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

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

IFT 615 – Intelligence artificielle Agents intelligents Éric Beaudry Département dinformatique Université de Sherbrooke

Présentations similaires


Présentation au sujet: "IFT 615 – Intelligence artificielle Agents intelligents Éric Beaudry Département dinformatique Université de Sherbrooke"— Transcription de la présentation:

1 IFT 615 – Intelligence artificielle Agents intelligents Éric Beaudry Département dinformatique Université de Sherbrooke

2 Sujets couverts l Intelligence artificielle l Agents intelligents l Rationalité l PEAS (mesure de Performance, Environnement, Actuateurs, Senseurs) l Types denvironnements l Types dagents l Exemple – Le monde des wumpus (Wumpus world) IFT615© Éric Beaudry2

3 Intelligence l Avant de définir lintelligence artificielle, il faut définir lintelligence ! l Définition ? © Éric Beaudry3IFT615

4 Intelligence artificielle (IA) Définition : « Branche de l'informatique ayant pour objet l'étude du traitement des connaissances et du raisonnement humain, dans le but de les reproduire artificiellement pour ainsi permettre à un appareil [(agent)] d'exécuter des fonctions normalement associées à l'intelligence humaine. » [Grand dictionnaire terminologique, 2006] © Éric Beaudry4IFT615

5 Deux branches de lIA l Compréhension de lintelligence u Sciences cognitives, psychologie u Comprendre le raisonnement humain u Prédire la performance dun humaine à une tâche u Ex: larchitecture ACT-R pour évaluer le risque de parler au téléphone en conduisant une voiture l Création dagents intelligents u Capacités fondamentales: »Perception »Représentation des connaissances (modélisation) »Apprentissage »Raisonnement »Prise de décisions © Éric Beaudry5IFT615

6 Exemples dagents intelligents © Éric Beaudry6IFT615 (1) Système daide à la décision; (2) Azimut-3; (3) Rover de la NASA; (4) Radarsat-II de lASC; (5) Mario de Nintendo.

7 Pourquoi avoir une IA ? l Programmation dactions vs Décisions automatiques l Programmation u Scripts u Machine à états finis l Décisions automatiques (~ programmation dynamique) u Les actions à exécuter ne sont ni scriptées, ni programmées à lavances u Lagent décide lui-même de ses propres actions © Éric Beaudry7IFT615

8 Test de Turing © Éric Beaudry8IFT615

9 IA dans les jeux © Éric Beaudry9IFT615

10 Agents lUn agent est nimporte quel entité qui perçoit son environnement par des senseurs (capteurs) et agit sur cet environnement par des actuateurs. lUn agent humain a: udes yeux, des oreilles, et dautres senseurs; udes mains, des jambes, une bouche et dautres actuateurs. lUn agent robot a: udes caméras cameras, des senseurs infra rouges et autres; udes roues, des jambes, des bras-articulés, et dautres actuateurs. IFT615© Éric Beaudry10

11 Agents et environnements l Le processus agent prend en entrée une donnée sensorielle et retourne une action: [f: P* A ] l En pratique le processus est un implémenté par un programme sur une architecture matérielle particulière. IFT615© Éric Beaudry11

12 Ébauche dun agent IFT61512© Éric Beaudry

13 Exemple : Aspirateur robotisé l Observations (données sensorielles): position et état des lieux. u Par exemple: [A,Clean], [A,Dirty], [B,Clean], l Actions: Left, Right, Suck, NoOp IFT615© Éric Beaudry13

14 Exemple : Aspirateur robotisé l f: [A,Clean] Right [A,Dirty] Suck … [A,Clean] [B,Dirty] [B,Clean] [A,Dirty] Suck … IFT615© Éric Beaudry14

15 Agents rationnels l Un agent rationnel doit agir correctement en fonction de ce quil perçoit et de ses capacités daction: u Laction correcte est celle permettant à lagent de réussir le mieux. l Mesure de performance: u Une fonction objective mesurant la qualité dun comportement de lagent. l Par exemple, une mesure de performance pour le robot aspirateur pourrait être: u la quantité de déchets aspirés, u la propreté des lieux; u la durée de la tâche; u le bruit généré; l Agent rationnel: Étant donné une séquence dobservations (données sensorielles) et des connaissances propres, un agent rationnel devrait choisir une action qui maximise la mesure de performance. IFT615© Éric Beaudry15

16 Agents rationnels l Rationalité ne veut pas dire « qui sait tout » (par exemple, connaît tous les effets de ses actions)! l Rationnel ne veut pas dire « parfait ». u La rationalité maximise la performance espérée. u La perfection maximise la performance réelle/actuelle. u Mais souvent on ne peut pas connaître la performance réelle avant laction. l Un agent peut effecteur des actions dobservation pour cueillir des informations nécessaires à sa tâche. l Un agent est autonome sil est capable dadapter son comportement en fonction de son expérience (capacité dapprentissage et dadaptation) IFT615© Éric Beaudry16

