Introduction à l`Intelligence Artificielle

Introduction à l’Intelligence
Artificielle
Cecilia
Cec
a Zanni-Merk
a
e
cecilia.zanni@insa
cecilia
zanni@insa-strasbourg
strasbourg
http://courscz.free.fr
1
Plan du Cours
„
„
„
„
„
Introduction à l'Intelligence Artificielle
Représentation des connaissances
Les Systèmes à Base de Connaissance
Logique et Prolog
Autres techniques
2
Bibliographie
g
„
„
„
„
„
Russel & Norvig, Intelligence Artificielle 2ème édition,
Pearson Education France
France, 2006
J.-G. Ganascia, L’intelligence Artificielle, Coll.
DOMINOS Flammarion
DOMINOS,
Flammarion, 1993
Ginsberg, M. (1997). Essentials of Artificial
Intelligence Morgan Kaufmann
Intelligence,
Kaufmann.
J.-L. Laurière, Intelligence Artificielle : résolution de
problèmes p
p
par l’homme et la machine,, Eyrolles,
y
, 1987
J.-G. Ganascia, L’âme machine, Seuil, 1990
3
Introduction
4
Définition
„
A la différence de la Philosophie ou de la
Psychologie qui sont aussi concernées par
l'étude de l'intelligence, l’IA a le projet de
construire (3) des artefacts (2)
intelligents (1)
5
Définition
1.
2.
3.
Qu’est ce que l’intelligence ?
=>
> Percevoir/Raisonner/Agir/Communiquer
Evaluation: capable de passer le test de Turing,
jugée comme telle par l'homme.
l homme.
artefacts: machines inorganiques
=> systèmes
y
manipulant
p
des symboles
y
Hypothèse: les symboles correspondent à des objets
du monde
construire aspect ingénierie
=> agent (perçoit, raisonne, communique et agit)
6
Problématique
„
Les domaines privilégiés de l'IA : là où il n’y a
pas d’algorithme à la portée des machines.
„
Comme les problèmes qui ont une combinatoire
trop importante
„
„
„
„
„
crypto-arithmétique,
jeux
jeux,
mots croisés,
p
planification,
,
économie, ...
7
Problématique
„
Ou qui nécessitent une démarche heuristique.
„
„
„
exemple:
l lle jjeu d'é
d'échecs
h
(10160)
Les heuristiques relèvent de connaissances d'ordre
pragmatique
p
g
q et traduisent un savoir-faire,, une expérience
p
plutôt qu'un calcul systématique.
L'intelligence artificielle a aussi vocation à simuler
le raisonnement humain.
„
„
modéliser les connaissances et les modes de
raisonnement d'un
d un expert humain
les rendre accessibles à un non informaticien.
8
Qu’est-ce que l’IA concrètement ?
1.
2.
3.
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
(Sys
è es Experts,
pe s, pilotes
p o es au
automatiques,
o a ques,
agents d’interfaces,robots, Data Mining, etc.)
9
Un champ pluri-disciplinaire
„
„
„
„
„
Informatique (systèmes, codage, ... )
Linguistique (syntaxe, sémantique,
pragmatique, ...)
Psychologie (intelligence humaine, animale,
développement)
Ergonomie (analyse des tâches)
Biologie Statistique
Biologie,
Statistique, Economie
Economie, Ethologie
Ethologie, …
10
L’IA aujourd’hui
j
„
Les retombées de l’IA 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)
11
L’IA aujourd’hui
j
„
Vous les utilisez au quotidien sans le savoir
„
„
„
„
„
Validation de facturettes American Express
Compagnons Office
www.pagesjaunes.fr
Jeux de réflexion sur ordinateur
Téléphonie mobile etc..
12
Grands domaines de l’IA
„
„
„
„
„
„
„
„
„
„
Reconnaissance et synthèse de la parole (ex: réservation d’hôtel)
Reconnaissance et synthèse
y
d'images
g ((ex. recherche d’info))
Reconnaissance de l'écriture (ex: recon. cheques, codes postaux)
Langage naturel (ex: interfaces, text mining, Web Mining)
Planification (ex: Partage ressource satellites)
Aide à la décision (ex: SE temps réels et autonome: contrôle de
trajectoire du satellite Voyager)
Aide à la programmation (ex: agents d’interface)
d interface)
Apprentissage / Adaptatif (ex: construction de systèmes experts,
classification automatique de galaxie, contrôleurs de robots ...)
