Techniques de l’intelligence artificielle 11 Mars 2014 [email protected]r http:// www.oliviergeorgeon.com t 1/33 oliviergeorgeon.com
Transcript
Page 1
Techniques de lintelligence artificielle 11 Mars 2014
[email protected] http://www.oliviergeorgeon.com t
1/33oliviergeorgeon.com
Page 2
Droulement de lUE 11 marsOlivier Georgeon 18 marsINTELLIGENCE
ARTIFICIELLE 25 marsDEVELOPPEMENTALE 1 avril 8 avrilAlain Mille 15
avrilRAISONNEMENT A PARTIR DE CASRendu projet 22 avril 29
avrilNadia Kabachi 6 maiVACANCES 13 maiNadia Kabachi 20 maiSYSTEMES
MULTI AGENTS 1 27 maiSamir Aknine 3 juinSYSTEMES MULTI AGENTS 2 10
juin 17 juil 24 juinExam Responsable de lUE: Alain MILLE
Evaluation: - Projets: 2/3 - Exam: 1/3 2/33oliviergeorgeon.com
Page 3
Initiation lintelligence artificielle dveloppementale 11 Mars 1
avril 2014 (10h) [email protected]
http://www.oliviergeorgeon.com/ 3/33oliviergeorgeon.com
Page 4
Vieux rve de lIA Instead of trying to produce a program to
simulate the adult mind, why not rather try to produce one which
simulates the child's? If this were then subjected to an
appropriate course of education one would obtain the adult brain.
Presumably, the child brain is something like a notebook []. Rather
little mechanism, and lots of blank sheets. []. Our hope is that
there is so little mechanism in the child brain that something like
it can be easily programmed. The amount of work in the education we
can assume, as a first approximation, to be much the same as for
the human child. Computing machinery and intelligence (Alan Turing,
1950, Mind, philosophy journal). 4/33oliviergeorgeon.com
Page 5
Est-ce mme possible? Thories spiritualiste de la conscience.
Thories de louverture causale de la ralit physique. Trop complexe.
Thorie matrialiste de la conscience (Julien Offray de La Mettrie,
1709-1751). La conscience comme processus computationnel (Chalmers
1994) http://consc.net/papers/computation.html
http://consc.net/papers/computation.html Non ? Oui ?
5/33oliviergeorgeon.com
Page 6
Plan Exemple Demo dapprentissage dveloppemental. Outils
thorique Poser le problme. La question de lauto-programmation.
Travaux pratiques Dveloppez votre agent auto-programmant.
6/33oliviergeorgeon.com
Page 7
6 expriences I existe des rgularits squentielles hirarchiques
dinteraction, par exemple: Aprs i 7, tentatives de i 1 or i 2
provoque plus souvent i 1 que i 2. Aprs i 9, i 3, i 1, i 8 , i 4, i
7, i 1 peut souvent etre effectue. Aprs i 8, squence i 9, i 3, i 1
peut souvent tre effectue. Aprs i 8, i 8 peut nouveau tre effectu.
i 1 (5) i 2 (-10) i 3 (-3) i 7 (-1) i 8 (-1) i 5 (-1) i 6 (-1) i 9
(-1) i 10 (-1) i 4 (-3) 2 rsultats10 Interactions (avec valeurs)
0101 0 0 1010 0101 0101 Couplage agent/environnement
7/33oliviergeorgeon.com
Outils thoriques Philosophie de lesprit. Epistmologie (thorie
de la connaissance) Psychologie dveloppementale. Biologie
(autopoiese, enaction). Neurosciences. 9/33oliviergeorgeon.com
Page 10
Philosophie : Est-ce possible? John Locke (1632 1704) Tabula
Rasa La Mettrie (1709-1751). La matire peut penser David Chalmers A
Computational Foundation for the Study of Cognition (1994) Daniel
Dennett Consciousness explained (1991) Libre arbitre, choix
individuel, motivation propre, dterminisme.
10/33oliviergeorgeon.com
Page 11
Ides philosophiques cls pour lIAD La cognition comme
computation au sens large. Dispositif causal Exemple: un rseau de
neurone avec de la chimie (neurotransmetteurs, hormones etc). Le
dterminisme nest pas incompatible avec le libre arbitre. Ne pas
confondre dterminisme et prdictibilit. Herv Zwirn (Les systmes
complexes, 2006) 11/33oliviergeorgeon.com
Page 12
Epistmologie (que puis-je connatre?) Concept dontologie L'tude
de l'tre en tant qu'tre Aristote (384 322 avant JC). Onto: tant ,
Logos: discours. c'est--dire l'tude des proprits gnrales de tout ce
qui est. La ralit en tant que telle est inconnaissable Emmanuel
Kant, (1724 1804) 12/33oliviergeorgeon.com
Page 13
Ides pistmologiques cls pour lIAD Implmenter des systmes sans
prsupposs ontologiques. Agents agnostics (Georgeon 2012). Lagent ne
pourra jamais connatre son environnement tel que nous le voyons.
Mais avec prsupposs interactionnels Prdfinir les possibilits
dinteraction entre lagent et son environnement Laisser lagent
construire sa propre ontologie de lenvironnement au fur et mesure
de son exprience dinteraction. 13/33oliviergeorgeon.com
Page 14
Psychologie dveloppementale Comment puis-je connaitre?
