La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Bases de lIntelligence Artificielle Distribuée Historique de lIAD et des SMA 8-10-2012.

Présentations similaires


Présentation au sujet: "Bases de lIntelligence Artificielle Distribuée Historique de lIAD et des SMA 8-10-2012."— Transcription de la présentation:

1 Bases de lIntelligence Artificielle Distribuée Historique de lIAD et des SMA

2 La notion dintelligence est une notion ambiguë, source de nombreuses disputes. Quest ce que l'intelligence ? Est-ce une caractéristique propre à lhomme? Est-ce la faculté de raisonner, celle d'apprendre et d'exploiter un savoir où celle de percevoir et de manipuler des objets du monde réel ? Comment distinguer intelligence et instinct? Quelle est la part de linné et de Lacquis?

3 Intelligence vient du latin intellegere, dont le préfixe inter (entre), et le radical legere (lier) suggèrent essentiellement l'aptitude à relier des éléments qui sans elle resteraient séparés. C'est donc la capacité à saisir (et savoir utiliser) des liens entre des éléments disparates, c'est savoir lire au sens le plus large : lire les signes écrits par l'homme (sur le papier ou sur un écran d'ordinateur), mais aussi les signes inscrits dans la nature, voire même des signes au-delà de la nature (intelligence métaphysique),qui sont les éléments constitutifs du langage.

4 L'intelligence est la capacité de : réagir avec souplesse aux situations qui se présentent. tirer profit de circonstances fortuites discerner le sens de messages ambigus ou contradictoires juger de l'importance relative de différents éléments d'une situation

5 L'intelligence est la capacité de (suit): trouver des similitudes entre des situations malgré les différences qui peuvent les séparer établir des distinctions entre des situations malgré les similitudes qui les rapprochent synthétiser de nouveaux concepts à partir d'anciens concepts assemblés différemment trouver des idées nouvelles

6 Le terme d'Intelligence Artificielle (I.A) est apparu pour la première fois en août 1956 au collège de Dortmounth (USA) lors d'une conférence portant sur l'intelligence des ordinateurs et qui a réuni de grands scientifiques tels que J.McCarthy, M. Minsky, C.Shannon, A.Newell, et H.Simon prendre en compte les différents types de représentation de connaissances,

7 Cest à loccasion de cette conférence que John McCARTHY invente le terme artificial intelligence pour remplacer les terme complex information processing heuristic programming. Durant la conférence, certaines idées maîtresses de ce qui allait devenir lintelligence artificielle ont été énoncées.

8 Postulat 1 Postulat 1 : chaque aspect de lapprentissage ou de lintelligence peut être décrit avec une telle précision quune machine pourrait le simuler Postulat 2 Postulat 2 : lesprit humain na pas accès direct au monde extérieur, mais ne peut quagir grâce à une représentation interne du monde, correspondant à une série de structures symboliques (hypothèse des systèmes de symboles physiques)

9 Postulat 3 Postulat 3 : la pensée consisterait à étendre les structures de symboles, à les briser, à les détruire, à les réorganiser et à en créer de nouvelles. Postulat 4 Postulat 4 : lintelligence est la capacité de manipuler des symboles. Divers supports matériels peuvent donner naissance à de lintelligence.

10 Le dictionnaire le Petit Robert en propose une : « I.A., partie de linformatique qui a pour but la simulation de facultés cognitives afin de suppléer lêtre humain pour assurer des fonctions dont on convient, dans un contexte donné, quelles requièrent de lintelligence. »

11 LI.A en tant que discipline informatique, sintéresse à rendre lordinateur plus habile, avec une intégration de certaines facultés de raisonnement qui sont jusquà présent le privilège des êtres humains. On peut définir lIA comme étant lensemble de techniques informatiques qui apportent à lordinateur une certaine compétence à résoudre des problèmes qui nont pas de solution algorithmique.

12 L'I.A investit les nombreux domaines où l'informatique classique n'est pas applicable. Ses caractéristiques majeurs sont : 1- Un programme d'I.A manipule des informations symboliques sous forme de concepts, d'objets ou de règles. En informatique classique on ne traite que des données de type numérique.

13 2- Les systèmes d'I.A utilisent des méthodes heuristiques par opposition aux méthodes algorithmiques classiques. L'utilisation d'heuristiques permet d'aborder les problèmes sans solution algorithmique telle que la perception, la conception ou la prise de décision et les problèmes dont la solution algorithmique est très complexe (exemple les jeux d'échecs).

