Moi Chercheur au LIP6 dans l‘équipe LOFTI du thème APA du pôle IA

Présentation au sujet: "Moi Chercheur au LIP6 dans l‘équipe LOFTI du thème APA du pôle IA"— Transcription de la présentation:

1 Moi Chercheur au LIP6 dans l‘équipe LOFTI du thème APA du pôle IA
Logique floue, apprentissage automatique, extraction de connaissances webia.lip6.fr/~rifqi

2 IA et Extraction de Connaissances
Cours : 13 semaines Lundi 16h-18h TD : 13 semaines 2 TD le Mercredi 15h40-18h45 (moi et Jean- François Omhover)

3 Planning Logique Apprentissage automatique
Arbres de décision / Extraction de connaissances Règles d’association Clustering Réseaux de neurones Raisonnement à partir de cas

4 Problèmes difficiles Comment interpréter les symptômes de mon patient ? Ma voiture ne démarre pas, comment dois-je procéder ? Est-ce le moment de vendre mes actions EuroTunnel ? Une OPA contre la Société Générale peut-elle réussir ? Dois-je protéger ma tour ou bien prendre son cavalier ? À quelle heure dois-je me lever pour être en cours à 9h30 ? Comment caser ces bagages dans le coffre de ma voiture ? Puis-je encore optimiser mon emploi du temps ? Est-ce que cet étudiant peut faire un bon D.E.A. ? Puis-je écrire un résumé de 100 lignes de cet article ? La traduction de ce poème est-elle bonne ?

5 Ils ont dit " ... the science of making machines do things that would require intelligence if done by humans" - Marvin Minsky "AI is the part of computer science concerned with designing intelligent computer systems" -E. Feigenbaum Systems that can demonstrate human- like reasoning capability to enhance the quality of life and improve business competitiveness - Japan-Singapore AI Centre

6 Test de Turing ? Humain Juge Machine

7 4 approches de l’IA Système qui pense comme les hommes
Système qui pense rationnellement Système qui agit comme les hommes Système qui agit rationnellement

8 Agir comme un humain Le test de Turing (1950) Le test de Turing total
Traitement du langage naturel Représentation des connaissances Raisonnement automatique Apprentissage automatique Le test de Turing total Vision par ordinateur Robotique Charniak et Mc Dermott, 1985 : Etude des facultés mentales à l'aide de modèles informatiques. Winston, 1982 : Étude de moyens informatiques qui permettent de percevoir, de raisonner et d'agir.

9 Turing

10 Penser comme un humain : la science cognitive
étude et analyse du comportement humain (approche top-down) : science cognitive déduction à partir de données neurologiques (approche bottom-up) : neuroscience cognitive Elles se sont différenciées de l'IA Haugeland, 1985 : Ensemble des efforts visant à permettre aux ordinateurs de penser comme des humains. Bellman, 1978 : Automatisation d'activités associées à la pensée humaine telles que la prise de décison, la résolution de problèmes, l'apprentissage, etc.

11 Penser rationnellement : les lois de la pensée
Ligne directe des mathématiques et de la philosophie à l'IA moderne. Kurzweil, 1990 : L'art de créer des machines qui effectuent des fonctions requérant de l'intelligence lorsqu'elles sont réalisées par des humains. Rich et Knight, 1991 : Etude portant sur la façon de réaliser des ordinateurs capables d'effectuer des opérations qui sont présentement les mieux réalisées par les humains.

12 Agir rationnellement : l’approche «agent rationnel »
Action correcte: celle qui est supposée optimiser l'objectif recherché, étant donné l'information disponible. Schalkoff, 1990 : Champ d'étude dont les objectifs sont d'expliquer et d'imiter un comportement intelligent à l'aide de processus informatiques. Luger et Stubblefield, 1993 : Domaine de l'informatique portant sur l'automatisation de comportements intelligents

13 Histoire de l’IA Vue générale
1956 : Logic Theorist (Newell, Shaw, Simon) 1957 : General Problem Solver (GPS) 1960 : Langage Lisp (John Mc Carthy) 1968 : Premier Système Expert (DENDRAL) 1972 : Langage Prolog (Alain Colmerauer) 1980 : Langage Smalltalk (Xérox Laboratories) 1985 : Large diffusion des Systèmes Experts 1990 : Introduction de la pluridisciplinarité

14 : gestation de l’IA

15 1952-1969 : premiers enthousiasmes, grands espoirs

16 : réalisme Pas de connaissances contenues dans les programmes Problème d’échelle malgré la progression du CPU

17 1969-1979 : la clé du succès ? Systèmes experts :
DENDRAL (Buchanan et al., 1969) MYCIN (Feigenbaum et al., 1974)

18 1980-1988 : l’IA devient une industrie
1981 : projet japonais de 5ème génération

19 L’IA aujourd’hui Retour des réseaux de neurones
Les retombées de l'IA sont partout On les utilise au quotidien sans le savoir (pages jaunes, jeux de réflexion sur ordinateur, ...)