Apprentissage dveloppemental Jean Piaget (1896 1980) Tlologie /
principes motivationnels lindividu s'auto-finalise de manire
rcursive. Ne pas sparer perception et action a priori: Notion de
schme sensorimoteur Epistmologie contructiviste Jean-Louis Le
Moigne (1931 - ) Ernst von Glasersfeld. La connaissance est une
adaptation fonctionnelle. 14/33oliviergeorgeon.com
Page 15
Etapes dveloppementales indicatives Mois 4: prdictions
Baysiennes . Mois 5: modles des mouvements des mains. Mois 6:
reconnaissance des objets et des visages. Mois 7: persistance des
objets. Mois 8: modles dynamiques des objets. Mois 9: usage doutils
(amne une tasse la bouche) Comportements de pointage dobjets. Mois
10: Imite les mouvements, rampe. Mois 11: marche avec laide dun
adulte. Mois 15: marche seul. 15/45oliviergeorgeon.com
Page 16
Ides psychologiques cls pour lIAD Raisonner sur les intractions
plutt que sparer perception et action. Dfinir un niveau
intermdiaire de lintelligence: Cognition smantique (Manzotti &
Chella 2012) Adaptation stimulus-rponse Cognition smantique
Raisonnement et langage Bas niveau Haut niveau Niveau intrmdiaire
16/33oliviergeorgeon.com
Page 17
Thorie de la vie (pourquoi connatre?) Autopoiese auto: soi,
poise : cration Maturana (1972) Couplage structurel
agent/environnement. Domaine relationnel (espace des possibilits
dinteraction) Homostasie Rgulation de ltat interne Motivation
propre Thorie de lenaction to enact mettre en uvre. Auto
organisation par interaction avec lenvironnement. Enactive
Artificial Intelligence. Froeze and Ziemke (2009).
17/33oliviergeorgeon.com
Page 18
Ides Enactivistes cls pour lIAD Lautonomie constitutive est
ncessaire pour la construction de sens. Evolution des possibilits
dinteraction au cours de la vie du systme. Individuation de la faon
de voir le monde. Faire des systmes capables de sauto- programmer.
Les donnes apprises ne sont pas de simples valeurs de paramtres ou
de pondration, ce sont des donnes excutables.
18/33oliviergeorgeon.com
Page 19
Neurosciences Multiples niveaux danalyse Beaucoup de plasticit
ET beaucoup de pr-cblage 19/33oliviergeorgeon.com
Page 20
Neuroscience Connectome du C. Elegans: 302 neurones. Connectome
entirement inn plutt quacquis par lexprience
20/33oliviergeorgeon.com
Page 21
Human connectome http://www.humanconnectomeproject.org
21/33oliviergeorgeon.com
Page 22
Neurosciences Exemples de cerveaux de mammifres Il ny a pas de
rupture qualitative: les fonctions cognitives humaines (langage
raisonnement) sont bases sur des fonctions crbrales galement
existantes chez dautres mammifres. Mais il y a des diffrences
innes. Le cerveau sert organiser les comportements dans le temps et
lespace. 22/33oliviergeorgeon.com
Page 23
Ides de neurosceinces cls pour lIAD Renoncer lespoir que ce
sera simple. Commencer un niveau assez lev et descendre si ca ne
marche pas ? Le vivant peut tre source dinspiration Architecture
cognitive bio-inspire. Importance de la capacit de simulation
interne de comportements. 23/33oliviergeorgeon.com
Page 24
Les ides cl des ides cl Le but est dapprendre (dcouvrir,
organiser et exploiter) des rgularits dinteraction dans le temps et
lespace pour favoriser des critres inns (survie, etc.). Sans
encoder de connaissances ontologiques prsupposes. En permettant une
certaine autonomie constitutive (auto-programmation).
24/33oliviergeorgeon.com
Page 25
Exemples 25/33oliviergeorgeon.com
Page 26
6 expriences I existe des rgularits squentielles hirarchiques
dinteraction, par exemple: Aprs i 7, tentatives de i 1 or i 2
provoque plus souvent i 1 que i 2. Aprs i 9, i 3, i 1, i 8 , i 4, i
7, i 1 peut souvent etre effectue. Aprs i 8, squence i 9, i 3, i 1
peut souvent tre effectue. Aprs i 8, i 8 peut nouveau tre effectu.
i 1 (5) i 2 (-10) i 3 (-3) i 7 (-1) i 8 (-1) i 5 (-1) i 6 (-1) i 9
(-1) i 10 (-1) i 4 (-3) 2 rsultats10 Interactions (value) 0101 0 0
1010 0101 0101 Couplage agent/environnement
26/33oliviergeorgeon.com
Travaux dirigs 30/33oliviergeorgeon.com 1ere partie. Salles TP6
et TP6 Groupes de 2
Page 31
Exercice Deux expriences possibles E = {e 1,e 2 } Deux rsultats
possibles R = {r 1,r 2 } Quatre interactions possibles E x R = {i
11, i 12, i 21, i 22 } Environnements env 1 : e 1 -> r 1, e 2
-> r 2 (i 12 et i 21 ne se produisent jamais) env 2 : e 1 ->
r 2, e 2 -> r 1 (i 11 et i 22 ne se produisent jamais) Systmes
motivationnels : mot 1 : v(i 11 ) = v(i 12 ) = 1, v(i 21 ) = v(i 22
) = -1 mot 2 : v(i 11 ) = v(i 12 ) = -1, v(i 21 ) = v(i 22 ) = 1
mot 2 : v(i 11 ) = v(i 21 ) = 1, v(i 12 ) = v(i 22 ) = -1
Implmenter un agent qui apprenne effectuer les interactions
positives sans connatre priori son systme motivationnel (mot 1 ou
mot 2 ) ni son environnement (env 1 ou env 2 ). Produire un rapport
danalyse de comportement bass sur les traces.
31/33oliviergeorgeon.com