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

Intelligence artificielle Selon « One Hundred Year Study on Artificial Intelligence (AI100) » https://ai100.stanford.edu/ L’intelligence artificielle est à la fois une science et un ensemble de technologies inspirées—mais typiquement opérant différemment– de la façon dont les humains utilisent leur cerveau et leur corps pour percevoir/sentir, apprendre, raisonner et agir. IFT 615 Froduald Kabanza

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

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 deviennent populaire (behaviour based ou situated AI). Leitmotiv : La représentation des connaissances n’est pas nécessaire, elle est même nuisible (Brooks) Dès les années 1990, les approches probabilistes deviennent populaire (Markov decision processes, Hidden Markov Models, Bayesian networks) Leitmotiv : L’inférence nécessaire [pour l’IA] est probabiliste, mais pas logique. Aujourd’hui, les approches connexionnistes Leitmotiv : Orienté-données, mieux représentatifs de la réalité du domaine d’application. IFT615 © Froduald Kabanza

L’IA aujourd’hui Reconnaissance d’images Assistants virtuels https://readwrite.com/2017/06/01/facial-recognition-tech-privacy-dl1/ Assistants virtuels IFT608/IFT702 © Froduald Kabanza

L’IA aujourd’hui Robots autonomes IA des jeux Voitures sans pilote Honda.com IA des jeux Blizzard Entgeraintnemt Voitures sans pilote The Telegraph IFT608/IFT702 © Froduald Kabanza

L’IA dans IFT615 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 de base et quelques applications typiques) Comment? Introduction des différents axes de recherche 5 projets de programmation sur Pacman: 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 auront 5 projets de programmation sur Pacman © 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