14 3- Une conséquence de la caractéristique précédente : les systèmes d'I.A emprunte des voies non déterministes dont le succès n'est pas garanti mais que lorsqu'elle marche permet un gain important en temps de calcul. A l'inverse, un algorithme consiste en une description exhaustive de la séquence d'opération à mener pour résoudre un problème donné.

15 4- L'I.A permet le traitement des informations incomplètes et inexactes par le biais de techniques de raisonnement particuliers (approximatif, non monotone, etc.). 5- L'I.A est pluridisciplinaire, elle fait appel aux techniques avancées de l'informatique mais elle puise également des ressources dans la logique, la psychologie cognitives, la linguistique, l'ergonomie, la philosophie, les neurosciences et la biologie.

16 L'I.A devrait être caractérise partiellement par: Une aptitude à pouvoir comprendre et raisonner. Une aptitude à acquérir et utiliser des connaissances. Une aptitude de s'adapter à des situations imprévues. Un système d'I.A doit s'exprimer dans le langage de son utilisateur et non dans un langage de l'intelligence artificielle.

17 Les machines sont-elles capables de raisonner (penser)?" Est-ce qu'une machine peut avoir un comportement intelligent?" Test : Le jeu d'imitation Test de Turing(1950)

18 Est-ce que une machine peut Un utilisateur humain ne peut savoir si c'est un humain ou un programme qui répond a une question posée(en écrit). On a prédit qu'en 2000,une machine pourrait avoir 30% de Chance d'erroner un homme pendant 5 minutes Cet argument a anticipe tous les arguments majeurs contre l'IA des 50 années suivantes. Il a aussi prédit que l'acquisition par apprentissage des ordinateurs serait aussi importante pour construire des ordinateurs performants En 2007 aucun ordinateur n'a passé le test de Turing. (Malgré ELIZA…) Test de Turing(1950)

19 Problème: Le test de Turing n'est ni reproductible ni Constructif ni accessible a l'analyse mathématique Test de Turing(1950)

20 Test de Turing(1950) caractéristiques du programme: 1.Traitement de la langue Compréhension de texte (analyse) Génération de textes (production) 2.Représentation des connaissances 3.Raisonnement 4.Inférences 5.Apprentissage

21 De tels systèmes nécessitent: une représentation adéquate des connaissances des mécanismes efficaces dexploitation de ces connaissances, ou de raisonnement 21 Mécanisme(s) dexploitation (raisonnement) Base(s) de connaissances Schéma simplifié dun système à bases de connaissances Système à base de connaissances

22 Les connaissances peuvent être : les objets du monde réel; les assertions et les définitions sur ces objets; les concepts qui sont des agrégations ou généralisations des objets; les relations entre les objets ou les concepts; les théorèmes et les règles de réécriture (qui possèdent la particularité d'être sûrs); 22 Système à base de connaissances

23 les méthodes de résolution; les stratégies et les heuristiques: règles de comportement innées ou acquises; la méta connaissance : la connaissance sur la connaissance d'un problème donné. 23 Système à base de connaissances

24 6 catégories des connaissances qui sont : Connaissances de définition Exemple : "Un triangle est un polygone ayant exactement trois cotés ". Connaissances évolutives Exemple : " Pierre est de 80 cm de taille " (aujourd'hui). Connaissances incertaines Exemple : " Clovis est né en 465 après J.C ". les catégories des connaissances

25 Connaissances vagues Exemple : " les jeunes élèves sont turbulents ". (Jeunes =? turbulents = ?). Connaissances typiques Exemple : " habituellement, chaque période d'enseignement est consacrée à une seule matière". Connaissances ambiguës Exemple : "Avant le conseil de classe, le professeur savait que trois élèves redoubleraient". Est-ce le nombre global, ou bien 3 cas particuliers connus individuellement ? Est-ce trois exactement, ou au moins trois ? les catégories des connaissances

26 Les représentations logiques Logique propositionnelle Logique des prédicats Les réseaux sémantiques Les règles de production Les objets structurés Les FramesLe script Modes de représentation des connaissances

27 Lassertion 3 est supérieur à 2 est une proposition logique ayant la valeur vraie. Plusieurs connecteurs logiques sont utilisés pour combiner des propositions élémentaires, tel que : ET, OU, NON,,. La règle utilisée pour exploiter une base de connaissances en logique propositionnelle est dite « règles de MODUS PONENS ». Elle déclare que : Si x est vrai et si limplication x y est vrai, alors y est vrai. Cela se traduit formellement par: 27 (x, (x y)) y. Exemple Quand le ciel est bleu, le soleil brille (x y) Or le ciel est bleu ( x ) Donc le soleil brille ( y ). Modes de représentation des connaissances Logique propositionnelle (ordre 0)

