quand darwin rencontre l’informatique

1
Quand Darwin rencontre l’informatique La théorie de l’évolution Tout le monde a entendu parler de la théorie de l’évolu- tion — Acceptée par la communauté scientifique Introduite par Darwin au XIX e s. — Étude des oiseaux aux Galapagos Explique la manière dont les espèces évoluent pour s’adapter à leur environnement Peut-on s’en inspirer en informatique ? Idée de base Tous les individus d’une population sont plus ou moins adaptés à leur environnement — Certains individus ont de petites différences Tous les individus possèdent un « code » : l’ADN Les individus « les plus adaptés » ont — moins de chances de mourir — plus de chances de se reproduire S’ils se reproduisent, ils passent leur patrimoine génétique à la génération suivante — Renforcement des « bonnes » caractéristiques génétiques Tous les individus ont de faibles chances de « muter » Le contexte informatique Optimisation combinatoire — Trouver « la meilleure façon » d’effectuer une tâche — Fabriquer « le meilleur » objet Algorithmes génétiques : s’inspirer de la théorie de l’évolution Définir, pour chaque « objet » / « tâche » 1. une caractérisation mathématique du « niveau d’adaptation » 2. une technique de reproduction 3. une manière de muter 4. une probabilité de reproduction et de décès Simuler itérativement plusieurs générations — Les individus « devraient s’améliorer » Indice du niveau d’adaptation : le fitness Exemple : avoir un « bel ours » > Technique de reproduction : le crossover Les enfants héritent des caractéristiques génétiques de leurs parents — L’ADN d’un enfant est composé en partie de l’ADN du premier parent, et en partie de l’ADN du deuxième parent En informatique, l’opération déterminant quelles parties de l’ADN se retrouvent chez l’enfant est appelée « crossover » En pratique, un crossover peut être guidé — On sélectionne les « bonnes parties » chez les parents Ci-dessous : crossover guidé — On veut obtenir « un bel ours » avec de beaux bras et jambes — On « sélectionne » ces caractéristiques chez les parents + -→ En informatique Les individus sont souvent « encodés » — Exemple (arbitraire) : « Beau Baloo » = (1, 3, 7, 4, 2) On effectue le crossover sur ce codage Ci-dessous : one-point crossover — Crossover aléatoire, non guidé — On choisit au hasard un « point de coupe » — On compose les enfants en sélectionnant des bouts de code des parents -→ Les mutations Idée : induire un changement dans un individu Objectif : introduire de l’aléatoire Faible probabilité d’occurrence (5%) Motivation — Parfois, la population ne s’améliore plus avec les crossover — Un changement aléatoire non guidé offre de nouvelles perspectives Exemple (1, 3, 7, 4, 2) -→ (2, 3, 7, 4, 2) On change un chiffre dans le codage -→ Baloo a gagné un gros bras Si, dans la population, peu d’individus avaient de beaux bras, maintenant un ours en possède un — Bonnes perspectives de reproduction La sélection naturelle Détermine — les chances d’un individu de se reproduire — les chances d’un individu de mourir Au plus un individu est adapté, au mieux sont ses chances de reproduction et de survie — Utilisation de probabilités Dans le contexte informatique, on veut garder constant le nombre d’individus dans une population — Mémoire limitée L’informatique à l’ESI Trois bacheliers (3 ans) centrés sur du développement informatique soigné. Diplôme « orienté pratique », professionnalisant. Trois finalités répondant aux sensibilités des étudiants : — informatisation des organisations, — informatisation des réseaux et télécommunications, — informatisation des processus industriels. Cours contextualisés pour les thématiques connexes. — On ne donne pas cours de math « pour le plaisir » — On ne voit que « ce qui est utile » au diplôme Plusieurs thématiques d’intelligence artificielle au sein de certains cours — Les algorithmes génétiques sont une thématique d’intelligence artificielle Un cours « Intelligence artificielle » en 3 e industrielle. Une année de spécialisation en sécurité en horaires adaptés, avec étalement possible. Master (2 ans) en cybersécurité, en co-diplomation avec des universités et hautes-écoles. ESI Étudiants de deuxième année en bachelier en informatique École supérieure d’informatique (ESI)

Upload: others

Post on 24-Jun-2022

6 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Quand Darwin rencontre l’informatique

Quand Darwin rencontrel’informatique

La théorie de l’évolution

Tout le monde a entendu parler de la théorie de l’évolu-tion

— Acceptée par la communauté scientifiqueIntroduite par Darwin au XIXe s.

