Chapitre 1: L’intelligence

artificelle: Notions de base

A. Abboura
 Introduction
Le but ultime de l’Intelligence Artificielle (IA) est de concevoir des
systèmes capables de reproduire le comportement de l’humain dans ses
activités de raisonnement.

Autrement dit, l'IA vise à simuler l'intelligence humaine.

L'intelligence humaine se manifeste par, entre autres choses, les aspects

suivants:
1) La capacité de conceptualiser le monde réel
2) La capacité de saisir des connaissances, ou d'apprendre
3) La capacité d'appliquer des connaissances à différentes situations pour
résoudre des problèmes.
A part ces aspects, on inclut souvent dans l'intelligence humaine la capacité de
communication.
2
 Est-ce que l’ordinateur est intelligent?
Caractéristiques Homme Ordinateur
Rapidité lent Très rapide
•Fatigue Oui
L’ordinateur ne fait qu’exécuter des instructionsJamais
Pas d’innovation !!!!! Peut oublier
•Oublie Jamais
. Précision Peut se tromper Très précis
Mémorisation Relativement limité
illimitée
Apprentissage Il peut toujours Non
apprendre
Innovation et Prendre de Très faible
adaptation nouvelles décisions
3
à tous moments
 Définition de l’IA
« L’intelligence artificielle, c’est toute technologie informatique qui
permet de résoudre des problèmes complexes qu'on aurait cru
réservés à l'intelligence humaine. »
Cédric Villani

« Branche de l'informatique ayant pour objet l'étude du traitement

des connaissances et du raisonnement humain, dans le but de les
reproduire artificiellement pour ainsi permettre à un appareil
[(agent)] d'exécuter des fonctions normalement associées à
l'intelligence humaine. » Grand dictionnaire terminologique,
2006

Penser comme des humains Penser Rationnellement

Agir comme des humains Agir Rationnellement
4
 Penser comme des humains
Comment fonctionne notre cerveau ?

• Requiert des théories scientifiques de l’activité interne du cerveau

par introspection ou expériences psychologiques.
• Implémenter les théories et comparer avec les humains.
• Comment valider ces systèmes :
– Il faut prédire et tester le comportement de sujets humains
(sciences cognitives)
– ou il faut les valider directement à partir de données
neurologiques (neurosciences cognitives)

Exemple: Eliza et Mycin

5
 Agir comme des humains

Capacités requises :
– Traitement du langage naturel
– Représentation des connaissances
– Raisonnement automatique
– Apprentissage

Exemple: test de Turing

6
 Penser Rationnellement

Aristote et le processus de raisonnement correct, la logique

– Ex: Socrate est un homme; tous les hommes sont mortels; donc
Socrate est mortel.
• Au 19e siècle, la logique formelle permet d’écrire des énoncés sur
les objets dans le monde et leurs interrelations.
• Lien direct entre les mathématiques et la philosophie vers l’IA
moderne.
• Problèmes:
– Il est difficile de traduire les connaissances et les états du monde
réel en des équations logiques (incertitude) .
– Il y a une différence entre résoudre un problème en principe et le
résoudre réellement (complexité)
7
 Agir Rationnellement

Comportement rationnel :
• Faire la bonne chose, c’est‐à‐dire celle qui devrait, selon les informations
disponibles, maximiser l’accomplissement d’un but.

• N’implique pas nécessairement un raisonnement mais le raisonnement

devrait être au service d’une action rationnelle.

8
 L’histoire de l’IA
La préhistoire (1945-1955) : machine
de Turing

Le début (1950): Le test de Turing

La naissance (1956): Séminaire de
Darmouth
Introduction de l’IA comme domaine
de recherche 1980s
L’utilisation des réseaux de
neurones
2000…….
L’intelligence à partir des données

9
 Informatique classique vs IA

Informatique classique IA

Traite des données Traite des connaissances

Utilise beaucoup de calculs Utilise des inférences
Algorithmes exactes et Heuristiques
exhaustives

10
 Les grands domaines de l’IA

L'IA s'est divisée en de nombreuses sous disciplines qui essaient chacune

de traiter une partie du problème:
- Les systèmes experts
- La représentation de connaissances
- Le traitement du langage naturel
- La résolution de problèmes
- Reconnaissance de formes
- La robotique
- L’apprentissage

11
 Définition d’un Agent Intelligent
Toute entité qui perçoit son environnement à l’aide de ses capteurs et
qui agit sur le même environnement en utilisant ses effecteurs
(actionneurs).

12
 Définition d’un Agent Intelligent
Capacités fondamentales:

• Perception : analyse et observation

• Représentation des connaissances: Modélisation

• Apprentissage: capacité d’acquérir de nouvelles connaissances

• Raisonnement

• Prise de décision

13
 Définition d’un Agent Intelligent

Capteurs Actionneurs

Agent humain Yeux, oreilles, peau Mains, jambes …

Agent robot Caméras, infra-rouge Bras robotisé, roues, pinces

Donnée, chaine de Donnée, chaine de

Agent logiciel
caractères, lecture E/S caractères, Ecriture E/S

14
 Fonctionnement d’un agent intelligent
Un agent intelligent prend en entrée une séquence d’observation
s(percepts) et retourne une action

f: p* -> A
Action agent_intelligent_fonction (Percepts P)
{
Action act;
Memory mem = updateMemory(mem, p);
act = choose_best_action(memory);
mem = updateMemory(mem, act);
return act;
}
15
Fonctionnement d’un agent intelligent
Agent filtre des
Robot aspirateur
Emails

Détecteur
d’obstacles, Requêtes http
Capteurs
caméras, détecteur (Emails)
de saleté

Actionneurs Aspirateur, roues Logiciel de filtrage

Droite, gauche,
Actions Spam, légitime
avant, aspirer
16
 Agent rationnel
C’est un agent intelligent qui en fonction d’une séquence de percepts
et des connaissances sélectionne l’action qui maximise sa mesure de
performance

Agent filtre des

Robot aspirateur
Emails

Quantité de déchets
Vitesse de filtrage
Mesures de Propreté des lieux
Efficacité de filtrage
performance Durée des tâches
Nombre de spams
Bruit généré

17
 Agent autonome

C’est un agent rationnel qui est capable d’adapter son

comportement en fonction de son expérience (apprentissage et
adaptation)

Exemple: Voiture connectée, robot taxi

18
 Modèle PEAS
Un modèle de conception des agents intelligents

P: Performance measurment (mesure de performance)

E: Environment (Environnement)
A: Actuators (Actionneurs)
S: Sensors (Capteurs)

Exemple:

Environnement d’un robot aspirateur : pièce, déchets

Environnement d’un agent de filtrage d’email: pc, internet
19
 Modèle PEAS
Robot taxi

P Sécurité, vitesse, respect du code, maximisation des profits

E Route, trafic, piétons, clients

A Volant, freins, clignotants

S Caméra, sonar, GPS

20
 Difficultés rencontrées en IA
Difficulté de modélisation :
• Les problèmes ne sont pas toujours parfaitement définis;
• Certaines notions sont difficiles à exprimer : possibilité, probabilité,
préférence,…etc.
Difficulté de résolution :
• Difficulté de conception des algorithmes ;
• Espace de recherche très vaste ;
• Problèmes de temps de réponse;
Difficultés technologiques :
• Toute avancée rendre des méthodes opérationnelles ;
Difficultés de généralisation :
• Les méthodes sont souvent dédiées à un problème particulier
• Des problèmes très variés.
21