Intelligence Artificielle Développementale - 22 Octobre 2018 Olivier Georgeon
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
Intelligence Artificielle
Développementale
22 Octobre 2018
Olivier.georgeon@liris.cnrs.fr
http://www.oliviergeorgeon.com
0 10 20 30 40 50
t
1/38
oliviergeorgeon.com
Déroulement du cours
UE « Cognition » (30h): Salima Hassas
Module « IA Développementale » (8h)
Olivier Georgeon
• 22, 24, 29, 31 octobre.
• 4h cours
• 4h TD
• Contrôle
• TD par groupe de 2
• Exam final
2/38
oliviergeorgeon.com
Objectifs pédagogiques
Après ce cours, vous serez capables de:
• Cours
• Expliquer ce qu’est l’IA développementale
• Différencier IA en domaine modélisé / non modélisé
• Nommer quelques auteurs de référence dans ce
domaine
• TD
• Implémenter un agent minimaliste sans connaissance
préalable du domaine.
3/38
oliviergeorgeon.com
Séance 1: Plan
• Introduction à l'IA développementale
• Qu'est-ce que c'est ?
• Est-ce même possible ?
• Comment ca se situe dans le champ de l'IA
actuel ?
• Intelligence artificielle dans un
domaine non modélisé a priori
• Demos
• Travaux pratiques
4/38
oliviergeorgeon.com
1. Qu'est-ce que l'IA
Développementale ?
5/38
oliviergeorgeon.com
IA Développementale
• Faire des robots capables d'apprendre
comme des bébés
6/38
oliviergeorgeon.com
Vieux rêve de l’IA
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).
7/38
oliviergeorgeon.com
Est-ce même possible?
Non ?
Théories spiritualiste de la conscience.
Théories de l’ouverture causale de la réalité physique.
La subjectivité ne se programme pas.
Oui mais trop complexe.
Oui ?
Théorie matérialiste de la conscience
• (Julien Offray de La Mettrie, 1709-1751).
La conscience comme processus computationnel
• (Chalmers 1994)
8/38
oliviergeorgeon.com
Comment ca se situe dans le champ
de l'IA ?
9/38
oliviergeorgeon.com
2017- IApocalypse
• Elon Musk
• Prise de pouvoir de
l'IA
• Bill Gates
• Destructions d'emplois
• Stephen Hawking
• Alertes sur les robots
tueurs
• Ray Kurzweil
• Prophétise la
"singularité" en 2045.
10/3
8
oliviergeorgeon.comIA: Promesses et Périls - 31/12/2017
• Prophéties controversées
• Les alarmistes
• Les techno-optimistes (Mark Zuckerberg)
• Les sceptiques (Jean-Gabriel Granascia)
• Ce que savent faire les algorithmes
• Gagner à un jeu (Alphago)
• Répondre à une question ou à un ordre
• Reconnaitre un visage, une image, un objet
• Créer une image ou mélodie artistique
• Perspectives
• Des "juges virtuels" ?
• Interrogations éthique
• Intelligence collective
• L'homme continue d'avoir le dernier mot
Cahier du Monde n° 22696
11/3
8
oliviergeorgeon.comRapport Villani - 3/3/2018
• Ecoutez, l'intelligence artificielle, il faut mettre les
pieds dans le plat: c'est pas intelligent.
• Cédric Villani 2018. La grande table. France Culture.
5min30sec. 02/04/2018
• https://www.franceculture.fr/emissions/la-grande-
table-2eme-partie/cedric-villani-lintelligence-en-marche
12/3
8
oliviergeorgeon.comUne définition technique
• Si son ambition initiale était d'imiter les processus
cognitifs de l'être humain, ses objectifs actuels
visent plutôt à mettre au point des automates qui
résolvent certains problèmes bien mieux que les
humains, par tous les moyens disponibles.
• Rapport Villani. https://www.aiforhumanity.fr. Extrait du
site le 5/4/2018).
13/3
8
oliviergeorgeon.comRapport "IA et travail"
http://www.strategie.gouv.fr/infographies/intelligence-
artificielle-travail-risques-opportunites 14/3
8
oliviergeorgeon.comImportance de l'interaction
• C'est dans l'interface entre les deux que
beaucoup va se jouer.
• Cédric Villani 2018. La grande table. France
Culture. 28min43sec. 02/04/2018
15/3
8
oliviergeorgeon.comIA Dans un domaine modélisé
versus
IA sans domaine modélisé a priori
16/3
8
oliviergeorgeon.comL'hypothèse des symboles physiques
• « A physical symbol system exercises its
intelligence in problem solving by search—that
is, by generating and progressively modifying
symbol structures until it produces a solution
structure. »
• Computer science as empirical inquiry: Symbols
and search (Newell & Simon, 1976, p. 120).
17/3
8
oliviergeorgeon.comExploration de graphe
olivie
rgeor
18/3
geon
8
.comReconnaissance / Classification
19/3
8
oliviergeorgeon.comLimites
Artificial intelligence struggles to tell
difference between fried chicken and
20/3
Labradoodles. oliviergeorgeon.com
8Envoyez moi vos parodies de l'IA
21/3
8
oliviergeorgeon.comLa critique ontologique
• Critique
• Une IA qui opère sur une ontologie d'un domaine prédéfinie.
• Très efficace en domaines fermés
• Problématique en domaine ouvert
• Impossible de modéliser a priori le monde réel.
• Comment la dépasser ?
• IA capable de construire sa propre ontologie du monde
• Des robots sans modèle du monde codé a priori
• Nouveaux algorithmes d'apprentissage à partir d'interaction
22/3
8
oliviergeorgeon.comLa critique téléologique
• Critique
• Atteindre des « états-solution » (goal states) par exploration
d’un espace d'états prédéfinis.
