Une introduction à l intelligence artificielle Jean-Paul Haton Institut Universitaire de France LORIA/INRIA- Université de Lorraine Séminaire Espé DANE 13 janvier 2016 1 Plan de l exposé 2
the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it. 3 Définition de l intelligence artificielle Question to John Mac Carthy. : What is artificial intelligence? It is the science and engineering of making intelligent machines, especially intelligent computer programs. It is related to the similar task of using computers to understand human intelligence, but AI does not have to confine itself to methods that are biologically observable 4
L'Intelligence Artificielle (IA) Une branche de l informatique. Une science : des concepts, des théories, des chercheurs. Une technique : des outils, des produits et des réalisations, des ingénieurs. Un domaine pluridisciplinaire. 5 Jeux : dames, échecs. Réalisations Diagnostic : médical, spatial, industriel. Contrôle flou : véhicules, caméras, etc. Aide à la décision : banques, assurances, conduite de procédés, médecine, domaine militaire. Reconnaissance de la parole : dictée vocale, télématique. Traitement de la langue écrite : compréhension, traduction. Lecture optique. Interprétation de signaux : surveillance, conduite. Traitement d images et vision : inspection, imagerie médicale. Robotique 6
La machine qui joue A moi A mon adversaire A mon adversaire A moi A moi A moi A moi A mon adversaire A mon adversaire A mon adversaire A mon adversaire A mon adversaire A mon adversaire Youpee, je gagne! Mes chances sont fortes... Je prends un risque mais je suis ma stratégie Aïe, je perds! 7 Kasparov vs Deep Blue : 1997 Défi : le jeu de Go 8
Loi de Moore. 9 I propose to consider the question, «Can machines think?» 10
Le test de Turing 11 Les approches de l intelligence artificielle Making a mind McCarthy - Minsky - Newell IA symbolique Modelling the brain McCulloch - Pitts - Rosenblatt IA connexionniste «Systèmes à bases de connaissances» Modèles statistiques 90's Convergence (Modèles hybrides) «Réseaux neuronaux» 12
Les grands modèles Connaissances symboliques Réseaux neuronaux Modèles statistiques 13 Intelligence et connaissances Représentation des connaissances : Règles / Objets / Ontologies / (cf. Cyc) et raisonnements associés Moteurs de recherche, Web sémantique Systèmes de questions - réponses : True Knowledge, Watson, TextRunner, Quaero 14
Watson 15 Intelligence et connaissances Représentation des connaissances : Règles / Objets / Ontologies / (cf. Cyc) et raisonnements associés Moteurs de recherche, Web sémantique Systèmes de questions - réponses : True Knowledge, Watson, TextRunner, Quaero Défi : «Watson» dans sa poche 16
Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique Médecine et santé Education : MOOC 17 Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique Médecine et santé Education : MOOC 18
Aide à la conduite de procédés Analyse des données Interprétation de l état courant Choix des actions Elaboration d un diagnostic Exemple : SACHEM (Sollac) 19 SACHEM : aide à la conduite d un haut-fourneau 20
Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique Médecine et santé Education : MOOC 21 Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique Médecine et santé Education : MOOC 22
Recherche en largeur dans des graphes 23 Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique Médecine et santé Education : MOOC 24
Reconnaissance de la parole Principe : modéliser les unités verbales (mots, phonèmes) essentiellement à l aide de modèles statistiques Apprentissage : à partir d énormes quantités de parole Évolution scientifique et technologique : de l ordinateur (1974)...... au téléphone portable (2004)! Défi : traduction parole-parole 25 Capitaliser, diffuser, exploiter les connaissances Fouille de données («Big Data») Conduite de procédés et mémoires d entreprise Web sémantique Réseaux sociaux : Facebook, FOAF et al. La voie statistique et neuronale! Médecine et santé Education : MOOC 26
Le neurone biologique... 27... et le neurone formel (Mc Culloch et Pitts, 1943) 28
