une introduction à l’intelligence artificielle...l'intelligence artificielle (ia) une...
TRANSCRIPT
Une introduction à l’intelligence artificielle
Jean-Paul HatonInstitut Universitaire de France
LORIA/INRIA- Université de Lorraine
Séminaire Espé DANE
13 janvier 2016
1
Plan de l’exposé
2Jean-Paul Haton Espé DANE 13 janvier 2016
3
…the conjecture that every aspect of learning or any otherfeature of intelligence can in principle be so preciselydescribed that a machine can be made to simulate it.
Jean-Paul Haton Espé DANE 13 janvier 2016
4
Question to John Mac Carthy. : What is artificial intelligence?
“It is the science and engineering of making intelligent machines, especially intelligent
computer programs. It is related to the similar task of using computers to understand human
intelligence, but AI does not have to confine itself to methods that are biologically observable”
Définition de l’intelligence artificielle
Jean-Paul Haton Espé DANE 13 janvier 2016
L'Intelligence Artificielle (IA)
Une branche de l‘informatique. Une science : des concepts, des théories,
des chercheurs.
Une technique : des outils, des produits et
des réalisations, des ingénieurs.
Un domaine pluridisciplinaire.
5Jean-Paul Haton Espé DANE 13 janvier 2016
Jeux : dames, échecs. Diagnostic : médical, spatial, industriel. Contrôle flou : véhicules, caméras, etc. Aide à la décision : banques, assurances, conduite de
procédés, médecine, domaine militaire. Reconnaissance de la parole : dictée vocale, télématique. Traitement de la langue écrite : compréhension, traduction. Lecture optique. Interprétation de signaux : surveillance, conduite. Traitement d’images et vision : inspection, imagerie
médicale. Robotique
Réalisations
6Jean-Paul Haton Espé DANE 13 janvier 2016
7
La machine qui joueA moi
A mon adversaire
A mon adversaire
A moiA moiA moiA moi
A mon adversaire
A mon adversaire
A mon adversaire
A mon adversaire
A mon adversaire
A mon adversaire
Youpee, je gagne !
Aïe, je perds !Mes chances sont
fortes... Je prends un risque mais je suis ma
stratégieJean-Paul Haton Espé DANE 13 janvier 2016
8
Kasparov vs Deep Blue : 1997
Jean-Paul Haton Espé DANE 13 janvier 2016
Défi : le jeu de Go…
9
Loi de Moore
Jean-Paul Haton Espé DANE 13 janvier 2016
.
10Jean-Paul Haton Espé DANE 13 janvier 2016
I propose to consider the question, « Can machines think? »
11
Le test de Turing
Jean-Paul Haton Espé DANE 13 janvier 2016
Modelling the brain
McCulloch - Pitts -Rosenblatt…
IA connexionniste
Making a mind
McCarthy - Minsky -Newell…
IA symbolique
90'sConvergence
(Modèles hybrides)
Les approches de l’intelligence artificielle
Modèles statistiques
« Systèmes à bases de connaissances »
« Réseaux neuronaux »
Jean-Paul Haton Espé DANE 13 janvier 2016 12
Les grands modèles
• Connaissances symboliques
• Réseaux neuronaux
• Modèles statistiques
Jean-Paul Haton Espé DANE 13 janvier 2016 13
Représentation des connaissances :
Règles / Objets / Ontologies / … (cf. Cyc)
… et raisonnements associés
Moteurs de recherche, Web sémantique
Systèmes de questions - réponses :
True Knowledge, Watson, TextRunner, Quaero
14Jean-Paul Haton Espé DANE 13 janvier 2016
Intelligence et connaissances
Jean-Paul Haton Espé DANE 13 janvier 2016 15
Watson
Représentation des connaissances :
Règles / Objets / Ontologies / … (cf. Cyc)
… et raisonnements associés
Moteurs de recherche, Web sémantique
Systèmes de questions - réponses :
True Knowledge, Watson, TextRunner, Quaero
Défi : « Watson » dans sa poche
Jean-Paul Haton Espé DANE 13 janvier 2016
Intelligence et connaissances
16
17
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistiqueMédecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
18
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistiqueMédecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
Analysedes données
Interprétationde l’état courant
Elaborationd’un diagnostic
Choix des actions
Aide à la conduite de procédés
Exemple : SACHEM (Sollac)
Jean-Paul Haton Espé DANE 13 janvier 2016 19
SACHEM : aide à la conduite d’un haut-fourneau
Jean-Paul Haton Espé DANE 13 janvier 2016 20
21
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistiqueMédecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
22
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistiqueMédecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
23Jean-Paul Haton Espé DANE 13 janvier 2016
Recherche en largeur dans des graphes
24
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistiqueMédecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
Reconnaissance de la parole Principe : modéliser les unités verbales (mots, phonèmes)
essentiellement à l’aide de modèles statistiques
Apprentissage : à partir d’énormes quantités de parole
Évolution scientifique et technologique :de l’ordinateur (1974) ... ... au téléphone portable (2004)!
