Intelligence Artificielle & systèmes experts

Présentation au sujet: "Intelligence Artificielle & systèmes experts"— Transcription de la présentation:

1 Intelligence Artificielle & systèmes experts
Réalisé par : - Khadija El Boussiry - Jihane Idrissi Janati Année universitaire:

2 Plan Introduction Deuxième partie: Troisième partie: Conclusion
Première partie: Historique de l’intelligence artificielle Qu’est ce que l’IA ? Les grands domaines de l’IA Deuxième partie: Généralités et historique du système expert Compositions d’un Système expert Avantages et limites des systèmes experts Troisième partie: L’intelligence artificielle et la robotique L’intelligence artificielle dans la gestion des affaires Qu’est ce que l’IA concrètement. Conclusion

3 Introduction Dire d'un outil qu'il est intelligent revient à dire qu'il reçoit de l'information, la traite et peut la rappeler le moment opportun. Le concept d'intelligence artificielle n'est pas nouveau. Les grecs avaient Héphaïstos, dieu mi-humain et mi artificiel et le Golem des juifs était un automate.

4 Intelligence artificielle
Neurophysique Les automates Héphaïstos (Grèce) Golem (Tradition Juive) Les jeux d ’échecs Philosophie Intelligence artificielle Cybernétique Science-fiction Psychologie Informatique Logique de Turing Psycho- linguistique

5 Premiere partie:

6 Historique de l’intelligence artificielle
Jalons dans l'histoire de l'IA 1952 à 1969 : période euphorique, on annonce le remplacement des experts humains par des systèmes experts, compréhension du langage naturel 1966 à 1974 : on comprend la difficulté de la tache le remplacement des experts humains par des systèmes experts : échec, raisonnement ok, manque de connaissance, goulot d'étranglement de l'IA compréhension du langage naturel : échec, trop difficile, impossible ? 1988 à 1993, hiver de l'IA : ralentissement des recherches en IA à cause des promesses non tenues

7 Qu’est ce que l’Intelligence artificielle ?
Quatre types de définitions de l’IA

8 L'Intelligence Artificielle (IA) est la science dont le but est de faire par une machine des tâches que l'homme accomplit en utilisant son intelligence. La terminologie - malheureuse! -d'Intelligence Artificielle est apparue en On peut lui préférer celle d'Informatique Heuristique. Exemples : Jeu d'échecs Résumer un texte ou le traduire; Reconnaître des lettres manuscrites, par exemple TAON ou THON; Faire des mathématiques; Faire un diagnostic (médical, de panne, ...).

9 Les grands domaines de l’IA
Reconnaissances et système de parole Ex : réservation d’hôtel, annuaire téléphonique Reconnaissance et système d’image Ex : effets spéciaux au cinéma, vidéo-surveillance Reconnaissance de l’écriture Ex: reconnaissances chèques, codes postaux Langage naturel Ex: interfaces, text mining, web mining Planification Aide de la décision Ex :contrôle de trajectoire du satellite voyager

10 Aide à la programmation
Ex :agent d’interface apprentissage/adaptation Ex : construction de systèmes experts, classification automatique de galaxie, contrôleurs de robots Jeux Ex : Échecs, Checkers, Othello( champion), Backgammon, Médecine Ex : aide à la décision (système expert), prédiction de patients à risques, analyse automatique d’images médicales

11 Deuxième partie:

12 Généralités sur le système expert
Un système expert est un programme capable d’explorer une expertise dans un domaine particulier. Cette expertise rassemble non seulement des connaissances directement liées à ce domaine mais également des capacités de raisonnement acquises par les spécialistes au cours de leur activité (les stratégies). Traditionnellement, un système expert se compose d’une base de connaissances, d’un moteur d’inférences et de différentes interfaces qui lui permettent de communiquer avec son environnement. La base de connaissances est élaborée à partir de l’expertise d’un spécialiste. L’expertise elle-même s’obtient au cours d’un processus cognitif généralement long et encore mal connu de nos jours. C’est certainement à ce niveau que l’on peut situer la phase de création du savoir

13 Historique : MYCIN (entre 1972 et 1974 ) DENDRAL (1969 )
Les premiers systèmes experts voient le jour aux USA dans les années 1970. Ils ont eu leur heure de gloire dans les années Le projet SACHEM, opérationnel dans les années 1990, est l'un des derniers projets « système expert » issu de la recherche à avoir vu le jour. Aujourd'hui, de multiples petits systèmes experts sont opérationnels dans l'industrie et dans les services sans qu'on en parle. MYCIN (entre 1972 et 1974 ) qui manipulait de l'expertise dans le domaine médical, est l'un des plus connus. DENDRAL (1969 ) chimie, recherche la formule développée d'un corps organique à partir de la formule brute et du spectrogramme de masse du corps considéré. PROSPECTOR (1978 ) géologie, aide le géologue à évaluer l'intérêt d'un site en vue d'une prospection minière. (1600 règles)

14 COMPOSITION DU SYSTEME EXPERT :

15 Le rôle du cogniticien est de soutirer leurs connaissances aux experts du domaine et de traduire ces connaissances dans un formalisme se prêtant à un traitement automatique, c'est-à-dire en règles.

16 Un système expert est composé de deux parties indépendantes :
La première partie c’ est une base de connaissances elle-même composée d'une base de règles1 qui modélise la connaissance du domaine considéré et d'une base de faits2 qui contient les informations concernant le cas que l'on est en train de traiter.

