Accueil

Orientation générale

Barre de recherche

DicoNombre

DicoMot Math

DicoCulture

Atlas des maths

Rubriques

Index alphabétique

Nouveautés

Actualités

Références

Édition du: 13/01/2023

M'écrire

Brèves de Maths

 

INDEX

 

Logique

Algorithme

Programmation

Multimédia

 

LOGIQUE et IA

Introduction

Algorithmes

Jeux

Théorie

Humaine

Machine de Turing

Systèmes experts

Rx neuronaux

Programmation

Automate

Lambda-calcul

Robots

Historique

Algorithmes TOP 15

ChatGPT

IA Avancée

 

 

Intelligence artificielle – I.A.

 

Personne ne viendra lire cette page sans avoir sa petite idée sur ce qu’est l’intelligence artificielle. C'est un vaste sujet. Il s'agit de la faculté de reproduire un " raisonnement " par des moyens informatiques. C’est l’ordinateur qui "pense"… pour reconnaître, s'adapter à des situations… comme le ferait un être humain. L'I.A fait partie de la cognitique.

 

En 1950, Alan Turing se posait la question: "Can machine think?". Quelques années plus tard, McCarthy propose de nommer les recherches dans ce domaine: intelligence artificielle. À cette époque les chercheurs, outre Turing et McCarthy sont: Claude Shannon, Marvin Minsky, Rochester …

 

John McCarthy (1958 – MIT; puis Stanford en 1962) est l'inventeur du premier langage d'intelligence artificielle: le langage LISP (List Processor). Suivra en 1972, le langage PROLOG conçu par le Français Alain Colmeraurer. C'est McCarthy qui a proposé le terme: intelligence artificielle dont il propose la définition suivante: l'IA est la science et l’ingénierie de fabrication des machines intelligentes, notamment des programmes informatiques intelligents.

 

Sommaire de cette page

>>>  Approche

>>> Trois méthodes

>>> Trois méthodes par l'exemple

>>> Ascendant ou descendant

>>> Vocabulaire

>>> Crainte de l'IA

 

Débutants

Logique

 

Glossaire

Logique

 Anglais: Artificial Intelligence – A.I.

 

 

C'est logique! Où il y a de l'intelligence artificielle, il a forcément de la stupidité artificielle.

It figures. If there's artificial intelligence, there's bound to be some artificial stupidity.

Voir Pensées & humour / Tournures anglaises

 

 

 En bref

L'informatique               traite les données          (informations numériques).

L'intelligence artificielle traite les connaissances (informations symboliques).

 

Prospective: beaucoup croient que le projet de l'intelligence artificielle va bien au-delà de la simple simulation de comportements intelligents et qu'il porte sur la réification d'une conscience. Les développements actuels (2017) porteraient sur l'IA faible pour devenir, à terme, une IA forte.

 

Marché prévisionnel de l'IA

Les mots clés de l'IA:

·       Machine learning (apprentissage automatique ou apprentissage statistique)

·       Deep learning (apprentissage profond)

·       Réseaux à apprentissage (neuronique)

·       Big data

·       Algorithmes

·       Robots

·       Théorie de l'information

·       GAN: Generative Adversarial Networks

 

·       GAFAM (Google, Amazon, Facebook, Apple et Microsoft)

·       NATU (Netflix, Airbnb, Tesla, Uber)

 

Deux vagues d'IA

·       l'IA faible ou descendante: imitation fidèle d'un comportement observé et qui est reproduit à l'identique à l'aide d'un programme informatique. Il est très performant dans son domaine mais reste confiné dans celui-ci, sans possibilité d’évoluer.

·       l'IA forte (ascendante): cette fois le comportement humain est mimé par suite d'apprentissage et accumulation de connaissances de plus en plus complexes. La machine est dotée d'une sorte de conscience d'elle-même. Les algorithmes évoluent et échappent progressivement au cadre fixé au départ par leurs auteurs.

 

Il existe de nombreux sites expliquant la théorie.

On essaie, ici, de toucher du doigt le domaine,

de comprendre les mécanismes et les enjeux.

