50 ans d'Intelligence Artificielle
- Intelligence Artificielle
- Introduction
- Définition de l'IA
- Agir comme des humains : le test de Turing
- Penser comme des humains : l'approche cognitive
- Penser rationnellement : les «lois de la pensée»
- Agir rationnellement : l'approche de l'agent rationnel
- Fondements de l'intelligence artificielle
- Philosophie (de 428 av. J.-C. à nos jours)
- Mathématiques (de 800 à nos jours)
- Économie (de 1776 à nos jours)
- Neurosciences (de 1861 à nos jours)
- Psychologie (de 1879 à nos jours)
- Ingénierie informatique (de 1940 à nos jours)
- Théorie du contrôle et cybernétique (de 1948 à nos jours)
- Linguistique (de 1957 à nos jours)
- Histoire de l'intelligence artificielle
- Gestation de l'intelligence artificielle (1943-1955)
- Naissance de l'intelligence artificielle (1956)
- L'enthousiasme des débuts : les grandes espérances (1952-1969)
- L'épreuve de la réalité (1966-1973)
- Systèmes fondés sur les connaissances : la clé de la puissance ? (1969-1979)
- L'IA devient une industrie (de 1980 à nos jours)
- Retour des réseaux de neurones (de 1986 à nos jours)
- L'IA devient une science (de 1987 à nos jours)
- Émergence des agents intelligents (de 1995 à nos jours)
- État de l'art
- Agents intelligents
- Agents et environnements
- Bons comportements :
le concept de rationalité
- Mesures de performance
- Rationalité
- Omniscience, apprentissage et autonomie
- Omniscience,
apprentissage et autonomie
- Spécification de l'environnernent d'une tâche
- Propriétés des environnements de tâches
- Structure des agents
- Programmes agents
- Agents réflexes simples
- Agents réflexes fondés sur des modèles
- Agents fondés sur des buts
- Agents fondés sur l'utilité
- Agents capables d'apprentissage
- Résolution des problèmes
- Résolution de problèmes
par l'exploration
- Agents de résolution de problèmes
- Agents de résolution de problèmes
- Agents de résolution de problèmes
- Exemples de problèmes
- Problèmes jouets
- Problèmes du monde réel
- Recherche de solutions
- Mesure de la performance
de la résolution de problèmes
- Stratégies d'exploration
non informée
- Exploration en largeur d'abord
- Exploration à coût uniforme
- Exploration à coût uniforme
- Exploration en profondeur d'abord
- Exploration en profondeur limitée
- Exploration itérative en profondeur
- Exploration bidirectionnelle
- Comparaison des stratégies d'exploration non informées
- Éviter les répétitions d'états
- Exploration avec informations partielles
- Problèmes sans capteurs
- Problèmes avec contingences
- Exploration informée
- Stratégies d'exploration informée (heuristique)
- Exploration meilleur d'abord gloutonne
- Exploration A* : minimisation du coût total estimé de la solution
- Explorations heuristiques à mémoire limitée
- Apprendre à mieux chercher
- Fonctions heuristiques
- Répercussion de J'exactitude de l'heuristique sur la performance
- Création de fonction heuristiques admissibles
- Apprentissage d'heuristiques à partir de l'expérience
- Algorithmes d'exploration locale et problèmes d'optimisation
- Exploration par escalade (hill-climbing)
- Exploration par recuit simulé (simulated annealing)
- Exploration locale en faisceau (local beam search)
- Algorithmes génétiques
- Exploration locale d'espaces continus
- Agents d'exploration en ligne et environnements inconnus
- Problèmes d'exploration en ligne
- Agents d'exploration en ligne
- Exploration en ligne locale
- Apprentissage et exploration en ligne
- Problèmes à satisfaction de contraintes
- Problèmes à satisfaction de contraintes
- Exploration avec backtracking pour les CSP
- Ordre des variables et des valeurs
- Propager les informations par le biais des contraintes
- Backtracking intelligent : l'examen en amont
- Exploration locale pour les problèmces à satisfaction de contraintes
- La structure des problèmes
- Exploration en situation d'adversité
- Les jeux
- Décisions optimales dans les jeux
- Stratégies optimales
- L'algorithme du minimax
- Décisions optimales dans le cadre de jeux multi-joueurs
