Moi

1
Moi

• Chercheur au LIP6 dans léquipe LOFTI du thème
  APA du pôle IA
• Logique floue, apprentissage automatique,
  extraction de connaissances
• Maria.Rifqi_at_lip6.fr
• webia.lip6.fr/rifqi

2
IA et Extraction de Connaissances

• Cours 13 semaines
• Lundi 16h-18h
• TD 13 semaines
• 2 TD le Mercredi 15h40-18h45 (moi et
  Jean-François Omhover)

3
Planning

• Logique
• Apprentissage automatique
• Arbres de décision / Extraction de connaissances
• Règles dassociation
• Clustering
• Réseaux de neurones
• Raisonnement à partir de cas

4
Problèmes difficiles

• Comment interpréter les symptômes de mon patient
  ?
• Ma voiture ne démarre pas, comment dois-je
  procéder ?
• Est-ce le moment de vendre mes actions EuroTunnel
  ?
• Une OPA contre la Société Générale peut-elle
  réussir ?
• Dois-je protéger ma tour ou bien prendre son
  cavalier ?
• À quelle heure dois-je me lever pour être en
  cours à 9h30 ?
• Comment caser ces bagages dans le coffre de ma
  voiture ?
• Puis-je encore optimiser mon emploi du temps ?
• Est-ce que cet étudiant peut faire un bon D.E.A.
  ?
• Puis-je écrire un résumé de 100 lignes de cet
  article ?
• La traduction de ce poème est-elle bonne ?

5
Ils ont dit

• " ... the science of making machines do things
  that would require intelligence if done by
  humans" - Marvin Minsky
• "AI is the part of computer science
  concerned with designing intelligent computer
  systems" -E. Feigenbaum
• Systems that can demonstrate human-like
  reasoning capability to enhance the quality of
  life and improve business competitiveness -
  Japan-Singapore AI Centre

6
Test de Turing
?
Humain
Juge
Machine
7
4 approches de lIA
Système qui pense comme les hommes Système qui pense rationnellement
Système qui agit comme les hommes Système qui agit rationnellement
8
Agir comme un humain

• Le test de Turing (1950)
• Traitement du langage naturel
• Représentation des connaissances
• Raisonnement automatique
• Apprentissage automatique
• Le test de Turing total
• Vision par ordinateur
• Robotique
• Charniak et Mc Dermott, 1985 Etude des facultés
  mentales à l'aide de modèles informatiques.
• Winston, 1982 Étude de moyens informatiques qui
  permettent de percevoir, de raisonner et d'agir.

9
Turing
10
Penser comme un humain la science cognitive

• étude et analyse du comportement humain (approche
  top-down) science cognitive
• déduction à partir de données neurologiques
  (approche bottom-up) neuroscience cognitive
• Elles se sont différenciées de l'IA
• Haugeland, 1985 Ensemble des efforts visant à
  permettre aux ordinateurs de penser comme des
  humains.
• Bellman, 1978 Automatisation d'activités
  associées à la pensée humaine telles que la prise
  de décison, la résolution de problèmes,
  l'apprentissage, etc.

11
Penser rationnellement les lois de la pensée

• Ligne directe des mathématiques et de la
  philosophie à l'IA moderne.
• Kurzweil, 1990 L'art de créer des machines qui
  effectuent des fonctions requérant de
  l'intelligence lorsqu'elles sont réalisées par
  des humains.
• Rich et Knight, 1991 Etude portant sur la façon
  de réaliser des ordinateurs capables d'effectuer
  des opérations qui sont présentement les mieux
  réalisées par les humains.

12
Agir rationnellement lapproche agent
rationnel

• Action correcte celle qui est supposée optimiser
  l'objectif recherché, étant donné l'information
  disponible.
• Schalkoff, 1990 Champ d'étude dont les
  objectifs sont d'expliquer et d'imiter un
  comportement intelligent à l'aide de processus
  informatiques.
• Luger et Stubblefield, 1993 Domaine de
  l'informatique portant sur l'automatisation de
  comportements intelligents

13
Histoire de lIA

• Vue générale
• 1956 Logic Theorist (Newell, Shaw, Simon)
• 1957 General Problem Solver (GPS)
• 1960 Langage Lisp (John Mc Carthy)
• 1968 Premier Système Expert (DENDRAL)
• 1972 Langage Prolog (Alain Colmerauer)
• 1980 Langage Smalltalk (Xérox Laboratories)
• 1985 Large diffusion des Systèmes Experts
• 1990 Introduction de la pluridisciplinarité

14
1943-1956 gestation de lIA
15
1952-1969 premiers enthousiasmes, grands espoirs
16
1966-1974 réalisme

• Pas de connaissances contenues dans les
  programmes
• Problème déchelle malgré la progression du CPU

17
1969-1979 la clé du succès ?

