Intelligence Artificielle AI - Prolog : Chapitre2 Introduction à l’Intelligence Artificielle prolog
Télécharger PDFIntroduction à l’Intelligence Artificielle
14 janvier 2014
Qu’est-ce que l’Intelligence Artificielle ?
L’Intelligence Artificielle (IA) vise à faire exécuter par des machines des tâches considérées comme intelligentes lorsqu’elles sont réalisées par des humains. Elle englobe plusieurs dimensions :
La simulation des processus intelligents chez l’humain
L’IA cherche à reproduire les méthodes de raisonnement ou d’intuition humaines, ainsi que leurs résultats.
L’étude des facultés mentales par des méthodes calculatoires et informatiques
Elle utilise des modèles calculatoires pour analyser et simuler un comportement intelligent, comme celui des humains.
Des machines imitant les comportements humains
L’objectif est de créer des systèmes capables de percevoir, raisonner et agir de manière similaire aux humains.
Définitions clés
« L’intelligence est la faculté de connaître et de comprendre, incluant la perception, l’apprentissage, l’intuition, le jugement et la conception. » [Robert]
« La connaissance désigne un savoir acquis, un savoir-faire, un savoir technique ou un savoir-être, c’est-à-dire une compétence permettant de résoudre des problèmes. »
« Le raisonnement correspond à la génération de nouvelles connaissances à partir d’informations existantes. »
Les deux dimensions fondamentales de l’IA
L’IA se divise en deux approches principales :
Penser comme les humains
Cette approche consiste à comprendre le fonctionnement du cerveau humain et à implémenter des théories scientifiques pour reproduire des capacités cognitives. Elle repose sur :
- L’introspection ou des expériences psychologiques pour étudier l’activité cérébrale interne
- La validation des systèmes par leur capacité à prédire et tester le comportement humain (sciences cognitives)
- L’analyse directe des données neurologiques (neurosciences cognitives)
Penser et agir rationnellement
Un agent rationnel agit de manière à maximiser l’accomplissement de ses objectifs, en fonction des informations disponibles. Cela inclut :
- L’apprentissage pour acquérir des connaissances
- La mémorisation pour représenter ces connaissances
- Le raisonnement pour résoudre des problèmes
- La communication pour comprendre et interagir
Exemples de systèmes intelligents
L’IA moderne inclut des systèmes capables de :
- Traiter le langage naturel
- Représenter et raisonner automatiquement avec des connaissances
- Apprendre et s’adapter
- Résoudre des problèmes complexes
Test de Turing (1950)
Proposé par Alan Turing pour définir l’intelligence artificielle, ce test consiste à déterminer si une machine peut imiter un humain dans une conversation. Les capacités requises incluent :
- Le traitement du langage naturel
- La représentation des connaissances
- Le raisonnement automatique
- L’apprentissage
Problèmes liés au Test de Turing
La « chambre chinoise » de Searle montre que la syntaxe seule ne suffit pas à produire du sens, ce qui soulève deux thèses :
- Thèse faible : Une machine peut se comporter comme si elle était intelligente.
- Thèse forte : Une machine intelligente possède des états cognitifs.
Approches pour concevoir des agents intelligents
Approche symbolique
Basée principalement sur la logique, elle manipule des expressions et implémente des processus de raisonnement. Elle nécessite une représentation explicite des connaissances et des méthodes de résolution, ce qui demande un important effort de programmation.
Approche neuro-mimétique
Inspirée de la biologie, elle construit des modèles informatiques à partir de réseaux neuronaux. Peu ou pas de programmation explicite est requise, car elle exploite des processus d’apprentissage pour développer des systèmes auto-adaptatifs et évolutifs.
Approche hybride neuro-symbolique
Combine les avantages des deux approches précédentes.