- Élagage alpha-bêta
- Décisions imparfaites en temps réel
- Fonctions d'évaluation
- Recherche avec arrêt (cut off)
- Jeux comportant une part de hasard
- Évaluation des positions dans les jeux à nceuds de hasard
- Complexité d'expectiminimax
- Jeux de cartes
- État de l'art des programmes de jeu
- Connaissances et raisonnement
- Agents logiques
- Agents fondés sur les connaissances
- Le monde du Wumpus
- Logique
- Logique propositionnelle : une logique très simple
- Syntaxe
- Sémantique
- Une base de connaissances simple
- Inférence
- Équivalence, validité et satisfiabilité
- Schémas de raisonnement en logique propositionnelle
- Résolution
- Forme normale conjonctive
- Un algorithme de résolution
- Complétude de la résolution
- Chaînage avant et chaînage arrière
- Algorithmes d'inférence propositionnelle efficaces
- Algorithme par backtracking complet
- Algorithmes d'exploration locale
- Problèmes de satisfaisabilité difficiles
- Agents fondés sur la logique propositionnelle
- Recherche des puits et des Wumpus avec l'inférence logique
- Suivi des positions et de l'orientation
- Agents fondés sur des circuits
- Une comparaison
- Logique du premier ordre
- Retour sur la représentation
- Syntaxe et sémantique de la logique du premier ordre
- Modèles de la logique du premier ordre
- Symboles et interprétation
- Termes
- Énoncés atomiques
- Énoncés composés
- Quantificateurs
- Égalité
- Utiliser la logique du premier ordre
- Assertions et requêtes en logique du premier ordre
- Le domaine des liens de parenté
- Nombres, ensembles et listes
- Le monde du Wumpus
- Ingénierie des connaissances en logique du premier ordre
- Le processus d'ingénierie des connaissances
- Le domaine des circuits électroniques
- L'inférence en logique du premier ordre
- Inférence propositionnelle vs inférence en logique du premier ordre
- Règles d'inférence pour les quantificateurs
- Réduction à l'inférence propositionnelle
- Unification et élargissement
- Une règle d'inférence du premier ordre
- Unification
- Stockage et récupération
- Chaînage avant
- Clauses définies du premier ordre
- Un algorithme de chaînage avant simple
- Chaînage avant efficace
- Chaînage arrière
- Un algorithme de chaînage arrière
- Programmation logique
- Programmation logique avec contraintes
- Résolution
- Forme normale conjonctive pour la logique du premier ordre
- Règle de résolution des inférences
- Complétude de la résolution
- Traitement de l'égalité
- Stratégies de résolution
- Démonstrateurs de théorèmes
- Représentation des connaissances
- Ingénierie ontologique
- Catégories et objets
- Composition physique
- Mesures
- Substances et objets
- Actions, situations et événements
- Ontologie du calcul des situations
- Ontologie du calcul des situations
- Résolution du problème représentationnel de la persistance
- Résolution du problème inférentiel de la persistance
- Temps et calcul des événements
- Événements généralisés
- Intervalles
- Fluents et objets
- Événements mentaux et objets mentaux
- Théorie formelle des croyances
- Connaissances et croyances
- Connaissances, temps et action
- Le monde du commerce électronique
- Systèmes de raisonnement pour les catégories
- Réseaux sémantiques
- Logiques de description
- Raisonnements avec informations par défaut
- Monde ouvert et monde clos
- Négation par l'échec et sémantique des modèles stables
- Circonscription et logique des défauts
- Systèmes à maintenance de vérité
- Planification
- Planification
- Le problème de la planification
- Le langage des problèmes de planification
- Expressivité et extensions
- Exemple : transport du fret aérien
- Exemple : le problème de la roue de secours
- Exemple : le monde des blocs
- Planification par exploration dans un espace d'états
- Exploration en avant dans un espace d'états
- Exploration arrière dans un espace d'états
- Heuristiques pour l'exploration dans un espace d'états
- Planification en ordre partiel
- Un exemple de planification en ordre partiel