20 Classiquement Vision IA Exécute des instructions Raisonne sur les connaissances Plus près du fonctionnement de la machine Plus près du fonctionnement de l'être humain Plus adapté aux traitements numériques Plus adaptée aux traitements symboliques Utilise beaucoup de calculs Utilise beaucoup d'inférences Suit des algorithmes rigides et exhaustifs Fait appel à des heuristiques et à des raisonnements incertains N'est généralisable qu’à une classe de problèmes semblables Est généralisable à des domaines différents

21 IA aujourd ’hui le constat
Ambitions initiales abandonnées on ne pense plus faire une IA à court terme Les retombées de l’IA sont partout objets, agents, méthodologies, représentation des connaissances approches causales, qualitatives fouille de données, fouille de texte statistiques non linéaires (réseaux neuronaux) programmation par contraintes nouvelles méthodes d ’optimisation (évolution artificielle) Vous les utilisez au quotidien sans le savoir Validation de facturettes American Express Compagnons Office 3611 pages jaunes, Jeux de réflexion sur ordinateur Téléphonie mobile etc..

22 IA aujourd ’hui le constat
Apport de l ’IA: « experience-based reasoning » - façon de penser, d ’aborder les problèmes Modélisation découverte de connaissances amélioration de méthodes et approches existantes statistiques et data mining RO SIAD et CBR GED, recherche d’informations et de connaissances Interfaces workflow et partage de connaissances réalité virtuelle ... l ’IA est cachée presque partout, mais souvent trop bien cachée

23 Brevets en IA Buchanan & Uthurusamy « AI Magazine » printemps 99
10ème Conférence annuelle « Innovative Applications of Artificial Intelligence » 25 applications par ans, banque, air-espace, télécommunications etc. Nombre de brevets US utilisant les termes « Artificial Intelligence » 100 il y a 10 ans, 1700 en « reliés » 2200 classés dans le domaine « IA » 3400 utilisent l ’IA dans un contexte plus large Les plus récentes sont avec des techniques d ’apprentissage

24 Grands domaines de l'IA Reconnaissance et synthèse de la parole (ex: réservation d’hôtel) Reconnaissance et synthèse d'images (ex. recherche d’info) Reconnaissance de l'écriture (ex: reconnaissance chèques, codes postaux) Langage naturel (ex: interfaces, text mining, Web Mining) Planification (ex: Partage ressource satellite DigitalWpress ’s service PCAIApril2000) Aide à la décision (ex: SE temps réels et autonome : contrôle de trajectoire du satellite Voyage) Aide à la programmation (ex: agents d’interface) Apprentissage / Adaptatif (ex: construction de systèmes experts, classification automatique de galaxies, contrôleurs de robots ...) Jeux (ex: Echecs (DeeperBlue à 2600), Checkers (Champion), Othello (Champion), BackGammon (champion), GO (bon amateur). Médecine : Aide à la décision (SE), prédiction de patients à risques, analyse automatique d’images médicales

25 La logique Un formalisme de représentation des connaissances
Un mécanisme d’inférence : la déduction central pour : PROLOG Systèmes à base de connaissances

26 Types de logique Logique propositionnelle :
une suite de symboles séparés par des connecteurs (conjonction, disjonction, négation) Logique des prédicats ou du 1er ordre : une suite de symboles, de variables et de relations avec des quantificateurs universels et existentiels. Logique des propositions : une des théories les plus simples qui soient. Son utilité est pourtant capitale dans des domaines divers La logique des propositions étudie des énoncés qui sont soit vrais, soit faux. Elle permet d'exprimer : des faits sur le monde : les étudiants aiment la logique des négations : les étudiants n'aiment pas la logique des conjonctions : les étudiants aiment la logique et ils participent à des séminaires des disjonctions : les étudiants participent à des séminaires ou les séminaires sont facultatitfs des implications : si les étudiants n'aiment pas la logique, ils ne participent pas à des séminaires. Une proposition est une phrase qui est soit vraie soit fausse.