L ’ Intelligence Artificielle Conférence L ’ Intelligence Artificielle Taalabi M. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Historique Définition Paradigmes Systèmes experts Concevoir un système expert Système à Inférence floue Applications Conclusion 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Historique Naissance de la discipline: Réunion des années 50 Objectif: étude des idées qui permettent aux applications sur calculateurs d ’être intelligents. Double Audience: Sciences exactes:Scientifiques, Ingénieurs….et Sciences Humaines: Psychologues, philosophes …. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle ‘ Définition ’ Application Intelligente ? Capable de raisonner Capable d ’acquérir et d ’appliquer des connaissances Capable de manipuler des objets en temps réel 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Utilité d ’une application intelligente 07/04/2019 Intelligence Artificielle Utilité d ’une application intelligente Quantifier la connaissance Développement incrémental de la connaissance Force une théorie à être plus précise, pour l ’implanter sur calculateur Ressources rares 07/04/2019 Intelligence Artificielle Taalabi M.

Intelligence Artificielle Domaines d ’Application Domaines historiques: Jeux, Robotique, Médecine Domaines actuels: Business, Engineering, Médecine, Robotique (Mines, Espace..), Agriculture, Contrôle et supervision de procédés, systèmes d ’aide au pilotage... 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Cas des systèmes dédiés Système dédié? Exemples: portable, machine à laver, suspension intelligente d ’une voiture, robot mobile.. Algorithmes intelligents pour systèmes dédiés: systèmes experts, contrôleurs flous (fuzzy controllers)... 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Évaluation Domaine bien délimité? Existence d ’une procédure Existence de contraintes 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Paradigmes Exemples Divide & Conquer, Rule Based approach, Describe & Match 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Paradigme: ’Rule Based approach ’ Paradigme le plus populaire Est à la base des systèmes experts, ou Systèmes à base de connaissances. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Intelligence Artificielle ‘ Rule Based approach’ Approche non déductive Selon cette approche, un problème est formulé: État initial État désiré Ensemble de procédures qui permettent la transition entre états Exemple: actes de la vie courante 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Arbre de recherche Espace de recherche: structure arborescente État initial Un arc représente une procédure : État désiré 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Arbre de recherche Une procédure sera une règle de la forme: Règle i: Si <conditions> Alors <Actions> Avantage: Granularité Flexibilité 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Architecture d ’un système expert 07/04/2019 Intelligence Artificielle Architecture d ’un système expert Moteur d ’inférence Faits Règles 07/04/2019 Intelligence Artificielle Taalabi M.

Intelligence Artificielle Architecture d ’un système expert Faits: État initial, état désiré, Règles: Base de connaissances Moteur d ’inférence 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Algorithme 1- Observer les faits 2- Repérer les règles applicables 3- Choisir une règle et l ’appliquer Nouvelle base de faits 4- État désiré atteint ? Si oui ……fin Si non ……retour à 1- 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Algorithme Résolution de conflit Trace de raisonnement 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Avantage Granularité Facilité de mise à jour Perfectionnement des connaissances 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Connaissances vs. Recherche Exemple: se rendre à la poste L ’importance des connaissances Le Knowledge Engineer Connaissances Académiques et Connaissances Heuristiques 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Concevoir un système expert Sélection du domaine Sélection de l ’outil de développement Acquisition de connaissances Prototype: tests et re-design 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Concevoir un système expert Système final Déploiement Formation Mise à jour des connaissances 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Concevoir un système expert Outils de développement Langages de programmation LISP Constructeurs de systèmes experts: G2 de Gensym, OPS, TDC3000Expert ... 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Heuristiques Efficacité des systèmes experts: dépend de la qualité des connaissances Surtout les connaissances dues à une longue expérience…Heuristiques Heuristiques: connaissances linguistiques, langage courant, incertaines difficiles à formaliser mathématiquement 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Logique Classique: Vrai ou Faux Logique floue: degré de vraisemblance Exemple: Taille d ’un être humain m 1 Taille grande taille 1.40 1.70 2.00 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Taille : variable scalaire ‘ Taille grande ’: variable linguistique Autres variables linguistiques pour Taille: ‘ Taille petite ’, ‘ Taille moyenne ’ …. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Connecteurs logiques flous: ET, OU ... Exemple: ‘ taille grande ’ ET ‘ poids moyen ’ Fonction d ’appartenance : Min, produit, .. grande moyen 0.75 0.7 poids taille 1.65 65 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Systèmes à inférence floue Fuzzy Inference System (FIS) Objectif: représenter les heuristiques, et les utiliser pour résoudre des Problèmes dans un domaine bien déterminé. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Architecture des FIS Inférence Réel Flou Sorties Entrées Règles Floues Flou Réel 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Cas d ’une machine à laver Objectif: durée de lavage? Entrées: degré de saleté, type de saleté Sorties: durée de lavage 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Fuzzification Fuzzifier les entrées: ‘ degré de saleté ’ et ‘ type de saleté ’ Trois variables linguistiques pour chaque entrée: ‘faible ’, ‘ moyen ’ et ‘ grand ’. m m faible moyen grand moyen grand 1 faible 1 Degré de saleté Type de saleté 50 100 50 100 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Sous ensembles flous de la sortie ‘ Durée de lavage ’: Très courte, courte, moyenne, longue et très longue m Très longue Très courte courte moyenne longue 1 Durée de lavage en minutes 10 30 60 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Base de règles Exemple de règles: Si   grand degré de saleté ET Type de saleté gras  Alors durée de lavage très longue 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Système Expert Flou Cycle d ’Inférence . Capter le degré de saleté et le type de saleté . Fuzzifier le ‘ degré de saleté ’----> variables linguistiques . Fuzzifier le ‘ type de saleté ’ -----> variables linguistiques . Repérer les règles applicables . Combiner les conséquence des règles applicables pour déduire la valeur de la durée de lavage 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Principaux champs Contrôle Aide à la décision Planification 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Vision par ordinateur Reconnaissance de formes Camera: Autofocus automatique 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Climatisation Machine à laver: Temps de lavage automatique Fonctionnalités Intelligentes dans une voiture: Suspension automatique Injections... 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Supervision Diagnostique Maintenance 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Entraînement au pilotage Planification de missions Navigation d ’un robot mobile 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Applications Bases de données: SGBDR Environnement: Traitement des eaux usées Analyse des données et aide à la décision Système de gestion de santé (Health Management System) cas de OMRON 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Conclusion Tendances actuelles Complexité des applications Approche évolutive: Algorithmes génétiques, optimisation multi-critères Réseaux de neurones 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Conclusion Autre aspect de l ’Intelligence: L ’Intelligence Emotionelle: application au management. 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Références Livres Winston P. H. ‘ Artificial Intelligence ’, Addison-Wesley 1984 David S. Prerau ‘  Developing and managing Axpert Systems ’ Addison-Wesley 1990 Elbert A. Walker ‘ A first course in fuzzy logic ’ Chapman & Hall / CRC 2000 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Références Thomas Dean, James Allen, Yiannis Aloimonos ‘ Artificial Intelligence: Theory and Practice ’ Amazon.com 2002 J. Yen, R. Langari, L. A. Zadeh ‘ Industrial Applications of fuzzy logic and intelligent systems ’ IEEE Press 1995 07/04/2019 Intelligence Artificielle

Intelligence Artificielle Références Web www.gensym.com www.fuzzytech.com www.aptronix.com 07/04/2019 Intelligence Artificielle