- Planification en ordre partiel avec variables libres
- Heuristiques pour la planification en ordre partiel
- Graphes de planification
- Graphes de planification pour l'estimation heuristique
- L'algorithme GRAPHPLAN
- Terrninaison de GRAPHPLAN
- Planification avec la logique propositionnelle
- Description de problèmes de planification en logique propositionnelle
- Complexité des encodages propositionnels
- Analyse des approches de la planification
- Planification et action dans le monde réel
- Temps, ordonnancement et ressources
- Ordonnancement avec contraintes de ressources
- Planifier avec un réseau hiérarchisé de taches
- Représentation des décompositions d'action
- Modifier le planificateur pour les décompositions
- Discussion
- Planification et action dans des domaines non déterministes
- Planification conditionnelle
- Planification conditionnelle en environnements totalement observables
- Planification conditionnelle en environnements partiellement observables
- Monitoring de l'exécution et replanification
- Planification continue
- Planification multi-agent
- Coopération : buts et plans communs
- Plan multicorps
- Mécanismes de coordination
- Concurrence
- Connaissances et raisonnement
en environnement incertain
- Incertitude
- Agir dans l'incertitude
- Conception d'un agent utilisant la théorie de la décision
- Probabilités : notations de base
- Propositions
- Événements atomiques
- Événements atomiques
- Probabilités conditionnelles
- Les axiomes des probabilités
- Les axiomes des probabilités
- Pourquoi les axiomes des probabilités sont raisonnables
- Inférence utilisant des distributions conjointes complètes
- Indépendance
- La règle de Bayes et son utilisation
- Application de la règle de Bayes : le cas simple
- Utilisation de la règle de Bayes la combinaison d'observations
- Le monde du Wumpus revisité
- Raisonnement probabiliste
- Représentation des connaissances dans un domaine incertain
- Sémantique des réseaux bayésiens
- Représentation de la distribution complète de probabilités conjointe complète
- Une méthode pour construire des réseaux bayésiens
- Compacité et ordre des noeuds
- Relations d'indépendance conditionnelle dans les réseaux bayésiens
- Représentation efficace des distributions conditionnelles
- Réseaux bayésiens à variables continues
- Inférence exacte dans les réseaux bayésiens
- Inférence par énumération
- L'algorithme d'élimination des variables
- Complexité de l'inférence exacte
- Algorithmes de groupement (clustering)
- Inférence approchée dans les réseaux bayésiens
- Méthodes d'échantillonnage direct
- Échantillonnage par rejet dans les réseaux bayésiens
- Pondération par la vraisemblance
- Inférence par simulation de chaînes de Markov Monte-Carlo(MCMC)
- L'algorithme MCMC
- Pourquoi MCMC fonctionne
- Extensions des probabilités aux représentations du premier ordre
- Autres approches du raisonnement incertain
- Méthodes à base de règles pour le raisonnement incertain
- Représentation de l'ignorance : la théorie de Dempster-Shafer
- Représentation de l'imprécision : ensembles flous et logique floue
- Raisonnement probabiliste temporel
- Temps et incertitude
- États et observations
- Processus stationnaires et hypothèse de Markov
- L'inférence dans les modèles temporels
- Filtrage et prédiction
- Lissage
- Découverte de la séquence la plus probable
- Modèles de Markov cachés
- Algorithmes matriciels simplifiés
- Filtres de Kalman
- Mise à jour des distributions gaussiennes
- Un exemple unidimensionnel simple
- Le cas général
- Applications du filtrage de Kalman
- Réseaux bayésions dynamiques
- Construction de RBD
- Inférence exacte dans les RBD
- Subsection Inférence approximative dans les RBD
- Reconnaissance de la parole
- Les sons de la langue
- Les mots
- Les phrases
- Construction d'un système de reconnaissance de la parole
- Prise de décisions simples
- Désirs, croyances et incertitude
- Concepts de base de la théorie de l'utilité
- Contraintes sur les préférences rationnelles
- Puis l'utilité vint ...
