Panorama de l'IA

Ecole Nationale Supérieure de Cognitique

Baptiste Pesquet

Planet logo

Sommaire

  • Qu’est-ce que l’IA ?
  • Histoire de l’IA
  • Principaux domaines d’étude
  • Avancées récentes
  • Les enjeux de l’IA
  • Quel futur pour l’IA ?

Qu’est-ce que l’IA ?

Tentative de définition

“L’IA consiste à parvenir à faire faire aux machines ce que l’homme fait aujourd’hui mieux qu’elles, notamment s’adapter, apprendre, communiquer et interagir d’une manière riche et variée avec leur environnement.” (FranceIA)

L’IA, interdisciplinaire par nature

Vue synthétique de l'IA

L’IA, une science impossible ?

“Tout problème pour lequel il n’existe pas de solution algorithmique connue relève a priori de l’IA.” (J.L. Laurière)

IA = frontière de l’algorithmie

Chaque progrès repousse cette frontière !

Histoire de l’IA

La vie artificielle : un rêve depuis l’Antiquité

  • Héphaïstos et ses objets animés (Illiade, chant 18).
  • Golems de bois ou d’argile de la tradition juive.

Repoduction du Golem de Prague

Les automates au fil des siècles

Exemples d'automates

1948 : la cybernétique, science des systèmes

Etude des communications et de leur régulation dans les systèmes naturels et artificiels.

Fondée par N. Wiener. Basée sur la modélisation mathématique du neurone (McCulloch et Pitts, 1943) et la théorie de l’information de C. Shannon (1948).

Machines autocorrectives s’adaptant à leur environnement au vu des erreurs commises (boucles de rétroaction), sans intention ni raisonnement.

Brief history of AI

1956 : conférence de Dartmouth

Parmi les participants : J. McCarthy (Stanford), M. Minsky et C. Shannon (MIT), H. Simon et A. Newell (Carnegie Mellon), N. Rochester (IBM).

Dartmouth workshop

“We propose that a 2-month, 10-man study of artificial intelligence be carried out during the summer of 1956 at Dartmouth College. The study is to proceed on the basis of the conjecture that every aspect of learning or any other feature of intelligence can in principle be so precisely described that a machine can be made to simulate it […].”

Une histoire mouvementée

AI timeline

Des approches divergentes

  • Symbolisme (ou cognitivisme) : pensée = manipulation de symboles. Définition de règles permettant de travailler sur des représentations de haut niveau.
  • Connexionnisme : pensée = calcul massivement parallèle de fonctions élémentaires. Emergence de comportements à partir des interactions individuelles entre éléments.

Symbolisme Vs Connexionnisme

AI approaches timeline

Un système expert : MYCIN (1976)

Diagnostic et proposition thérapeutique en médecine (infections bactériennes du sang).

Exemple de règle :

si le site de la culture étudiée est le sang
   le gral de l'organisme est négatif
   sa morphologie est de type bâtonnet
   si la brûlure du patient est sérieuse

alors il y a 0.4 chances que l'organismes soit pseudomonas

L’été… Jusqu’à quand ?

Is (AI) winter coming?

Principaux domaines d’étude

Résolution de problèmes

  • Algorithmes de recherche
  • Heuristiques
  • Satisfaction de contraintes

Connaissances et raisonnement

  • Logique
  • Inférence
  • Représentation des connaissances
  • Web sémantique
  • Ontologies

Apprentissage automatique (Machine Learning)

Ensemble de techniques permettant à des machines de s’entraîner sur des bases d’exemples, d’en faire émerger des traits, de généraliser sur des exemples non encore rencontrés et de s’améliorer continuellement avec l’expérience.

Communication, perception et action

  • Vision par ordinateur
  • Traitement du Langage Naturel (NLP)
  • Robotique

Avancées récentes

Reconnaissance visuelle

Visual reco

Compréhension de la parole

Enceintes connectées

Véhicules autonomes

Tesla self-driving car footage

Algorithmes de recommandation

Spotify Discover Weekly

Jeux complexes

DeepMind AlphaGo

Apprentissage profond (Deep Learning)

Ensemble de techniques d’apprentissage automatique dans lesquels de vastes réseaux de neurones artificiels exploitent de grandes quantités de données.

A l’origine de la majorité des avancées récentes en IA.

Les clés du succès

  • L’explosion du volume de données disponibles (“Big Data”)
  • L’augmentation de la puissance de calcul des machines
  • L’optimisation d’algorithmes connus depuis les années 1980

L’état de l’art vers 1990

LeCun LeNet

http://yann.lecun.com/exdb/lenet/

Big data universe

Computer power sheet

Les enjeux de l’IA

Enjeux stratégiques

Rapport #FranceIA (2017) :

  • Importance des données (nouveau pétrole ?)
  • Nécessité d’infrastructures de calcul puissantes
  • Guerre des talents au niveau mondial
  • Risque de nouvelles dépendances économiques

l’IA et l’emploi

  • Automatisation des tâches répétitives, même complexes (médical, juridique, etc).
  • Conséquences importantes sur les métiers et les activités.
  • Impact net difficile à prédire.

Enjeux éthiques et sociétaux

Le futur de l’IA

De l’IA faible à l’IA forte ?

  • IA faible (narrow/weak AI), spécialisée dans un seul domaine
  • IA forte
    • General AI (AGI), capable de réaliser les mêmes tâches intellectuelles qu’un être humain
    • IA douée d’une conscience d’elle-même et éprouvant des sentiments.

Singularité (technologique)

Courbe BC

Transhumanisme

Courant de pensée visant à améliorer la condition humaine à travers les technologies :

  • Augmentation des capacités physiques et intellectuelles
  • Elimination du vieillissement
  • Immortalité

Les prochaines étapes pour l’IA

  • Capacité à apprendre à partir de peu d’exemples
  • Bon sens

Google self-driving car in GTA