Les domaines de l'Intelligence Artificielle

1. Description

Alan Turing est un mathématicien britannique qui est considéré comme le père des ordinateurs modernes, tout du moins pour la partie théorique. Il est aussi connu pour ses travaux en cryptographie et conçut une machine qui lui permit de décrypter les messages secrets allemands pendant la deuxième guerre mondiale. En parallèle, Turing a travaillé sur l’intelligence des machines et les problèmes qu’elle pourrait soulever. Il élabora un test qui a pris son nom : « Le test de Turing ».

L’exercice est beaucoup plus difficile qu’il n’y paraît. La machine peut donner l’illusion un certain moment ou sur certains sujets, mais des questions basiques, voire très simples, peuvent révéler la « supercherie ». Par exemple, demander à l’interlocuteur caché d’effectuer une opération compliquée telle qu’une division entre deux grands nombres. Si le temps de réponse est trop rapide, il peut facilement trahir la machine. Il faut ainsi que le programme informatique comprenne que la question posée est difficile, voire impossible pour un humain, et feindre la lenteur ou l’ignorance. L’humour ou l’empathie peuvent être de la même manière une autre méthode pour piéger la machine.

1. Description

Les yeux ne servent qu’à capter le signal contenu dans les rayons lumineux qui viennent frapper les rétines, en aucun cas ils ne permettent d’en extraire des informations. Ils font partie d’un ensemble beaucoup plus complet et plus complexe. Le cortex visuel fait partie de cet ensemble et est la zone du cerveau qui va extraire les informations. Ces informations sont ensuite décodées et analysées par d’autres parties du cerveau.

La vision par ordinateur, aussi appelée vision artificielle ou vision numérique, est une branche de l’intelligence artificielle dont le principal but est de permettre à une machine de « voir » et éventuellement de « reconnaître ». Les objectifs de ce domaine sont l’analyse, le traitement, l’interprétation, et la compréhension d’images prises par des systèmes d’acquisition, que ce soient des capteurs, des analyseurs de spectre, des appareils-photo, des caméras, ou tout autre procédé.

La vision par ordinateur peut être totalement différente de celle de l’humain. Elle est basée sur des composants électroniques et n’a de fait plus les limitations physiques de la vision humaine.

Cette vision peut être à champ large comme certains oiseaux, à facettes comme certains insectes, nocturne, à large spectre avec la possibilité de voir toutes sortes de fréquence, toutes sortes de variations de couleurs, à granularité très fine permettant de voir des détails microscopiques.

La vision par ordinateur peut être divisée en sous-domaines qui sont autant d’axes de recherche. On trouve essentiellement aujourd’hui :

1. Description

La robotique est l’ensemble des techniques, technologies et solutions qui permettent la conception et la réalisation de machines ou entités automatisées et « autonomes ». Les robots sont aujourd’hui la forme aboutie de ce domaine.

Il est ainsi possible d’imaginer deux types de robotique :

Cette section se consacre à la robotique physique, les assistants virtuels ont été décrits plus avant dans ce chapitre. Je considérerai donc l’ensemble des domaines scientifiques et industriels qui sont en rapport avec la conception et la réalisation de robots.

1. Description

Dans le cadre de cette étude sur l’intelligence artificielle, j’aborderai plus la représentation de la connaissance que la connaissance elle-même. C’est-à-dire que je détaillerai l’ensemble des outils et des procédés qui aident à la représentation de la connaissance, ceux qui permettent d’organiser le savoir humain dans le but de l’utiliser et le partager et enfin les méthodes de raisonnement qui utilisent cette connaissance.

La gestion de la connaissance et le raisonnement sont une des branches les plus anciennes de l’intelligence artificielle, le but est de permettre à une machine d’avoir accès à la connaissance, de raisonner et de déduire.

On a tous en tête l’exemple de raisonnement (d’inférence) suivant qui a été la base de nos systèmes experts.

1. Description

C’est une branche de l’intelligence artificielle qui concerne l’ordonnancement et la planification de tâches, la réalisation de séquences d’actions ou de stratégies et la prise de décisions. Ce domaine est très lié à l’autonomie d’entités et les technologies associées sont utilisées essentiellement par les agents intelligents, les robots autonomes et les véhicules autonomes. C’est un domaine qui doit trouver des solutions complexes à des problèmes complexes dont le contexte est fortement lié à l’environnement et par conséquent, lié des actions à prendre dans des environnements multidimensionnels non connus.

Dans les environnements connus avec des modèles disponibles, la planification peut être effectuée en dehors de toute action et des solutions peuvent être trouvées et évaluées avant l’exécution.

Cependant, dans des environnements inconnus, les modèles doivent être adaptés et adaptables et la stratégie doit être dynamique et être révisée en temps réel.