- Fonctions d'utilité
- L'utilité de l'argent
- Échelles d'utilité et évaluation de l'utilité
- Fonctions d'utilité multiattributs
- Dominance
- Structures de préférences et utilité multiattribut
- Préférences sans incertitude
- Préférences avec incertitude
- Réseaux de décision
- Représentation d'un problème avec un réseau de décision
- Évaluation des réseaux de décision
- La valeur de l'information
- Un exemple simple
- Une formule générale
- Propriétés de la valeur de l'information
- Implémentation d'un agent de collecte d'informations
- Systèmes experts utilisant la théorie de la décision
- Prise de décisions complexes
- Problèmes de décision séquentiels
- Un exemple
- L'optimalité dans les problèmes de décision séquentiels
- Itération de la valeur
- Utilités des états
- L'algorithme value iteration
- Convergence de value itération
- Itération de la politique
- PDM partiellement observables
- Agents fondés sur la théorie de la décision
- Décisions et agents multiples : la théorie des jeux
- Conception de mécanismes
- Apprentissage
- Apprendre à partir d'observations
- Types d'apprentissage
- Apprentissage inductif
- Apprentissage des arbres de décision
- Fonctionnement des arbres de décision
- Expressivité des arbres de décision
- Induction d'arbres de décision à partir d'exemples
- Choix des attributs à tester
- Évaluation de la performance de l'algorithme d'apprentissage
- Bruit et surapprentissage
- Élargir l'applicabilité des arbres de décision
- Apprentissage par ensembles
- Pourquoi l'apprentissage fonctionne : la théorie de l'apprentissage
- Combien d'exemples faut-il ?
- Apprentissage de listes de décision
- Discussion
- Connaissances et apprentissage
- Une formulation logique de l'apprentissage
- Exemples et hypothèses
- Meilleure hypothèse courante
- Moindre engagement
- Connaissance et apprentissage
- Quelques exemples simples
- Quelques schémas généraux
- Apprentissage par explication
- Extraction de règles générales à partir d'exemples
- Amélioration de l'efficacité
- Apprentissage fondé sur la pertinence
- Détermination de l'espace des hypothèses
- Apprentissage et utilisation des informations sur la pertinence
- Programmation logique inductive
- Un exemple
- Méthodes d'apprentissage inductif descendantes
- Apprentissage inductif par résolution inverse
- Découvertes par programmation logique inductive
- Méthodes d'apprentissage statistique
- L'apprentissage statistique
- Apprentissage avec données complètes
- Apprentissage de paramètres par maximum de vraisemblance : les modèles discrets
- Modèles bayésiens naïfs
- Apprentissage de paramètres par maximum de vraisemblance : les modèles continus
- Apprentissage baÿsien de paramètres
- Apprentissage de la structure des réseaux bayésiens
- Apprentissage avec variables cachées : l'algorithme EM
- Classification non supervisée : apprentissage de mélanges de gaussiennes
- Apprentissage de réseaux bayésiens avec variables cachées
- Apprentissage de modèles de Markov cachés
- Apprentissage de modèles de Markov cachés
- Apprentissage de structures de réseaux bayèsiens avec variables Cachées
- Apprentissage fondé sur les exemples
- Modèles des plus proches voisins
- Modèles à noyau
- Réseaux de neurones
- Unités dans les réseaux de neurones
- Structures des réseaux de neurones
- Réseaux de neurones feed-forward monocouches (perceptrons)
- Réseaux de neurones feed-forward multicouches
- Apprentissage des structures des réseaux de neurones
- Machines à noyau
- Étude de cas : reconnaissance de chiffres manuscrits
- Apprentissage par renforcement