Jeux (e.g. Echecs, Checkers, Othello, BackGammon, GO).
Médecine Aide à la décision (SE), prédiction de patients à risques,
analyse automatique d ’images médicales
13
La représentation des connaissances
„
„
Problème central en IA
Mise en évidence d'un problème en amont :
„
„
„
l'acquisition
q
des connaissances
la modélisation des connaissances
Plusieurs formes de représentation
„
„
„
Représentation objet
Règles de production
...
14
Rôle de la logique
g
„
„
Un formalisme de représentation des
connaissances
Des mécanismes d ’inférence: la déduction
ou l’induction ; centraux pour :
„
„
PROLOG
Systèmes à base de connaissances
15
L Représentation
La
R é
t ti d
des Connaissances
C
i
16
The goals
g
„
„
„
Identifying what knowledge is important to
an organisation
Deciding what knowledge needs to be
captured to provide an appropriate solution to
a real-world problem
Capturing and integrating knowledge in ways
that provide ease of access, navigation,
understanding, maintenance and re-use
17
Different subject
j
areas
„
„
„
„
Knowledge Engineering
Knowledge Based Engineering
Knowledge Management
Ontological Engineering
18
Other Technologies
g
„
„
„
„
„
„
Data Mining
Case Based Reasoning
Intelligent Agents
Natural Language Processing
Document Management Systems
Workflow System Management
19
Benefits for an organisation
g
20
Knowledge
g
21
How to represent and store
knowledge?
g
„
„
Knowledge base: a kind of database that
holds information
f
representing the expertise
of a particular domain
Four components (coming from Psychology):
„
„
„
„
Concepts
p
Attributes
Values
Relations
22
How to represent and store
knowledge?
g
„
„
The structure of a KB depends on the
application
Two basic representation formats:
„
„
Based on relations : Network of concepts with
links between them, each link representing a
relation (concept maps)
Based on attributes and values: Best visualized as
a frame
f
23
KW representation via relations
24
KW representation via frames
25
Les Systèmes à Base de
C
Connaissances
i
26
Les systèmes à base de
connaissances
„
Un SBC est un logiciel qui reproduit le
comportement d'un expert humain
accomplissant une tâche intellectuelle dans
un domaine
d
précis.
é
„
Le fondement du concept de système expert
réside
é d d
dans la
l nature explicite
l
de
d la
l connaissance.
En effet, celle-ci n'est absolument pas noyée dans
un algorithme,
algorithme elle est formalisée par un ensemble
de règles qui vont être enchaînées pour simuler le
p
humain.
raisonnement d'un expert
27
Applications des SBC
„
„
Les SBC ne sont utiles et envisageables que
pour des domaines possédant
é
des experts
humains.
Ces experts sont des individus qui
connaissent bien le domaine à modéliser et
qui sont aussi capables de transmettre leur
savoir. Ce dernier point est primordial.
28
Applications des SBC
„
„
Les SBC sont utilisés lorsque les méthodes
algorithmiques classiques ne peuvent pas
être appliquées avec succès.
Il sont généralement conçus pour résoudre
des problèmes de classification ou de décision
(diagnostic médical, prescription
thérapeutique, régulation d'échanges
boursiers, etc.).
29
Fonctionnement : Principe
„
Un SBC peut se décomposer en deux
composantes principales :
„
„
La base de connaissances, elle-même composée
d'
d'une
base
b
de
d règles
è l qui modélise
dél
la
l connaissance
du domaine considéré et d'une base de faits qui
contient les informations concernant le cas à
traiter.
Le moteur d'inférences
d inférences dont le rôle est de
raisonner à partir des données contenues dans la
base de connaissances.
30
Fonctionnement : Principe
Expert
Cogniticien
Base de
règles
Moteur
d’inférences
Utilisateur
Base de
B
d
faits
Base de
connaissances
31
Fonctionnement : Principe
„
„
„
L'élément clé d'un SBC réside dans
l'i dé
l'indépendance
d
quii existe
i t entre
t la
l base
b
de
d
connaissances et le moteur d'inférences.
Ell permett une représentation
Elle
é
t ti d
des
connaissances sous forme purement déclarative
et explicite
explicite, c'est
c'est-à-dire
à dire sans lien avec la manière
dont ces connaissances sont utilisées.