L’objectif de ce domaine est de gérer des états intermédiaires jusqu’à l’aboutissement de l’état déclaré comme étant l’état final. Pour se faire, on part des états initiaux, de la description des buts désirés et d’une description de toutes les actions possibles. Il faut ensuite bâtir des plans (c’est le rôle des agents) qui garantissent qu’en partant des états initiaux et utilisant les actions possibles, on arrive bien à l’état final et que ce dernier satisfait bien les buts définis.

Pour être réellement utiles, et pouvoir vraiment permettre de traiter des problèmes réels, ces planificateurs nécessitent maintenant l’intégration de la prise en compte de ressources, du temps, de l’incertitude, et cela en conservant...

1. Description

La définition du langage naturel qui est un langage compris et parlé par un humain est à différencier des langages formels et informatiques. Dans le cadre de l’intelligence artificielle, le domaine du langage naturel est la compréhension d’une langue par une machine et la communication avec les humains au travers de celle-ci.

Bien entendu, des langues sont plus compliquées que d’autres, la complexité d’une langue dépendant essentiellement des ambiguïtés qu’elle véhicule (voir exemple ci-dessous) et de la richesse de la grammaire qu’elle utilise pour la structurer.

Le traitement du langage naturel implique un certain nombre d’outils issus du monde de la linguistique comme la syntaxe, la sémantique, les analyses contextuelles. Dans le cadre de l’intelligence artificielle, on parle de traitement automatique du langage naturel ou de la langue naturelle (TALN) ou traitement automatique des langues (TAL) ce domaine est ainsi à la frontière de la linguistique et de l’informatique.

Le traitement automatique du langage naturel est un domaine qui est considéré comme la fondation d’autres domaines de l’intelligence artificielle...

1. Description

L’apprentissage automatique (Machine Learning) est un domaine de l’intelligence artificielle qui concerne la conception, l’analyse, le développement et l’implémentation de méthodes et d’algorithmes permettant à une machine d’apprendre, d’évoluer et d’acquérir les connaissances nécessaires afin de réaliser des tâches ou résoudre des problématiques complexes.

Il existe trois types d’apprentissages :

Apprentissage supervisé

Apprentissage non supervisé

Apprentissage par renforcement

Ces trois types d’apprentissages génèrent différentes catégories d’algorithmes qui se divisent en trois sous-types :

Ces algorithmes sont succinctement décrits dans les sections suivantes. Le but n’est pas de fournir une description complète des algorithmes, mais plutôt de fournir une idée assez générale de leur fonctionnement.

1. Description

Le raisonnement automatique est à différencier du « raisonnement » des systèmes experts, même si ces derniers peuvent être considérés comme des précurseurs. En effet, les systèmes experts donnent l’impression de raisonner parce qu’ils savent s’adapter à une situation et sont capables de reproduire les compétences et le raisonnement d’un ou de plusieurs experts, dans un domaine particulier.

Par contre, le raisonnement automatisé est un domaine de l’informatique consacré à la compréhension des différents aspects du raisonnement qui cherche à concevoir des algorithmes, des méthodes et des logiciels qui vont permettre aux machines de raisonner comme le ferait un humain. Il est considéré habituellement comme un sous-domaine de l’intelligence artificielle, où ce raisonnement se veut automatique et doit permettre à terme de rendre la machine autonome dans ses prises de décision.

Afin de comprendre les différents aspects du raisonnement, le raisonnement automatique, qu’il soit total ou partiel, s’appuie sur les sciences de l’informatique théorique, les diverses logiques (modale, formelle, temporelle, floue), les mathématiques et même la philosophie.

Il n’existe pas une manière de raisonner, nous pouvons définir plusieurs qui peuvent être combinées entre elles :

1. Description

La décision est le fait de comparer plusieurs possibilités et faire un choix entre plusieurs alternatives. Cette prise de décision consciente et réfléchie qui était l’apanage de l’humain est aujourd’hui partagée avec les machines.

En effet, comme nous l’avons évoqué dans les sections précédentes, les quantités astronomiques de données générées par la transformation numérique, l’apparition des machines intelligentes, l’apprentissage automatisé, les analyses prédictives, les algorithmes autonomes, les interfaces intuitives vont accroître l’automatisation intelligente dans tous les secteurs. Dès aujourd’hui, des algorithmes sont capables de déceler ce que l’humain est incapable de voir, d’imaginer.

On voit une augmentation du support en matière de prise de décisions déjà intégrée dans de nombreuses formes de travaux des plus basiques aux plus pointus. Dans de nombreux domaines, les outils d’intelligence artificielle ont le potentiel d’améliorer la prise de décision humaine, mais également de se substituer entièrement à elle. Il est donc important de réévaluer régulièrement l’impact décisionnel des préférences et hypothèses des algorithmes.

La prise de décision par des machines revêt aujourd’hui trois différentes formes :