Défi : traduction parole-parole… 25
Jean-Paul Haton Espé DANE 13 janvier 2016
26
Capitaliser, diffuser, exploiter
les connaissances
Fouille de données (« Big Data ») Conduite de procédés et mémoires d’entrepriseWeb sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique… et neuronale!Médecine et santé Education : MOOC
Jean-Paul Haton Espé DANE 13 janvier 2016
Le neurone biologique...
Jean-Paul Haton Espé DANE 13 janvier 2016 27
... et le neurone formel (Mc Culloch et Pitts, 1943)
Jean-Paul Haton Espé DANE 13 janvier 2016 28
• Apprentissage supervisé: le perceptron multi-couches
- à partir d ’exemples- correction du modèle par rétropropagation de l’erreur (ou autres lois : cf. Hebb)
Les modèles neuromimétiques
• Exemple de perceptron : sidérurgie
Jean-Paul Haton Espé DANE 13 janvier 2016 29
30
Applications des réseaux neuromimétiques
Conduite de procédés industriels
Exemple : réglage du laminoir SKINPASS de SOLLAC
Jean-Paul Haton Espé DANE 13 janvier 2016
31
Contrôle du Skin-Pass par perceptron
Jean-Paul Haton Espé DANE 13 janvier 2016
• Apprentissage supervisé: le perceptron multi-couches
- à partir d ’exemples- correction du modèle par rétropropagation de l’erreur (ou autres lois : cf. Hebb)
Les modèles neuromimétiques
• Extension récente : apprentissage profond semi-supervisé (Hinton, Le Cun) … et Big Data !
Jean-Paul Haton Espé DANE 13 janvier 2016 32
33
Aide au diagnostic
Action thérapeutique guidée
Chirurgie guidée
Télémédecine
Assistance à la vie autonome
Santé « numérique »
Jean-Paul Haton Espé DANE 13 janvier 2016
34
Aide au diagnostic
Action thérapeutique guidée
Chirurgie guidée
Télémédecine
Assistance à la vie autonome
Santé « numérique »
Jean-Paul Haton Espé DANE 13 janvier 2016
35
Aide à la radiothérapie : le système CAV-CAV
Jean-Paul Haton Espé DANE 13 janvier 2016
Jean-Paul Haton Espé DANE 13 janvier 2016 36
Assistance à la vie autonome
Télésurveillance (Diatélic)
Diatélic : suivi d’un patient
patient médecin
système expert
• alertes• suivi des malades• envoi de messages
• fiches journalières• réception de messages
base de données
RTC RTC/Internet
Jean-Paul Haton Espé DANE 13 janvier 2016 37
Jean-Paul Haton Espé DANE 13 janvier 2016 38
Robot PR2 du LAAS
Assistance à la vie autonome
Télésurveillance (Diatélic)
Sols « intelligents » et connectés : détection de chutes,
déclenchement d’alarmes
Robots assistants
Très utiles… mais :- respect de la dignité,- droit à la tranquillité,- protection de la vie privée et
de l’anonymat
39
Aide au diagnostic
Action thérapeutique guidée
Chirurgie guidée
Assistance à la vie autonome
Santé « numérique »
Défi : réaliser tout cela !…Jean-Paul Haton Espé DANE 13 janvier 2016
Robotique Les robots industriels
40Jean-Paul Haton Espé DANE 13 janvier 2016
Billancourt 1962R4
Palencia (Castille) 2011Mégane
41Jean-Paul Haton Espé DANE 13 janvier 2016
Robotique Robots industriels
Robots collaborateurs : - Cobot : industrie (cf. Airbus), chirurgie