 

 

Weapon or Math Destruction

Titre du livre (2018) de Cathy O'Neil, mathématicienne américaine, dénonçant les dangers des algorithmes d'IA conduisant à la prise automatique de décisions.

Jeu de mots avec Weapons of Massive Destruction, armes de destruction massive.

Voir Pensées & humour

 

 

 

Approche

Ordinateurs

 

Les ordinateurs sont devenus de plus en plus puissants, mais ils ne permettent pas de toujours résoudre tous les problèmes.

La matériel n'est peut être pas en cause. C'est le logiciel qu'il faut améliorer.

Logiciels

 

La construction de logiciels s'appuie sur plusieurs approches:

 

 

 

 

TROIS MÉTHODES

 

Une approche algorithmique

 

 

Elle nécessite l’écriture du processus à suivre pour résoudre le problème puis sa transcription en un programme. Lorsque le problème est complexe, ce peut être une étape coûteuse ou impossible.

D’autre part, les ordinateurs sont des machines complètement logiques qui suivent à la lettre chacune des instructions du programme. C’est un avantage lorsque tous les cas ont été prévus à l’avance par le développeur de l'algorithmique.

 

 

Systèmes experts

 

 

La seconde approche par possible est celle de l’intelligence artificielle (IA), avec pour application la plus connue les systèmes experts.

Voir  Raisonnement par système expert

 

Ici, la résolution du problème s'appuie sur un ensemble de règles données par l’expert humain du domaine.

Il n’en demeure pas moins que toutes les règles doivent avoir été exprimées préalablement au traitement, et que le programme demeure binaire dans son exécution. Les cas qui n’ont pas été prévus par l’expert ne seront pas correctement traités.

L’introduction de la logique floue ne change pas la nature des limitations d’emploi du programme: l'exécution reste totalement déterministe.

 

 

Alors, comment aller plus loin?

 

L’approche basée sur la connaissance s'applique là où la modélisation de la connaissance est possible, sous forme de règles, par exemple:

 

 

Pour les sciences "exactes"

·      l'électronique,

·      la mécanique,

·      la physique,

·      etc.

La connaissance y est explicite.

 

 

Et non les sciences dites "humaines"

·      la médecine,

·      la psychologie,

·      la philosophie,

·      etc.

La connaissance y est empirique.

 

Les réseaux neuroniques

 

Les deux approches indiquées ne suffisent pas pour

·    de la reconnaissance de formes,

·    du diagnostic,

·    du contrôle moteur,

·    de la traduction automatique,

·    de la compréhension du langage,

·    etc.

 

Pour cette troisième approche, on cherche à s’inspirer du traitement de l'information effectué par le cerveau.

En effet, la structure du système nerveux, les mécanismes mentaux, les processus neurophysiologiques, l'architecture du cerveau sont à la base du développement d’un comportement intelligent.

Les réseaux de neurones artificiels tentent de reproduire ce comportement.

 

 

 

TROIS MÉTHODES

Approche avec l'exemple du jeu de dames

Niveaux

Trois niveaux possibles de " raisonnement "
ou plutôt: trois méthodes utilisées en intelligence artificielle

 

ALGORITHME

 

Programmation impérative

 

Avant chaque mouvement de pièce, exploration de tous les cas possibles. On peut, au prix d'une certaine complexité, y ajouter des tests pour éviter d'explorer des cas de figures très probablement perdants.

Le but étant de diminuer le nombre des calculs qui sont trop nombreux pour être calculés en un temps raisonnable. C'est encore pire aux échecs comparés aux dames.

>>> Suite

 

 

EXPERT

 

Programmation déclarative ou

logique

 

Dans une base de connaissances, on pourrait enregistrer

un grand nombre de parties connues.

Si le système reconnaît une de ces parties, il joue les coups enregistrés.

On voit bien ici que l'algorithme déroule systématiquement l'exploration de tous les coups permis.

 

Avec le système expert, comme son nom l'indique, une bonne dose de connaissances du jeu a été introduite.

Ça n'est plus une simple mécanique en action, mais l'utilisation de règles de déduction basées sur la forte connaissance des spécialistes humains.

>>> Suite

 

 

NEURONIQUE

 

Programmation fonctionnelle

 

Apprentissage en jouant des parties et en tentant de mémoriser les différences entre-elles.