• Comment la dépasser ?
• Ne pas fixer d'objectifs concret.
• Renoncer aux critères “objectifs” (rapidité d'exécution, taux
d'erreur, etc).
• Evaluation subjective des comportements (Turing 1950).
23/3
8
oliviergeorgeon.comVocabulaire
Activité télique
• Du grec ancien τέλο (télos: « fin »).
https://fr.wiktionary.org/wiki/t%C3%A9lique
• Activité Orienté vers un but.
• S'arrête quand l'objectif est atteint.
• La motivation de l'agent est d'atteindre le but.
Activité atélique
• Non dirigé vers une fin.
• Pas de critère de fin. L'activité s'arrête pour des raisons
externes à l'activité.
• La motivation de l'agent est d'exercer l'activité.
24/3
8
oliviergeorgeon.comIA versus cybernétique
Problème télique Activité atélique
• Recherche d'états solutions • Résister à des
dans un espace de perturbation
problème • Feedback (Wiener 1948)
25
oliviergeorgeon.comMais la distinction n'est pas si claire…
• Toute activité atélique peut se
reformuler comme un problème télique
(Raja Chatila 2018)
• La différence n'est pas tant dans la
définition de l'activité que dans le
choix d'un programme de recherche
• S'intéresse à de questions de recherches
différentes.
• Génère de applications différentes.
26/3
8
oliviergeorgeon.comIA sans domaine modélisé a priori
O'Regan & Noë (2001)
A sensorimotor account of vision and visual consciousness
olivie
rgeor
27/3
geon
8
.comLa question de la computabilité
• L'intelligence est-elle computable ?
• Peut-elle se réduire à un processus exécutable par un
ordinateur ?
• Comment un processus informatique déterministe
pourrait accéder à une forme de libre arbitre ?
• Déterminisme peut être imprédictible
• Théorie évolutionniste de la liberté (Dennett 2003).
• Autonomie constitutive (Froese & Ziemke 2009).
28/3
8
oliviergeorgeon.comLa question des qualia
• Un système artificiel peut-il posséder une subjectivité,
éprouver l'expérience des qualia, et ressentir des
émotions ?
• Est-ce le problème de l'IA ?
• L'IA se bornerait à construire un robot « zombie » (David Chalmers).
• La philosophie dira si le robot possèdent une subjectivité.
• Faut-il étudier la question de la subjectivité
explicitement ?
• Parviendrons-nous à créer un robot zombie si nous ne faisons pas
progresser l'étude scientifique de la conscience en vue de sa
simulation ? (Manzotti & Chella 2018).
29/3
8
oliviergeorgeon.comExemple rudimentaire
Exemple : actions possibles
2 feedbacks possibles 2 valeurs possibles
1
-1
30/3
8
oliviergeorgeon.comEx1: Au clair de la lune
https://youtu.be/ZE00FYSkW4M
31/3
8
oliviergeorgeon.comExemple plus sophistiqué
Exemple : 6 actions possible
2 feedbacks possibles
-3
-1 -1 -1 -3 5
-3
-1 -1 -1 -3 -10
… avec des valeurs
olivie
rgeor
32/3
geon
8
.comA l'insu du robot …
- N'aime pas sentir ni tourner
- Aime avancer
- Déteste se cogner
Sense left empty
Sense left wall
Sense front wall Turn left
Sense front empty Move forward
Bump
Turn right
Sense right empty
Sense right wall
Time
33/3
8
oliviergeorgeon.comLe robot qui n'y comprenait rien du tout
https://youtu.be/t1RO5S4mBEY
34/3
8
oliviergeorgeon.comL'agent qui finissait par comprendre
Avance / collision (5) (-10) Bump:
Tournes gauche/droite (-3)
Touche droite/devant/gauche (-1) Touch:
35/3
8
oliviergeorgeon.comExemple de trace
3
2
Tape1
10 20 30 40 50 60 70 80 90 100
3
2Tape1
110 120 130 140 150 160 170 180 190 200
3
2Tape1
210 220 230 240 250 260 270 280 290 300
3
2
Tape1
310 320 330 340 350 360 370 380 390 400
3
2
Tape1
410 420 430 440 450 460 470 480 490 500
Feel left/front/right Feel left/front/right Hierarchical levels Incorrect
Step forward (5) Bump (-10) Turn left (-3) Turn right (-3) Satisfactions Correct
empty (-1) wall (-1)
36/3
8
oliviergeorgeon.comInversion du cycle d’interaction
• “The problem of AI is to build agents that receive percepts from
the environment and perform actions” (Russell et Norvig, 2003, p.
iv)
• By observing the structure of the changes that occur when they
press various buttons and levers (O’Regan & Noë 2001, p. 940).
a) Traditional model b) Inverted model
Algorith
Algorithm
m
Percept Action Résultat Action
Monde Monde
Les
La données d’entrée
complexité ne fournissent
des données pas
d’entrée n’ad’information
pas besoin
sur un domaine
d’etre proportionnelle à modélisé à priori
la complexité du monde 37/3
8
oliviergeorgeon.comTravaux dirigés
1ere partie.
38/3
8
oliviergeorgeon.comExercice
Deux actions possibles A = {a1,a2}
Deux feedback possibles F = {f1, f2}
Quatre interactions possibles I = A x R = {i11, i12, i21, i22}
Environnements
• env1: a1 -> f1 , a2 -> f2 (i12 et i21 ne se produisent jamais)
• env2: a1 -> f2 , a2 -> f1 (i11 et i22 ne se produisent jamais)
Implémenter un agent qui apprenne à anticiper son feeback sans connaître a
priori son environnement (env1 ou env2).
Produire un rapport d’analyse de comportement basés sur les traces.
39/3
8
oliviergeorgeon.comVous pouvez aussi lire