— Étude des oiseaux aux GalapagosExplique la manière dont les espèces évoluent pours’adapter à leur environnementPeut-on s’en inspirer en informatique ?

Idée de baseTous les individus d’une population sont plus ou moins adaptés à leurenvironnement

— Certains individus ont de petites différencesTous les individus possèdent un « code » : l’ADNLes individus « les plus adaptés » ont

— moins de chances de mourir— plus de chances de se reproduireS’ils se reproduisent, ils passent leur patrimoine génétique à la génération suivante

— Renforcement des « bonnes » caractéristiques génétiquesTous les individus ont de faibles chances de « muter »

Le contexte informatiqueOptimisation combinatoire

— Trouver « la meilleure façon » d’effectuer une tâche— Fabriquer « le meilleur » objetAlgorithmes génétiques : s’inspirer de la théorie de l’évolutionDéfinir, pour chaque « objet » / « tâche »

1. une caractérisation mathématique du « niveau d’adaptation »

2. une technique de reproduction

3. une manière de muter

4. une probabilité de reproduction et de décès

Simuler itérativement plusieurs générations— Les individus « devraient s’améliorer »

Indice du niveau d’adaptation : le fitnessExemple : avoir un « bel ours »

>

Technique de reproduction : le crossoverLes enfants héritent des caractéristiques génétiques de leurs parents

— L’ADN d’un enfant est composé en partie de l’ADN du premier parent, et en partiede l’ADN du deuxième parent

En informatique, l’opération déterminant quelles parties de l’ADN se retrouvent chezl’enfant est appelée « crossover »En pratique, un crossover peut être guidé

— On sélectionne les « bonnes parties » chez les parentsCi-dessous : crossover guidé

— On veut obtenir « un bel ours » avec de beaux bras et jambes— On « sélectionne » ces caractéristiques chez les parents

+ −→

En informatiqueLes individus sont souvent « encodés »

— Exemple (arbitraire) : « Beau Baloo » = (1, 3, 7, 4, 2)On effectue le crossover sur ce codageCi-dessous : one-point crossover

— Crossover aléatoire, non guidé— On choisit au hasard un « point de coupe »— On compose les enfants en sélectionnant des bouts de code des parents

−→

Les mutationsIdée : induire un changement dans un individuObjectif : introduire de l’aléatoireFaible probabilité d’occurrence (' 5%)Motivation

— Parfois, la population ne s’améliore plus avec les crossover— Un changement aléatoire non guidé offre de nouvelles perspectives

Exemple(1, 3, 7, 4, 2) −→ (2, 3, 7, 4, 2)On change un chiffre dans le codage

−→

Baloo a gagné un gros brasSi, dans la population, peu d’individus avaient de beaux bras, maintenant un ours enpossède un

— Bonnes perspectives de reproduction

La sélection naturelleDétermine

— les chances d’un individu de se reproduire— les chances d’un individu de mourirAu plus un individu est adapté, au mieux sont ses chances de reproduction et desurvie

— Utilisation de probabilitésDans le contexte informatique, on veut garder constant le nombre d’individus dansune population

— Mémoire limitée

L’informatique à l’ESITrois bacheliers (3 ans) centrés sur du développement informatique soigné.Diplôme « orienté pratique », professionnalisant.Trois finalités répondant aux sensibilités des étudiants :

— informatisation des organisations,— informatisation des réseaux et télécommunications,— informatisation des processus industriels.Cours contextualisés pour les thématiques connexes.

— On ne donne pas cours de math « pour le plaisir »— On ne voit que « ce qui est utile » au diplômePlusieurs thématiques d’intelligence artificielle au sein de certains cours

— Les algorithmes génétiques sont une thématique d’intelligence artificielleUn cours « Intelligence artificielle » en 3e industrielle.Une année de spécialisation en sécurité en horaires adaptés, avec étalement possible.Master (2 ans) en cybersécurité, en co-diplomation avec des universités ethautes-écoles.

ESI Étudiants de deuxième année en bachelier en informatique École supérieure d’informatique (ESI)