IFT 615 – Intelligence Artificielle Introduction Froduald Kabanza Département d’informatique Université de Sherbrooke planiart.usherbrooke.ca/kabanza/cours/ift615

Objectifs de l’Intelligence Artificielle Créer des systèmes (logiciels ou machines) intelligents Pensent/réfléchissent/raisonnent comme des humains et/ou Pensent/réfléchissent/raisonnent rationnellement et/ou Se comportent/agissent/réagissent comme les humains et/ou Se comportent/agissent/réagissent rationnellement Le domaine de l’IA est influencé par plusieurs disciplines : informatique, génie (comment programmer et implanter l’IA?) mathématiques, statistique (limites théoriques de l’IA?) neurosciences (comment le cerveau fonctionne?) psychologie cognitive (comment l’humain réfléchit?) économie, théorie de la décision (comment prendre une décision rationnelle?) linguistique (quelle est la relation entre le langage et la pensée?) philosophie (quel est le lien entre le cerveau et l’esprit?) penser/agir comme des humains vs rationnellement test d’attention : http ://www.youtube.com/watch?v=vJG698U2Mvo IFT 615 Froduald Kabanza

Comment savoir si une machine est intelligente? Test de Turing : un interrogateur humain pose des questions écrites à une machine et à une personne, les deux cachées par un rideau si l’interrogateur ne peut distinguer les réponses données par la machine de celles données par la personne, alors la machine est intelligente Pour réussir le test, le système a besoin des capacités suivantes : traitement du langage naturel représentation des connaissances raisonnement apprentissage Le test de Turing complet permet les interactions physiques entre l’interrogateur et la machine, ce qui ajoute les capacités de : perception (pour le test complet) robotique Chacune de ces capacités correspond à une sous-discipline de l’IA test de Turing donne une définition opérationnelle de l’intelligence c’est surtout un test qui s’intéresse à la capacité à “penser” sans être d’accord avec la définition, passer le test serait déjà un pas important une “faiblesse” du test : les humains font des erreurs... si la machine n’en fait pas, est-elle moins intelligente à cause de ça? test de Turing complet (total) ajoute un aspect “physique” au test : signal video + possibilité pour l’interrogateur de passer des objets aux sujets IFT 615 Froduald Kabanza

Questionnement de l’Intelligence Artificielle Questionnements « théoriques » de l’IA peut-on créer un système aussi intelligent qu’un humain? peut-on créer un système aussi intelligent qu’une abeille? peut-on créer un système évolutif, qui communique, s’auto-améliore, apprend, planifie, a des émotions, …. Questionnements « algorithmiques » de l’IA pour une banque donnée, peut-on épargner 50 millions de $ par année grâce à un système de détection de fraude? peut-on sauver 50 millions de $ par un système de reconnaissance de formes amélioré? peut-on sauver 5 millions de $ par année par un système de reconfiguration du robot automatique? peut-on faire un jeu vidéo avec des personnages plus «intelligents » que la version 1.0? quels sont les prérequis en terme de puissance calculatoire? IFT 615 Froduald Kabanza

Perspective historique de l’IA http://en.wikipedia.org/wiki/Dartmouth_Conferences: The Dartmouth Summer Research Project on Artificial Intelligence was the name of a 1956 undertaking now considered the seminal event forartificial intelligence as a field. Organised by John McCarthy (then at Dartmouth College) and formally proposed by McCarthy, Marvin Minsky, Nathaniel Rochester and Claude Shannon, the proposal is credited with introducing the term 'artificial intelligence'. “The proposal [for the meeting] is to proceed on the basis of the conjecture that every aspect of . . . intelligence can in principle be so precisely described that a machine can be made to simulate it” IFT615 © Froduald Kabanza

Perspective historique de l’IA De 1956 jusqu’au milieu des années 1980, les recherches en IA sont dominées par des approches à base de connaissances (knowledge based). Critique : L’IA conventionnelle [knowledge based] n’est qu’une « application de règles », mais l’intelligence [humaine] ne l’est pas (Haugeland) Dès les années 1980, les approches comportementales (behaviour based ou situated AI) deviennent populaire. Leitmotiv : La représentation des connaissances n’est pas nécessaire, elle est même nuisible (Brooks) Dès les années 1990, les approches connectionistes et probabilistes reprennent de la vigueur (Neural Networks / Parallel Distributed Computing) Leitmotiv : L’inférence nécessaire [pour l’IA] est probabiliste, mais pas logique. Ces critiques paraissaient fondées à l’époque; elles le sont moins maintenant. IFT615 © Froduald Kabanza