Trouver les caractéristiques de chacune.

La machine se bonifie à chaque partie

 

L'homme en face ne sait pas très bien ce que la machine mémorise pour arriver au résultat. Mais ça marche!

 

Aucune expertise n'est apportée. Sinon par mimétisme du joueur en face de la machine.

Et encore! On a conçu des machines neuroniques qui jouaient entre elles. Un programme de sélection récompensait les plus fortes et éliminaient les plus faibles. Par auto-adaptation restait une seule machine qui s'est révélée très performante.

 

Voir l'exemple des échecs avec l'évolution des programmes Deep Blue (1996 – Classique)) et AlphaZero (2017 – Apprentissage profond).

>>> Suite

 

Conclusion

 

Les trois manières de trouver une solution sont très différentes et s'appliquent à des cas d'application spécifiques. Elles sont complémentaires.

 

Machine learning

Le Machine Learning est un sous-ensemble de l'IA. Les réseaux neuroniques sont une des technologies de base.

Arthur Samuel en 1959 en fut le pionnier et il définit le machine learning comme le champ d’étude qui donne aux ordinateurs la capacité d’apprendre sans être explicitement programmés à apprendre.

La qualité des prédictions des algorithmes s’améliore avec l’expérience.

 

 

 

 

Démarches

DESCENDANTE

ASCENDANTE

·    Les robots ou automates programmés pour faire quelque chose ne font que ce qu'on leur a injecté comme instruction.

·    "Insectes" de Brooks qui se débrouillent par essais et erreurs; par apprentissage et, sélection des plus adaptés.

·    Ils reflètent les idées et la logique des humains.

·    Ils peuvent donner naissance presque sûrement à de l'inattendu.

·    L'école descendante soutient que l'esprit est comme un programme d'une immense complexité dans un ordinateur

·    Hopfield pense que l'intelligence pourrait naître de la théorie quantique d'atomes stupides sans aucun programme d'aucune sorte.

·    Sa théorie: tout comme un objet quantique minimise son énergie, un circuit de réseau de neurones, lui aussi, doit minimiser son énergie.

·    Turing, avec sa machine, a saisi l'essence mathématique de la machine à calculer universelle.

·    Hopfield a découvert l'une des lois universelles des réseaux de neurones.

D'après: Visions de Michio Kaku – Chapitre sur la révolution informatique

 

 

 

Vocabulaire

 

Voici une liste de mots et sujets que l’on retrouve dans le domaine de l’I.A. (Intelligence Artificielle).
 

 

USAGES

·    Reconnaissance des chiffres et des lettres

·    Reconnaissances dans les images

·    Reconnaissance de la parole

·    Extraction d’information dans le bruit

·    Diagnostic médical

·    Compréhension et traduction des langages naturels

·    Auto adaptation des robots en production

 

OUTILS

·    Langages de programmation

·    Programmation et objets structurés

·    LOGO

·    PROLOG

·    LISP

·    Moteur d’inférences

·    Bases de connaissances

·    Modélisation

·    Graphes

·    Tableau noir

 

MÉTHODES

·    Procédures algorithmiques

·    Déclaration d’experts

·    Apprentissage neuronal

 

FONDEMENTS

·    Logique de Boole

·    Logique formelle

·    Logique des prédicats

·    Syllogismes

·    Déduction

·    Heuristique

·    Énigmes

·    Paradoxes

ÉPISTÉMOLOGIE

(fondements théoriques et valeurs)

·    Décidabilité (Hilbert)

·    Calculabilité (Turing)

·    Incomplétude (Gödel)

 

                                                                                                                 

Une vision du domaine

 

    Les systèmes experts, permettant d'appliquer des règles pour prendre des décisions ou découvrir de nouvelles connaissances. >>>

    La logique floue, permettant de contrôler des systèmes informatiques ou mécaniques de manière beaucoup plus souple que les programmes traditionnels.>>>

    Les algorithmes de recherche de chemin, dont le A* très utilisé dans les jeux vidéo pour trouver les meilleurs itinéraires.>>>

    Les algorithmes génétiques, utilisant la puissance de l'évolution pour apporter des solutions à des problèmes complexes.