Les modèles neuromimétiques Apprentissage supervisé: le perceptron multi-couches - à partir d exemples - correction du modèle par rétropropagation de l erreur (ou autres lois : cf. Hebb) Exemple de perceptron : sidérurgie 29 Applications des réseaux neuromimétiques Conduite de procédés industriels Exemple : réglage du laminoir SKINPASS de SOLLAC 30
Contrôle du Skin-Pass par perceptron 31 Les modèles neuromimétiques Apprentissage supervisé: le perceptron multi-couches - à partir d exemples - correction du modèle par rétropropagation de l erreur (ou autres lois : cf. Hebb) Extension récente : apprentissage profond semisupervisé (Hinton, Le Cun) et Big Data! 32
Santé «numérique» Aide au diagnostic Action thérapeutique guidée Chirurgie guidée Télémédecine Assistance à la vie autonome 33 Santé «numérique» Aide au diagnostic Action thérapeutique guidée Chirurgie guidée Télémédecine Assistance à la vie autonome 34
Aide à la radiothérapie : le système CAV-CAV 35 Assistance à la vie autonome Télésurveillance (Diatélic) 36
Diatélic : suivi d un patient patient médecin RTC RTC/Internet fiches journalières réception de messages base de données alertes suivi des malades envoi de messages système expert 37 Télésurveillance (Diatélic) Assistance à la vie autonome Sols «intelligents» et connectés : détection de chutes, déclenchement d alarmes Robots assistants Très utiles mais : - respect de la dignité, - droit à la tranquillité, - protection de la vie privée et de l anonymat Robot PR2 du LAAS 38
Santé «numérique» Aide au diagnostic Action thérapeutique guidée Chirurgie guidée Assistance à la vie autonome Défi : réaliser tout cela! 39 Les robots industriels Robotique Billancourt 1962 R4 Palencia (Castille) 2011 Mégane 40
Robotique Robots industriels Robots collaborateurs : - Cobot : industrie (cf. Airbus), chirurgie - Robot commandé par la pensée Robots mobiles : - Planification d actions - Prise de décision 41 Robotique mobile Apprentissage de comportements Fusion de données de capteurs Planification (trajectoires, missions) Applications : o Jeux, compagnons o Intervention, sauvetage o Industrie o Tourisme (Cycab) o Médecine o Humanoïdes o Assistance à la conduite Défi : exploration de planètes 42 Gaston
Robots humanoïdes Kirobo Asimo de Honda Nao de Aldebaran Défi : Une équipe de robots championne du monde de football en 2050 Romeo de Aldebaran Pepper de Aldebaran 43 Véhicules autonomes : «Google car» 44
45 Trois composantes -Cartes Google : base de données d informations sur la route 46
47 Trois composantes -Cartes Google : base de données d informations sur la route - Capteurs : caméra vidéo, capteurs de distance (4 radars, lidar), estimateurs de position (sur la roue G), GPS très précis (20 cm) 48
Google car 50
Trois composantes -Cartes Google : base de données d informations sur la route - Capteurs : caméra vidéo, capteurs de distance (radar, lidar), estimateurs de position (sur les roues), GPS très précis - Intelligence artificielle : prises de décision 51 Intelligence artificielle But de l agent conducteur : amener le passager à sa destination de façon sûre et «légale» Décisions prises : - niveau d accélération - instant de ralentissement et d arrêt - instant de virage 52
IA et éthique - Questions déjà abordées pour l infoéthique : http://www.cnrs.fr/fr/organisme/ethique/comets/docs/rapportcomets091112.pdf - Aspects spécifiques nouveaux : - nuisance des systèmes d IA (cf. lois d Asimov pour les robots) - statut moral des machines - propriétés requises du fait du rôle social potentiel de systèmes d IA : prédictabilité, transparence à l inspection - systèmes à intelligence surhumaine : implique des comportements «suréthiques» Défi : une éthique de l IA 53 Conclusion L IA a permis d étendre le champ de l informatique Mise au service de l homme de la puissance de l ordinateur d une façon intelligente pour : résoudre des problèmes longs ou compliqués faciliter la communication et faire partager un savoir aider l être humain «intelligemment»! L IA est entrée dans la vie économique...... mais la recherche continue : connaissance, apprentissage, Internet des objets, etc. Aspects éthiques, emploi 54
55 Merci pour votre attention! 56