L’IA aujourd’hui Les récentes publications dans AIJ, JAIR, AAAI et IJCAI contiennent des articles sur: Recherche heuristique et planification Satisfaction de contraintes Planification probabiliste Systèmes multiagents Raisonnement probabiliste Inférence logique Apprentissage automatique Game AI Vision Robotique Traitement du langage naturel Les théories et algorithmes sous-jacents à tous ces sujets seront introduits à part les trois derniers. IFT615 © Froduald Kabanza

Exemples d’applications Intelligence artificielle dans les jeux premier programme à battre un champion mondial d’échec (Garry Kasparov) (gagne une partie en 1996, gagne une série de 6 partie en 1997) pouvait prévoir entre 6 et 20 mouvements de suite Kasparov a dit qu’il avait senti une « nouvelle sorte d’intelligence » chez son adversaire on peut considérer que l’ordinateur est maintenant le champion du monde aux échecs... Deep Blue IBM IFT 615 Froduald Kabanza

Exemples d’applications Planification de trajectoires pour un corps articulé, avec évitement d’obstacles Motion Planning Kit (MPK) Jean-Claude Latombe et Mitul Saha, Stanford University IFT 615 Froduald Kabanza

Exemples d’applications Planification de trajectoires pour un corps articulé, avec évitement d’obstacles - planification à partir d’objectifs haut niveau venant de la terre, puis détection, diagnostic et réparations de problèmes dans les opérations Bras-robot canadien Station de contrôle IFT 615 Froduald Kabanza

Exemples d’applications Reconnaissance de caractères écrits fin 1990, début 2000, un tel système lisait 10% de tous les chèque encaissés aux USA LeNet 5 Yann LeCun, Léon Bottou, Yoshua Bengio et Patrick Haffner, AT&T Labs-Research IFT 615 Froduald Kabanza

Exemples d’applications Robot humanoïde Un tel robot pourrait par Exemples aider les personnes âgées : En leur rappelant des tâches importantes (ex., prendre des médicaments) En transportant des objets pour eux (ex., du café) En les accompagnants (ex., à la salle de bain) En surveillant que tout se passe bien (ex., accidents) pour appeler de l’aide au besoin La conception d’un tel robot pose des défis matériels (capteurs, actuateurs, ordinateurs de bord) et logiciels pour coder l’intelligence artificielle du robot afin qu’il puisse : Raisonner, prendre des décisions rationnelles et agir. Cela comprend : Planifier et exécuter des tâches, se déplacer, communiquer, percevoir ASIMO Honda IFT 615 Froduald Kabanza

Exemples d’applications Voiture avec conduite automatique Google Car Sebastian Thrun, Stanford University/Google IFT 615 Froduald Kabanza

Autres exxemples d’applications IA dans les jeux Et plusieurs autres : détection de pourriels planification de transports (marchandise, personnes) traduction automatique robots ménagers (Roomba) reconnaissance de la parole détection de visage recommandation de produits (films, musique, etc.) etc. Ceci est le résultat de près de 60 ans de recherche lecture suggérée : section 1.3 du livre du cours entre 80% et 90% des courriels seraient des spams! rec. parole : système vocal automatique détection de visage : caméra, cellulaire parler des projets informatique IFT 615 Froduald Kabanza

Objectifs du cours Taxomomie de Bloom Dans le cours IFT 615 IFT 615 Froduald Kabanza

Objectifs du cours Acquérir une connaissance générale de l’IA (les différents domaines, quelques problèmes dans chaque domaine, différentes méthodes et quelques applications typiques) Comment? Introduction des différents axes de recherche 4 Projets de programmation: Le cours IFT615 couvre les méthodes et les outils fondamentaux sur lesquelles reposent la plupart des techniques actuelles pour programmer des logiciels dotées d’une certaine forme d’IA. Sur le plan théorique, nous verrons les forces et les faiblesses de différentes méthodes par rapport aux applications et en comparaison avec l’intelligence qu’elles visent à codifier. Sur le plan pratique, les étudiants vont programmer une application simple, au choix, lors d’un projet d’équipe. © Froduald Kabanza IFT615

Objectifs du cours Algorithmes et concepts recherche heuristique recherche locale recherche à deux adversaires satisfaction de contraintes raisonnement logique raisonnement probabiliste processus de décision markovien apprentissage automatique apprentissage par renforcement Algorithmes et concepts agents intelligents IFT 615 Froduald Kabanza

Plan de cours Link © Froduald Kabanza IFT615

Prochain cours Agents intelligents Recherche heuristique © Froduald Kabanza IFT615