    Les principales métaheuristiques, dont la recherche tabou, trouvant des optimums à des problèmes d'optimisation, avec ou sans contraintes.

    Les systèmes multi-agents, simulant des foules ou permettant des comportements émergents à partir de plusieurs agents très simples.

    Les réseaux de neurones, capables de découvrir et de reconnaître des modèles, dans des suites historiques, des images ou encore des données. >>>
 

Extrait et commentaire du sommaire du livre de Virginie Mathivet

 

 

La crainte l'intelligence artificielle (IA)

 

Trois personnages célèbres, entre autres, se prononcent sur les dangers à terme de l'IA: Bill Gates, Stephen Hawking et Elon Musk .

 

Certains redoutent que ces technologies:

·    soient tellement sophistiquées qu'elles se mettent à avoir des effets pervers (bugs), 

·    échappent au contrôle,

·    soient détournées par des hackers-pirates, ou

·    soient délibérément malfaisantes (cyberguerre).

La science-fiction invente des utopies; l'IA pourrait devenir une dystopie.

 

L'ordinateur ne peut pas se mettre à avoir une conscience pour nuire à l'homme. Par contre, il peut devenir idiot. Le cerveau humain, lui, est doué de discernement dans notre environnement complexe.

 

Un défi pour les informaticiens: mettre en place les garde-fous pour assurer la sécurité des innovations en IA. 

 

Dans un premier temps les machines seront bien utiles: accomplissant des tâches à notre place sans être intelligente, malgré leur dotation en IA.

Puis l'IA va progresser. Elle deviendra très puissance au point de ne plus pouvoir la contrôler.

Sentiment de Bill Gates, co-fondateur de Microsoft

 

La plus grande menace pour notre existence, c'est l'IA. Nous devrions mettre en place une régulation au niveau national, voire international.

Sentiment d'Elon Musk, fondateur et patron de Tesla Motors et SpaceX

 

Réussir à créer une IA serait le plus grand événement dans l'histoire de l'homme, mais ce pourrait être le dernier. L'IA dépend de qui la contrôle et, on peut même se demander si elle peut être contrôlée. Sentiment de Stephen Hawking, scientifique.

D'après: IA: attention danger, même Bill Gates a peur! Raphaële Karayan – L'Express 02/02/2015

 

 

 

 

 

Suite

·    Systèmes experts

·    Automate

·    Informatique

·    Intelligence humaine

·    Robots

·    Historique

Voir

·    Counterfactual regret minimisation

·    Dualité

·    Énigmes et paradoxes

·    Équilibre de Nash

·    Événements chronologiques

·    Fractales

·    Histoire de l'informatique

·    Histoire des ordinateurs

·    Incomplétude

·    Intelligence

·    Intelligence des animaux

·    LogiqueIndex

·    Multimédia et informatiqueIndex

·    Ontologie

·    Outils de la logique

·    Poker et intelligence artificielle

·    Puissance de calcul

·    Raisonnement

·    Réseaux neuronaux

·    Systèmes experts

·    Turing et le Bureau 47

Livres

·      L'Intelligence Artificielle pour les développeurs – Concepts et implémentations en C# – Eni Éditions par Virginie Mathivet, Docteur Ingénieur INSA, professeur permanent à l'EPSI de Lyon – Décembre 2014

·      L'intelligence artificielle – Jean-Gabriel Ganascia – Le Cavalier Bleu – 2007

·      Le Mythe de la singularité. Faut-il craindre l’intelligence artificielle? – Jean-Gabriel Ganascia – Seuil – 2017

Sites

·      Le portail de l'intelligence artificielle et des startups IA – ACTU IA

·      Apprentissage automatique – Wikipédia

·      Machine learning et deep learning, comment ça marche? – Ludovic Louis – Siècle digital – 22/12/2016

·      De l’intelligence artificielle aux humanités numériques – Entretien avec Milad Doueihi et Jean-­Gabriel Ganascia – La vie des idées – 2014

·      A Very Short History Of Artificial Intelligence (AI) – Gil Press – 2016

Cette page

http://villemin.gerard.free.fr/Wwwgvmm/Logique/IAintro.htm