L'a antage de cette d'a
L'avantage
d'architecture
chitect e est q
qu'il
'il est
possible de faire évoluer les connaissances du
système sans avoir à agir sur le mécanisme de
raisonnement.
32
Base de connaissances
„
„
La base de connaissances d'un SBC se
décompose
é
en deux parties. La première
è
partie contient des faits spécifiques du
d
domaine,
les
l connaissances factuelles.
f
ll
On
parle alors de base de faits.
La seconde partie, la base de règles,
contient les règles qui vont permettre au
système de raisonner à partir des faits. Ces
connaissances déductives sont représentées
par des règles appelées règles de production.
33
Base de règles
g
„
„
La base de règles rassemble la connaissance
et le savoir-faire
f
de l'expert. Elle n'évolue
é
donc pas au cours d'une session de travail.
Grâce à la représentation des règles proche
du langage naturel, la connaissance du
système sera facilement accessible à
l'utilisateur qui pourra ainsi aisément la
modifier ou l'agrandir.
34
Base de faits
„
„
La base de faits travaille en étroite
collaboration avec la mémoire
é
de travail du
système expert.
Cette mémoire de travail est variable au
cours de l'exécution et vidée lorsque
l'exécution se termine.
35
Base de faits
„
„
Au début de la session, elle contient ce que
l'on sait du cas examiné
é avant toute
intervention du moteur d'inférences (les faits
d la
de
l base
b
de
d connaissances).
)
Puis elle est complétée par les faits déduits
par le moteur ou demandés à l'utilisateur.
36
Inférence
„
„
Pour exploiter cette connaissance, un moteur
d'inférences
fé
est nécessaire
é
pour relier la
description d'un problème aux capacités
d'
d'analyse
l
d'une
d'
situation donnée.
d
é
De façon générale, le moteur d'inférences
sera capable de répondre à des questions, de
raisonner et de tirer les conséquences
impliquées par la connaissance incluse dans
le système.
37
Inférence
„
Le moteur d'inférence va enchaîner les règles
c'est à dire qu'il va effectuer
ff
un chaînage.
î
Il
existe plusieurs types de chaînages, c'est-àd plusieurs
dire
l
types de
d raisonnements :
„
„
„
le chaînage avant, qui permet de déduire les faits
dé
découlant
l
de
d données
d
é initiales,
l
le chaînage arrière, qui permet d'atteindre des
b t
buts,
le chaînage mixte, qui est un mélange des deux
types de chaînages précédents.
précédents
38
Chaînage
g avant
„
„
Le mécanisme du chaînage avant est simple :
pour déduire
é
un ffait particulier, on déclenche
é
les règles dont les prémisses sont connues
jusqu'à
'à ce que lle fait
f à déduire
déd
soit
également connu ou qu'aucune règle ne
puisse être
ê
dé
déclenchée.
l
hé
Le chaînage avant est un mécanisme de
déduction
39
La logique
g
déductive
„
„
„
Raisonne du général au particulier.
Pour ne pas rendre faux un raisonnement
déductif, il faut faire attention à ne pas le
construire sur une fausse prémisse.
Exemple (du livre “Platon
Platon et son
Ornithorynque entrent dans un bar”, de T.
Cathcart et D. Klein, Ed. Seuil)
40
La logique
g
déductive
„
„
„
Un vieux cow-boy entre dans un bar et commande un
verre. Il est en train de boire tranquillement son whisky
quand une jeune femme s’assied à côté de lui et lui
demande: « vous êtes un vrai cow-boy? »
Il répond:
épond « Ma foi,
foi j’ai passé toute
to te ma vie
ie dans un
n ranch,
anch
à m’occuper des chevaux, à réparer ces clôtures et à
marquer du bétail, alors je crois bien que j’en suis un. »
Elle dit: « Moi, je suis lesbienne. Je passe toutes mes
journées hantée par des images de femmes. Dès que je
me lève le matin, je rêve de femmes. Que ce soit sous la
douche ou devant la télé, il me semble que tout
m ’évoque des femmes »
41
La logique
g
déductive
„
„
„
Peu après, un couple s’assied à côté du vieux cowboy et lui demande: « Êtes vous un vrai cow
cow-boy
boy ? »
Il répond: « je l’ai toujours cru, mais je viens de
découvrir que je suis lesbienne »
Où est-ce
est ce qu’il
qu il y a un problème dans ce
raisonnement ?