L’IA comme discipline pluridisciplinaire
L’Intelligence Artificielle s’appuie sur plusieurs domaines scientifiques :
- Linguistique (syntaxe, sémantique)
- Informatique (systèmes, algorithmes)
- Logique et philosophie (raisonnement, règles formelles)
- Neurosciences (substrat physique et biologique du cerveau)
- Mathématiques (théorie des graphes, probabilités)
- Statistiques
- Sciences cognitives
- Cybernétique
- Psychologie (intelligence humaine et animale)
- Économie (décision, optimisation)
Questions fondamentales en IA
Quelles règles formelles permettent de déduire des conclusions valides ?
Comment raisonner avec des informations incertaines ?
Quel est le rapport entre l’esprit et la nature physique du cerveau ?
Préhistoire de l’Intelligence Artificielle
Les origines de l’IA remontent à l’Antiquité et se sont développées au fil des siècles :
- 450 av. J.-C. : Platon, Socrate et Aristote explorent les concepts de bien et de raisonnement.
- 1596-1650 : René Descartes propose le dualisme âme/corps et la théorie de l’animal-machine.
- 1623-1662 : Blaise Pascal invente des machines pour additionner.
- 1673 : Gottfried Wilhelm Leibniz propose une machine à calculer capable de 4 opérations.
- 1724-1804 : Immanuel Kant affirme que la raison impose ses lois à la nature.
- 1805 : Joseph-Marie Jacquard automatise une tâche répétitive avec des cartes perforées.
- 1815-1864 : George Boole formalise la logique comme discipline mathématique.
- 1792-1871 : Charles Babbage conçoit la machine analytique, précurseur des ordinateurs modernes.
- 1902-1983 : Alfred Tarski développe la sémantique et la théorie des modèles.
- 1906-1978 : Kurt Gödel formule les théorèmes de complétude et d’incomplétude.
- 1912-1954 : Alan Turing invente la machine de Turing et étudie la calculabilité.
- 1903-1995 : Alonzo Church propose le λ-calcul et la thèse de Church.
- 1940-1945 : Howard Aiken développe les premiers ordinateurs électroniques (MARK I, II, III, ENIAC).
Acte de naissance de l’IA
En 1956, lors d’une conférence au Dartmouth College (New Hampshire, États-Unis), quatre hommes posent les bases de l’IA :
- John McCarthy (logique)
- Marvin Minsky (approche par schéma)
- Claude Shannon (théorie de l’information)
- Nathaniel Rochester (réseaux de neurones)
Ils introduisent la notion de « machines à penser » et comparent le cerveau aux premiers ordinateurs.
Les années pionnières de l’IA (1950-1970)
Une période marquée par l’euphorie et de grands espoirs :
- 1952 : Arthur Samuel crée un programme capable d’apprendre à jouer aux dames anglaises.
- 1958 : Frank Rosenblatt invente le perceptron, un classifieur linéaire à entrées et sorties binaires.
- 1959 : Newell, Shaw et Simon développent le General Problem Solver, un système universel de résolution de problèmes.
- 1966 : Joseph Weizenbaum crée ELIZA, un programme simulant un psychothérapeute en reformulant les affirmations du patient.
Exemple de dialogue avec ELIZA
Les hommes sont toujours les mêmes – Dans quel sens ?
Ils nous énervent toujours pour un oui ou pour un non – Pensez-vous à un exemple particulier ?
Bien, mon petit ami m’a amenée ici – Votre petit ami vous a amenée ici ?
Il dit que je suis trop souvent déprimée – Je suis désolé d’apprendre que vous êtes déprimée.
C’est vrai, je suis malheureuse – Pensez-vous que venir ici vous aide à ne plus être malheureuse ?
J’ai besoin d’aide, ça c’est certain – Qu’est-ce que cela signifie pour vous d’obtenir de l’aide ?
Peut-être que je pourrais apprendre à rester tranquille avec ma mère – Parlez-moi de votre famille.
Le renouveau de l’IA (1970-1980)
Cette période voit l’émergence des premières applications pratiques en intelligence artificielle, notamment avec DENDRAL en 1969, un système d’analyse automatique de structures chimiques.