- Robot commandé par la pensée
Robots mobiles : - Planification d’actions
- Prise de décision
Robotique mobile
Gaston
Apprentissage de comportements
Fusion de données de capteurs
Planification (trajectoires, missions)
Applications :o Jeux, compagnonso Intervention, sauvetage o Industrieo Tourisme (Cycab)o Médecineo Humanoïdeso Assistance à la conduite
Défi : exploration de planètes …42
Jean-Paul Haton Espé DANE 13 janvier 2016
43
Robots humanoïdes
Asimo de HondaNao de Aldebaran
Jean-Paul Haton Espé DANE 13 janvier 2016
Kirobo
Romeo de AldebaranPepper de Aldebaran
Défi : Une équipe de robots championne du monde de football en 2050…
Jean-Paul Haton Espé DANE 13 janvier 2016 44
Véhicules autonomes : « Google car »
45Jean-Paul Haton Espé DANE 13 janvier 2016
Trois composantes
-Cartes Google : base de données d’informations sur la route
Jean-Paul Haton Espé DANE 13 janvier 2016 46
Jean-Paul Haton Espé DANE 13 janvier 2016 47
-Cartes Google : base de données d’informations sur la route
- Capteurs : caméra vidéo, capteurs de distance (4 radars, lidar), estimateurs de position (sur la roue G),GPS très précis (20 cm)
Trois composantes
Jean-Paul Haton Espé DANE 13 janvier 2016 48
Google car
50Jean-Paul Haton Espé DANE 13 janvier 2016
-Cartes Google : base de données d’informations sur la route
- Capteurs : caméra vidéo, capteurs de distance (radar, lidar), estimateurs de position (sur les roues),GPS très précis
- Intelligence artificielle : prises de décision
Trois composantes
Jean-Paul Haton Espé DANE 13 janvier 2016 51
Intelligence artificielle
But de l’agent conducteur : amener le passager à sa destination de façon sûre et « légale »
Décisions prises :- niveau d’accélération- instant de ralentissement et d’arrêt- instant de virage
Jean-Paul Haton Espé DANE 13 janvier 2016 52
IA et éthique
53
- Questions déjà abordées pour l’infoéthique : http://www.cnrs.fr/fr/organisme/ethique/comets/docs/rapportComets091112.pdf
- Aspects spécifiques nouveaux :- nuisance des systèmes d’IA (cf. lois d’Asimov pour les robots)- statut moral des machines- propriétés requises du fait du rôle social potentiel de systèmes d’IA :
prédictabilité, transparence à l’inspection- systèmes à intelligence surhumaine :
implique des comportements « suréthiques »…
Défi : une éthique de l’IAJean-Paul Haton Espé DANE 13 janvier 2016
L’IA a permis d’étendre le champ de l’informatique
Mise au service de l’homme de la puissance de l’ordinateur d’une façon intelligente pour :• résoudre des problèmes longs ou compliqués• faciliter la communication et faire partager un savoir • aider l’être humain « intelligemment »!
L’IA est entrée dans la vie économique ...
... mais la recherche continue : connaissance, apprentissage, Internet des objets, etc.
Aspects éthiques, emploi
Conclusion
54Jean-Paul Haton Espé DANE 13 janvier 2016
55Jean-Paul Haton Espé DANE 13 janvier 2016
Merci pour votre attention!
56Jean-Paul Haton Espé DANE 13 janvier 2016