42
Chaînage
g arrière
„
„
Le mécanisme de chaînage arrière consiste à
partir
ti d
du fait
f it que l'l'on souhaite
h it établir,
ét bli à
rechercher toutes les règles qui concluent sur ce
fait à établir la liste des faits qu'il
fait,
qu il suffit de
prouver pour qu'elles puissent se déclencher puis
à appliquer récursivement le même mécanisme
aux faits contenus dans ces listes.
Le chaînage arrière est clairement un mécanisme
d'induction : on vérifie les hypothèses en
remontant depuis l'objectif.
l objectif. On cherche ainsi à
vérifier si un fait est possible.
43
La logique
g
inductive
„
„
Raisonnement qui va du particulier au
général,
é é
c’est la méthode
é
utilisée
é pour
confirmer les théories scientifiques.
Example: Une histoire de Sherlock Holmes
(du livre “Platon et son Ornithorynque entrent
dans un bar”, de T. Cathcart et D. Klein, Ed.
Seuil)
44
La logique
g
inductive
„
„
„
„
Holmes et Watson font du camping. Soudain, au
cœur de la nuit,
nuit Holmes se réveille et donne un coup
de coude au Dr Watson; « Watson, regardez le ciel et
dites-moi
dites
moi ce que vous voyez »
« je vois un million d’étoiles », dit Watson
« Et à quelle conclusion arrivez
arrivez-vous
vous, Watson? »
Watson réfléchit quelques instants …
45
La logique
g
inductive
„
« Eh bien, en termes d’astronomie, cela me dit qu’il
ya des millions de galaxies et potentiellement des
billions de planètes. En termes d’astrologie, j’observe
que Saturne est dans le Lion. En termes d’horlogerie,
d horlogerie,
je déduis qu’il est approximativement trois heures et
quart. En termes de météorologie, j’ai comme l’idée
qu’il fera beau demain. En termes de théologie, je
vois que Dieu est tout-puissant et que nous sommes
petits et insignifiants
insignifiants. Hum,
Hum mais que vous en
semble, à vous, Holmes? »
46
La logique
g
inductive
„
„
« Watson, vous n’êtes qu’un idiot! On s’est fait voler
notre tente! »
Comment Holmes est arrivée à cette conclusion?
47
Chaînage
g mixte
„
Le chaînage mixte utilise les deux chaînages
présentés
é
é avant. On peut alors aussi bien
raisonner à partir des faits que l'on connaît
comme prédicats
éd
ou comme objectifs.
b
f
48
Chaînage
g mixte
„
Ce sont les caractéristiques du problème qui
vont conditionner le chaînage
î
qu'il est
judicieux d'utiliser. Ainsi, lorsque les faits sont
peu nombreux
b
ou que le
l but
b est inconnu, ill
est préférable d'employer un chaînage
"
"avant".
" Par contre, d
dans lle cas où
ù les
l buts
b
sont peu nombreux ou précis, le chaînage
" è " est préconisé.
"arrière"
é
é
49
Avantages
g et Inconvénients
„
„
Les SBC sont une des applications de
l'i t lli
l'intelligence
artificielle
tifi i ll les
l plus
l utilisées
tili é dans
d
le
l
monde de l'entreprise. De nombreux systèmes
experts ont été implantés avec succès pour
résoudre des problèmes concrets comme
ll'attribution
attribution d
d'un
un crédit.
crédit
Malheureusement, les systèmes experts souffrent
d'une
d
une faiblesse intrinsèque : toutes les expertises
ne sont pas facilement formalisables sous forme
de règles.
50
Exemple
„
„
Un problème de diagnostic d’une voiture
Défauts sur :
„
„
„
„
„
La batterie
Les ampoules (les phares)
Le moteur des essuie-glaces
L’ ll
L’allumage
Les symptômes :
„
„
„
Les phares marchent ou pas
Le moteur démarre ou pas
L essuie-glaces
Les
i l
marchent
h t ou pas
51
Exemple
„
Solution avec un système à base de règles
„
Pour les phares qui ne marchent pas :
R1 : SI les phares ne marchent pas
ALORS problème
blè
d’
d’ampoules
l
et/ou
/
d
de b
batterie
i
R2 : SI problème d’ampoules et/ou de batterie
ET le moteur ne démarre pas
ALORS problème de batterie
R3 : SI problème d’ampoules et/ou de batterie
ET le moteur démarre
ALORS problème d’ampoules
52