- Introduction
- Apprentissage par renforcement passif
- Estimation directe de l'utilité
- Programmation dynamique adaptative
- Apprentissage par différence temporelle
- Apprentissage par renforcement actif
- Exploration
- Apprentissage d'une fonction action-valeur
- Généralisation et apprentissage par renforcement
- Applications aux jeux
- Applications au contrôle de robots
- Recherche de politique
- Communication, perception et action
- Communication
- De la communication comme action
- Notions de base sur le langage
- Les étapes composantes de la communication
- Une grammaire formelle pour un fragment de langage naturel
- Le lexique de epsilon 0
- La grammaire de epsilon 0
- Analyse syntaxique (parsing)
- Analyse syntaxique efficace
- Grammaires augmentées
- Sous-catégorisation du verbe
- Capacité générative des grammaires augmentées
- Interprétation sémantique
- Sémantique d'un fragment de langue
- Expression du temps
- Quantification
- Interprétation pragmatique
- Génération de langage avec les DCG
- Ambiguïté et désambiguïsation
- Compréhension du discours
- Résolution des références
- Structure d'un discours cohérent
- Inférence grammaticale
- Traitement probabiliste du langage
- Modèles de langage probabilistes
- Grammaires hors contexte probabilistes
- Apprentissage de probabilités pour les PCFG
- Apprentissage de structures de règles pour les PCFG
- Recherche d'informations
- Évaluation des systèmes de recherche d'informations
- Raffinements de la recherche d'informations
- Présentation des résultats
- Implémentation des systèmes de RI
- Extraction d'informations
- Traduction automatique
- Systèmes de traduction automatique
- Traduction automatique statistique
- Traduction automatique et apprentissage de probabilités
- Perception
- Introduction
- Formation des images
- Images sans lentille : l'appareil photo à sténopé
- Systèmes de lentilles
- Lumière : photométrie de la formation d'une image
- Couleur : spectrophotométrie de la formation d'une image
- Premières opérations de traitement de l'image
- Détection de contours
- Segmentation de l'image
- Extraction d'informations tridimensionnelles
- Mouvement
- Vision binoculaire
- Gradients de texture
- Ombrage
- Contours
- Reconnaissance d'objets
- Reconnaissance à base de luminosité
- Reconnaissance à base d'attributs
- Estimation de la pose
- Utilisation de la vision pour la manipulation et la navigation
- Robotique
- Introduction
- Aspects matériels
- Perception robotique
- Localisation
- Cartographie
- Autre types de perception
- Autre types de perception
- Espace des configurations
- Méthode de décomposition cellulaire
- Méthode de squelettisation
- Planification de mouvements incertains
- Le mouvement
- Dynamique et contrôle
- Contrôle de champ de potentiel
- Contrôle réactif
- Architectures logicielles en robotique
- L'architecture de subsomption
- L'architecture à trois couches
- Les langages de programmation de la robotique
- Domaines d'application
- Conclusion
- Fondements philosophiques
- IA faible: les machines peuvent-elles agir intelligemment ?
- L'argument de l'incapacité
- L'objection mathématique
- L'argument de l'informalité
- IA forte : les machines peuvent-elles réellement penser ?
- Le problème du corps et de l'esprit
- L'expérience du « cerveau dans la cuve »
- L'expérience de la prothèse cérébrale
- La chambre chinoise
- Éthique et risques du développement de l'intelligence artificielle
- IA : présent et futur
- Les composants des agents
- Architectures de l'agent
- Sommes-nous sur la bonne voie ?
- Et si l'IA atteignait son but ?