28 Certaines insuffisances exprimées par la logique des propositions telles que les relations entre les objets, la précision de la portée de certaines assertions (généralisation des relations), particularisation des objets sont prises en considération par la logique des prédicats. Exemple Assertion : si x est père de y et y est père de z alors x est grand-père de z. La Formule Bien Formée : x, z, y [père (y, x) et père (z, y) ] grand-père (z, x) Une base de connaissances est un ensemble de formules bien formées (FBF) ainsi que des règles sémantiques qui relient ces FBF aux domaines dapplication. Parmi les règles dinférences utilisées il y a : La règle de détachement ou MODUS PONENS donnée par : Si ( P = Q) et ( P ) alors Q La spécialisation universelle ou substitution qui à partir dune FBF de la forme : ( x) (F(x)) et de nimporte quel terme « a » permet dobtenir la FBF (F(a)). En dautres termes, toutes les occurrences de x dans F sont remplacées par « a » 28 ( x F(x)) = F(a) Modes de représentation des connaissances Logique des prédicats (ordre 1)

29 29 Étudiant L'universitéHumain MarcheLeau Est_inscrit_à Est-un boit Se-déplace Modes de représentation des connaissances Les réseaux sémantiques

30 30 Lidée générale de cette nouvelle approche est résumée par Minsky : « Lorsquon rencontre une situation nouvelle, on sélectionne dans la mémoire une structure réelle qui est un frame (cadre ). Style -du -dossier : doit- être : droit, rembourré Nombre -de-pieds : doit- être : entier Par- défaut : 4 Nombre -de-bras : doit- être : 0,1,2 HERITAGE :Meuble FRAME : Chaise ATTRIBUT: FIN. Modes de représentation des connaissances Le Frame

31 SCRIPT " manger- au- restaurant" ELEMENTS: (restaurant, agent, nourriture, menu, tables, chaises) ROLES: (clients, serveur, chefs) POINT- DE- VUE: clients MOMENT : (heure douverture du restaurant) LIEU : (emplacement du restaurant) Scénario: Dabord : script « Entrer restaurant » Puis : script « Attirer -lattention -du –client- de- restaurant » Puis : script « Prendre- place- à- table » Puis : script « Passer- commande » Puis : script « Manger » sauf si (longue attente) alors script « Sortie- en- colère » Puis : si qualité nourriture >convenable) alors script « Féliciter- le chef » Puis : script « Payer- laddition » Enfin : script « Quitter-restaurant ». 31 Modes de représentation des connaissances Le Script

32 En fonction de lapplication, le concepteur de système prend en compte un certain nombre de critères parmi les suivants: Transparence : se caractérise par la facilité à éditer et vérifier la connaissance à développer, Conceptualisation : Il sagit d'établir un morphisme entre ce que lon veut représenter et ce que lon a effectivement représenté. Efficacité de programmation : lefficacité de programmation consiste à minimiser la place mémoire et le temps de traitement. 32

33 Combinatoire : chercher à proposer une représentation qui ne génère pas un nombre trop grand. Modularité : c'est la facilité à changer des parties de la connaissance sans avoir à changer le reste. Equilibre déclaratif / procédural : il est souvent utile de pouvoir repérer où sont les données et où sont les programmes. Equilibre implicite/explicite : il est parfois nécessaire de bien cerner ce qui est à stocker en mémoire et ce qui est à calculer. 33

34 Etendu de la représentation : la représentation choisie sera utilisable sur une étendue de connaissances quil est important de bien identifier (domaine d'application). Imprécision, incertitude et incomplétude : comment représenter la connaissance imprécise, incertaine et/ou incomplète ? Niveau de granularité : est ce que les symboles ou les expressions sont au bon niveau de détail? Une coopération étroite entre lexpert et linformaticien est absolument nécessaire. 34

35 Généralité : peut-on générer des extensions naturelles du problème initial ? En dautres termes, peut-on généraliser la résolution dun problème particulier. 35

36 36 Le raisonnement dans un système à bases de connaissances peut être schématisé comme un enchaînement de découvertes déléments de connaissances sappuyant sur les informations connues, menant au but recherché. Un mode de représentation est en général restreint à un ou à un nombre limité de types de raisonnement.

