naturelle

Exemple plus compliqué⊢ [ (𝑝⇒𝑞⇒𝑟 )⇒ (𝑝⇒𝑞 )⇒𝑝⇒𝑟 ] (⇒ 𝐼 )

[𝑝⇒𝑞⇒𝑟 ]⊢ [ (𝑝⇒𝑞 )⇒𝑝⇒𝑟 ] (⇒𝐼 )

[𝑝⇒𝑞⇒𝑟 ] , [𝑝⇒𝑞 ]⊢ [𝑝⇒𝑟 ] (⇒ 𝐼 )

[𝑝⇒𝑞⇒𝑟 ] , [𝑝⇒𝑞 ] , [𝑝 ]⊢ [𝑟 ] (⇒𝐸 )

[𝑝⇒𝑞⇒𝑟 ] , [𝑝⇒𝑞 ] , [𝑝 ]⊢ [𝑞 ] (⇒𝐸 ) [𝑝⇒𝑞⇒𝑟 ] , [𝑝⇒𝑞 ] , [𝑝 ]⊢ [𝑞⇒𝑟 ] (⇒𝐸 )

Système à la Hilbert d’ordre 0

C’est un système formel pour le logique d’ordre 0, bien que c’est peu compréhensible par l’homme il est bien performant pour la machine.

La seule règle est le modus ponens et les axiomes sont les assertions ayant l’une des formes suivantes (dites schémas axiomatiques) Schéma axiomatique K: Schéma axiomatique S:

On l’a déjà démontré en déduction naturelle Schéma axiomatique C: Schémas de conjonction: , , Schémas de disjonction: ,,

Références

Assistant de preuve pour un logique d’ordre 0+ : https://github.com/miginmrs/jlogic

Exemple d’assistant de preuve se trouve sur ce lien http://proofweb.cs.ru.nl

Une démonstration en coq du théorème en système à la Hilbert se trouve sur ce lien https://fr.wikipedia.org/wiki/Logique_combinatoire#NavFrame0

Merci pour votre attention