• Systèmes experts
• DENDRAL (Buchanan et al., 1969)
• MYCIN (Feigenbaum et al., 1974)

18
1980-1988 lIA devient une industrie

• R1
• 1981 projet japonais de 5ème génération

19
LIA aujourdhui

• Retour des réseaux de neurones
• Les retombées de l'IA sont partout
• On les utilise au quotidien sans le savoir (pages
  jaunes, jeux de réflexion sur ordinateur, ...)

20
Classiquement Vision IA
Exécute des instructions Raisonne sur les connaissances
Plus près du fonctionnement de la machine Plus près du fonctionnement de l'être humain
Plus adapté aux traitements numériques Plus adaptée aux traitements symboliques
Utilise beaucoup de calculs Utilise beaucoup d'inférences
Suit des algorithmes rigides et exhaustifs Fait appel à des heuristiques et à des raisonnements incertains
N'est généralisable quà une classe de problèmes semblables Est généralisable à des domaines différents
21
IA aujourd hui le constat

• Ambitions initiales abandonnées
• on ne pense plus faire une IA à court terme
• Les retombées de lIA sont partout
• objets, agents, méthodologies, représentation des
  connaissances
• approches causales, qualitatives
• fouille de données, fouille de texte
• statistiques non linéaires (réseaux neuronaux)
• programmation par contraintes
• nouvelles méthodes d optimisation (évolution
  artificielle)
• Vous les utilisez au quotidien sans le savoir
• Validation de facturettes American Express
• Compagnons Office
• 3611 pages jaunes,www.pagesjaunes.fr
• Jeux de réflexion sur ordinateur
• Téléphonie mobile etc..

22
IA aujourd hui le constat

• Apport de l IA
• experience-based reasoning - façon de penser,
  d aborder les problèmes
• Modélisation
• découverte de connaissances
• amélioration de méthodes et approches existantes
• statistiques et data mining
• RO
• SIAD et CBR
• GED, recherche dinformations et de connaissances
• Interfaces
• workflow et partage de connaissances
• réalité virtuelle
• ...
• l IA est cachée presque partout, mais souvent
  trop bien cachée

23
Brevets en IA

• Buchanan Uthurusamy AI Magazine printemps
  99
• 10ème Conférence annuelle Innovative
  Applications of Artificial Intelligence
• 25 applications par ans, banque, air-espace,
  télécommunications etc.
• Nombre de brevets US utilisant les termes
  Artificial Intelligence
• 100 il y a 10 ans, 1700 en 1998 3900 reliés
• 2200 classés dans le domaine IA
• 3400 utilisent l IA dans un contexte plus large
• Les plus récentes sont avec des techniques d
  apprentissage

24
Grands domaines de l'IA

• Reconnaissance et synthèse de la parole (ex
  réservation dhôtel)
• Reconnaissance et synthèse d'images (ex.
  recherche dinfo)
• Reconnaissance de l'écriture (ex reconnaissance
  chèques, codes postaux)
• Langage naturel (ex interfaces, text mining, Web
  Mining)
• Planification (ex Partage ressource satellite
  DigitalWpress s service PCAIApril2000)
• Aide à la décision (ex SE temps réels et
  autonome contrôle de trajectoire du satellite
  Voyage)
• Aide à la programmation (ex agents dinterface)
• Apprentissage / Adaptatif (ex construction de
  systèmes experts, classification automatique de
  galaxies, contrôleurs de robots ...)
• Jeux (ex Echecs (DeeperBlue à 2600), Checkers
  (Champion), Othello (Champion), BackGammon
  (champion), GO (bon amateur).
• Médecine Aide à la décision (SE), prédiction
  de patients à risques, analyse automatique
  dimages médicales

25
La logique

• Un formalisme de représentation des connaissances
• Un mécanisme dinférence la déduction
• central pour
• PROLOG
• Systèmes à base de connaissances

26
Types de logique

• Logique propositionnelle
• une suite de symboles séparés par des connecteurs
  (conjonction, disjonction, négation)
• Logique des prédicats ou du 1er ordre
• une suite de symboles, de variables et de
  relations avec des quantificateurs universels et
  existentiels.
• Logique des propositions une des théories les
  plus simples qui soient.
• Son utilité est pourtant capitale dans des
  domaines divers
• La logique des propositions étudie des énoncés
  qui sont soit vrais, soit faux.
• Elle permet d'exprimer
• des faits sur le monde les étudiants aiment la
  logique
• des négations les étudiants n'aiment pas la
  logique
• des conjonctions les étudiants aiment la
  logique et ils participent à des séminaires
• des disjonctions les étudiants participent à
  des séminaires ou les séminaires sont
  facultatitfs
• des implications si les étudiants n'aiment pas
  la logique, ils ne participent pas à des
  séminaires.
• Une proposition est une phrase qui est soit vraie
  soit fausse.