37 Raisonnement logique Raisonnement Approximatif Raisonnement Temporel Raisonnement hypothétique et maintien de vérité Raisonnement qualitatif Raisonnement par classification Raisonnement par analogie Raisonnement par cas Raisonnement distribué Aspects du raisonnement

38 : Création de lIntelligence Artificielle Distribuée Objectif : Créer une société dagents autonomes travaillant ensemble pour aboutir à un objectif global Une nouvelle IA: l IA Distribu é e

39 L'IAD sintéresse à des systèmes dans lesquels des agents articiels opèrent collectivement et de façon décentralisée pour accomplir une tâche Intelligence Articielle Distribuée

40 Résolution distribuée de problèmes Résolution de problèmes distribués Résolution par coordination Distribuer LI.A I.A.D Causes d apparition de I.A.D

41 41 Les raisons de la distribution de l'intelligence artificielle peuvent répondre aux investigations suivantes: Simplifier les applications informatiques distribuées 1.Résolution distribuée de problèmes Résolution dune tâche complexe par un ensemble de spécialistes ayant des compétences complémentaires, Lexpertise est distribuée mais le domaine ne lest pas, Ex : diagnostic médical, conception de produit, reconnaissance de formes… Pourquoi distribuer lI.A ?

42 42 2.Résolution de problèmes distribués Le domaine est distribué, Analyse, identification, contrôle de systèmes physiquement distribués, Ex : contrôle de réseau de communication, contrôle dun réseau routier. 3.Résolution par coordination Lexpertise par coordination, Surmonter des problèmes dinterface utilisateur, Ex : affectation de tâches dans un atelier. Pourquoi distribuer lI.A ?

43 43 Un paradigme de recherche en intelligence artificielle Cette une motivation importante portée à la recherche sur les agents: convergence en I.A qui bénéficie de lorientation vers lI.A.D suite à léchec de lapproche centralisée de lI.A classique [WOO 94]. Pourquoi distribuer lI.A ?

44 1. LIntelligence Artificielle Parallèle (IAP) 2. La Résolution Distribuée des Problèmes (RDP) 3. Les Systèmes Multi-Agents (SMA) Approche IA classique Approche IA distribuée -SMA Multiple interaction système avec le problème multi agents Système intelligent monolithique Problème complexe Trois Axes Fondamentaux :

45 Contrairement à LIA classique qui sappuie sur la concentration de lexpertise et du raisonnement à un système simulant un raisonnement humain LIAD considère que la résolution des problèmes complexes nécessite : la distribution du contrôle la distributions des connaissances la distributions des informations nécessaires parmi une communauté dacteurs (Agents). LIAD

46 Trois Axes Fondamentaux : 1. Les Systèmes Multi-Agents (SMA) Faire coopérer un ensemble dagents dotés dun comportement intelligent et de coordonner leurs buts et leurs plans dactions pour la résolution dun problème. 2. La Résolution Distribuée des Problèmes (RDP) Comment diviser un problème particulier sur un ensemble dentités distribuées et coopérantes et comment partager la connaissance du problème et den obtenir la solution. 3. L Intelligence Artificielle Parallèle (IAP) Concerne le développement de langages et d algorithmes parallèles pour l IAD. Thèmes de recherche de lIAD

47 Six Problèmes essentiels (Bond et Gasser en 88, 91) : 1. Comment formuler, décrire, décomposer, allouer des problèmes et synthétiser les résultats parmi un groupe dagents. 2. Comment permettre aux agents de communiquer et d interagir quels langages ou protocoles de communication utiliser, quoi et quand communiquer. 3. Comment sassurer que les agents agissent dune manière cohérente dans la phase de prise de décisions ou dexécution dactions en évitant les interactions nuisibles. Problèmes de base en IAD (1)

48 4. Comment sassurer que les agents individuels représentent et raisonnent au sujet des actions, des plans et de la connaissances des autres agents afin quils puissent être coordonnées entre eux. 5. Comment reconnaître et réconcilier des points de vue dispersés et des intentions conflictuelles parmi une collection dagents qui essayent de coordonner leurs actions. 6. Comment construire des systèmes dIAD pratiques; comment créer des plates-formes et des méthodologies de développement pour lIAD. Problèmes de base en IAD (2)

49 Un système multi-agents est une communauté dagents autonomes travaillant en commun, selon des modes parfois complexes de coopération, conflit, concurrence, pour aboutir à un objectif global : la résolution dun problème, létablissement dun diagnostic 49

50 50 Agent Objets Opérations Opérateur Relations


Télécharger ppt "Bases de lIntelligence Artificielle Distribuée Historique de lIAD et des SMA 8-10-2012."

Présentations similaires


Annonces Google