L ’ Intelligence Artificielle

Présentation au sujet: "L ’ Intelligence Artificielle"— Transcription de la présentation:

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

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

3 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

4 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

5 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.

6 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

7 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

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

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

10 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

11 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

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

13 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

14 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.

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

16 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

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

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

19 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

20 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

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

22 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

23 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

24 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

25 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

26 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

27 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

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

29 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

30 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

31 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

32 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

33 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

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

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

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

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

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

39 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

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

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

42 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

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

44 Intelligence Artificielle Références
Web 07/04/2019 Intelligence Artificielle