17 Modèle PEAS l PEAS: Un modèle de conceptions des agents par la spécification des composantes majeures suivantes: u Mesure de performance (Performance), u Connaissance de lenvironnement (Environnement), u Les actions que lagent peut effectuer (Actuateurs), u La séquence des perceptions par lagent (Senseurs) PEAS = Performance, Environnement, Actuateurs, Senseurs IFT615© Éric Beaudry17

18 Modèle PEAS pour un robot taxi l Agent: robot taxi. l Mesure de performance: sécurité, vitesse, respect du code routier, voyage confortable, maximisation des profits. l Environnement: Route, trafic, piétons, clients l Actuateurs: Volant, changement de vitesse, accélérateur, frein, clignotants, klaxon l Senseurs: Caméras, sonar, speedometer, GPS, odomètre, témoins du moteur, etc. IFT615© Éric Beaudry18

19 Modèle PEAS pour un diagnostique médical automatisé l Agent: Système de diagnostique médical l Mesure de performance: Santé des patients, minimisation des coûts, satisfaction des patients. l Environnement: Patients, hôpital, personnel soignant. l Actuateurs: Moniteur pour afficher des questions, les résultats de tests ou de diagnostique, le traitement, etc. l Senseurs: Clavier et souris pour saisir les symptômes, les réponses aux questions, etc. IFT615© Éric Beaudry19

20 Types denvironnements l Complètement observables (vs. partiellement observable): Grâce à ses senseurs, lagent a accès un état complet de lenvironnement à chaque instant. l Déterministe (vs. stochastique): Létat suivant de lenvironnement est entièrement déterminé par létat courant et laction effectuée par lagent. l Épisodique (vs. séquentiel): Les opérations/comportements de lagent sont divisées en épisodes: u chaque épisode consistant à observer lenvironnement et effectuer une seule action, u et le choix de chaque action dans une épisode ne dépendant que de cette épisode. l Statique (vs. dynamique): Lenvironnement ne change pas lorsque lagent nagit pas. l Discret (vs. continu): Un nombre limité et clairement distincts de données sensoriels et dactions. l Agent unique (vs. multi-agent): Un agent opérant seul dans un environnement. IFT615© Éric Beaudry20

21 Structure des agents l Simple reflex agents l Model-based reflex agents l Goal-based agents l Utility-based agents IFT615© Éric Beaudry21

22 Simple reflex agents IFT615© Éric Beaudry22

23 Simple reflex agent IFT615© Éric Beaudry23

24 Model-based reflex agents IFT615© Éric Beaudry24

25 Goal-based agents IFT615© Éric Beaudry25

26 Utility-based agents IFT615© Éric Beaudry26

27 Learning agents IFT615© Éric Beaudry27

28 Exemple : le monde des wumpus l Mesure de performance u or +1000, mort u -1 par un pas, -10 pour une flèche l Environnement u Puanteur dans les chambres adjacent au wumpus. u Brise dans les chambres adjacentes à une fosse u Scintillement si lor est dans la chambre u Le wumpus meurt si on lui tire une flèche de face u On a une seule flèche u On peut ramasser lor dans la même chambre u On peut lâcher lor dans une chambre l Senseurs: stench (puanteur), breeze (brise), glitter (scintillement), bumper (choc), scream (cri). l Actuateurs: Left turn, Right turn, Forward, Grab, Release, Shoot IFT615© Éric Beaudry28

29 Caractérisation du monde des wumpus l Complètement observable? Non – seulement perception locale. l Déterministe? Oui – leffet de chaque action est prévisible. l Épisodique? Non – séquentiel au niveau des actions. l Statique? Oui – le wumpus et les fosses ne bougent pas. l Discret? Oui. l Agent unique? Oui – La seule action du wumpus est de nous « bouffer » si on atteint sa chambre. IFT615© Éric Beaudry29

30 Exploration du monde des wumpus IFT615© Éric Beaudry30

31 Exploration du monde des wumpus IFT615© Éric Beaudry31

32 Exploration du monde des wumpus IFT61532© Éric Beaudry

33 Exploration du monde des wumpus IFT615© Éric Beaudry33

34 Exploration du monde des wumpus IFT615© Éric Beaudry34

35 Exploration du monde des wumpus IFT615© Éric Beaudry35

36 Exploration du monde des wumpus IFT615© Éric Beaudry36

37 Exploration du monde des wumpus IFT615© Éric Beaudry37

38 Prochain cours Voir le plan de cours IFT615© Éric Beaudry38


Télécharger ppt "IFT 615 – Intelligence artificielle Agents intelligents Éric Beaudry Département dinformatique Université de Sherbrooke"

Présentations similaires


Annonces Google