17 1 2 Il élabore la solution en choisissant les règles de production et leur séquence d'utilisation. Quand le système met en jeu des procédures de logique classique, les raisonnements peuvent se fonder sur des faits connus (on parle de "chaînages avant"): on peut, par exemple, déduire de l'étude des caractéristiques d'un animal sa place dans une classification; les raisonnements peuvent aussi être régressifs (on parle alors de "chaînages arrière"): on pose une hypothèse d'identification de l'animal, et l'on vérifie que des indices la confirment. Cette dernière approche suppose une hiérarchie dans l'application des règles, définie par des métarègles (des règles de règles), exprimées sous forme d'inférences "si..., alors...". 1:Base qui capitalise les règles à respecté pour le bon fonctionnement du programme. 2:Elle est l'élément capital, car elle contient la représentation des connaissances de l'expert et la description d'heuristiques utiles.

18 La deuxième partie est un moteur d'inférences capable de raisonner à partir des informations contenues dans la base de connaissance, de faire des déductions, etc.

19 Les types de moteurs d’inférence
chaînages avant : Le moteur part des faits et règles de la base de connaissance, et tentent de s'approcher des faits recherchés par le problème. Chaînages arrière : Le moteur parte des faits du problème, et tentent par l'intermédiaire des règles, de « remonter » à des faits connus.

20 Avantages et limites des systèmes experts
Meilleur que les experts humains Préservation de l ’expertise d ’une personne Limites Problèmes: entretien, coût, spécialisation, capacité d ’apprendre Gestionnaires ont été déçus par les résultats obtenus Certaines tâches vont probablement toujours leur échapper

21 Troisième partie:

22 L’intelligence artificielle et la robotique
La robotique n'est pas forcément de l'IA. Elle peut en être par l'aspect Reconnaissance des formes et Résolution de problèmes. Il peut être nécessaire de faire face à des situations imprévues. Quelques applications sont particulièrement utiles : Travaux dangereux, Réparations dans les centrales nucléaires ou dans l'espace.

23 Qu’est ce qu’un robot? Une entité placée dans un certain environnement et qui: est capable d’interagir avec cet environnement (agir et percevoir) est capable d’autonomie (la perception induit des actions) 1er cas: Robot physique => doté de capteurs et d’actuateurs 2ème cas: Robot virtuel (sur Internet) => doté d’entrées et de sorties

24 Des Robots pour quoi faire?
SE DEPLACER TRAVAILLER SAUVER / TUER EXPLORER JOUER / AIDER ETUDIER

25 Grands courants de la Robotique:
Industrielle: Chaînes de montages, etc... Évolutionniste: Hexapode qui apprend à marcher par algorithme génétique Inspiration Biologique: Courant « Animats » (rats, chiens, …) Réactive: Rodney Brooks (insectes) Multi-agents: Colonies de fourmis , robots araignées Micro-drônes: Robotique militaire, robots volants autonomes Emotionnelle: robots de compagnie et d’entertainment: Développementale: Talking Heads (Sony)

26

27 L ’intelligence artificielle « Dans la gestion des affaires »
Intelligence artificielle, systèmes experts et l’humain comme système de traitement de l’information

28 Attributs d ’un comportement intelligent
Penser et raisonner. Utiliser le raisonnement pour résoudre des problèmes. Acquérir des connaissances et les mettre en application. Apprendre et comprendre à partir de l'expérience. Faire preuve de créativité et d'imagination. Faire face à des situations complexes et confuses. Réagir rapidement de façon appropriée à de nouvelles situations. Reconnaître le degré d'importance des divers aspects d'une situation. Traiter efficacement les données ambiguës, incomplètes ou erronées.

29 L ’humain comme processeur d ’information
Il sait: chercher les données utiles filtrer les données disponibles établir une représentation de son environnement transmettre une réponse à l'environnement Il est soumis aux difficultés liées: à la surcharge d'information aux erreurs de filtrage aux problèmes de distorsion Il dispose d'une capacité limitée: ce qui engendre une rationalité limitée

30 Le système humain de traitement de l ’information
Processus cognitifs: concepts, analogies métaphores Inférences intuitif, instinctif et subjectif Modèle de Newell et Simon: Système sensoriel et effecteurs physique Mémoires à court terme et à long terme Filtrage, modèles de sélection et limites cognitives Style cognitif

31 Théorie de l ’information et problèmes de communication
Niveau technique Le message se rend-il? Réduction de l'incertitude Redondance Niveau sémantique Le message est-il compris? Améliorer la transmission Contrôle et distribution: retarder, filtrer, biaiser, transmettre l'interprétation Niveau pratique (efficacité) Le message a-t-il un effet? Changement de comportement Utilité, comme les 4 P du marketing Satisfaction Erreurs et biais Redondance Effet sur l ’aspect technique: bit de parité, émission en double, etc. assurent que s ’est le bon message qui s ’est rendu Effet sur l ’aspect sémantique: plus de chance que le message soit compris correctement s ’il est présenté de différentes façons Autres facteurs Utiliser les graphiques pour mieux faire comprendre Attention aux déformations dues aux échelles et aux mauvaises utilisations

32 Qu’est ce que l’IA concrètement ?
Rechercher (analyser, résoudre des problèmes, trouver des méthodes de résolution) Représenter des connaissances (logique, règles, mémoire, cas, langue naturelle, etc.) Mettre en application les idées 1) et 2) (Systèmes Experts, pilotes automatiques, agents d’interfaces, robots, Data Mining, etc.)

33 Conclusion Aujourd’hui l’IA est partout sans que l’on s’en rende compte ou préoccupe. Rôle de plus en plus important dans la conception, les interfaces, internet, les robots, ... Une meilleure intégration de l'IA dans les applications informatiques Une démarche génie logiciel n ’est pas toujours facile. Des environnements: JAVA, Prolog, Smalltalk, etc. Évolution de l'IA intelligence Artificielle vers l'IA informatique avancée

34 Merci pour votre attention