Intelligence Artificielle (domaine de l'IA) …...Intelligence Artificielle (domaine de l'IA) en...

Domaine de l'IA-vf1

I/PI/P

I/PI/P

I/P

C*

I/P

I/P

I/P

I/P

I/P I/P

C*

I/P I/P

I/PI/P

I/P

I/P

C*

C*

R

I/P

I/P

I/P

I/P

I/P

Intelligence Artificielle

(domaine de l'IA)

en continuité avec l'essor de l'informatique et

sciences informatiques et cognitives

Systèmes d'intelligence

artificielle

Méthodes d'IA

Faire des études pour définir les objectifs, hypothèses et règles

Produire des systèmes d'IA et des applications

Programmes informatiques

Construire des logiciels

intelligents

grands objectifs

hypothèses de base

Régles méthodologique

connaissances

Informations

traiter les informations

agent intelligent

Applications IA

Intelligence humaine

Systèmes d'intelligence artificielle

S

S

S

S

S

C*

S

I

S

S

S

S

S

S

C*

S

S

S

S

C*

SC

S

S

programmes de traduction automatique

robots dirigés par logiciel

pour effectuer diverses tâches Systèmes

d'intelligence artificielle

système SAP de gestion d'entreprise

système d'informatique

décisionnel

systèmes de prédiction

système de gestion de bases

de données

systèmes experts

systèmes d'appel

systèmes de conception

systèmes à base de connaissances

(SBC)

systèmes d'interprétation

systèmes de planification

système de recommandation

systèmes de représentation


symbolique

systèmes de représentation des

connaissances

animat

système tutoriel

intelligenttuteur

intelligent

système multiagent

environnement multiagent

agent

données

systèmes à base de connaissances (SBC)

C

I

S S

C*

SS

S

C

S

Base de connaissance

base de connaissances spécialisées

base des systèmes

experts

base de données

base de faits

base de règles

bases de données Oracle

mégadonnées (big data)

systèmes à base de connaissances

(SBC)

Moteurs d'inférence

Règles d'inférence

systèmes experts

I

S

C

C

S

S

C

I I

programmes experts de jeux

systèmes experts d'aide à la prise

de décision

systèmes experts

systèmes de diagnostic

base de connaissances spécialisées



DENDRAL

SHRDLUMYCIN


S

Équivalence

S

Équivalence

S

S

S

S

S

I

I

SI

S

I

S S

S

S

C*

I

S

S

S

I

I

S

S

I

S

langage de programmation


langage naturel

langage LISP

langage universel

Langage Web

langage de requête

SPARQL

langages de représentations

langage symbolique

langage musical

langage formel

logique propositionnelle

langage propositionnel

langage Java

OWL

RDF

RDFS

langage de représentation des

connaissances


logique


symbolique

systèmes de représentation des

connaissances

ontologie

représentation des connaissances


orientée objet

langage PROLOG

langage FORTRAN

hypothèses de base

S

R

R

S

S

S

S

R

S

RS

S

hypothèses de base

approche symbolique

de l'IA

cognitivisme

pensée computationnelle

approche multiagent

connexionnisme

approche animat

d'inspiration animale et des comportements

sociaux d'insectes

inspiré du fonctionnement

du cerveau

Inspiré du calcul et des

traitement des symboles

test de Turing

Chambre chinoise

connaissances

S

Équivalence

S

SS

S

C

C*

S

C

S

C*

S

S

C

S

R

SS

S

S

C

connaissances

connaissances spécialisées

connaissances générales

connaissances en mémoire

Règles

connaissances factuelles

connaissances procédurales

connaissances conceptuelles

connaissances spécifique

connaissances d'un domaine

représentation des connaissances

permet d'utiliser les connaissances.

Principes

données

méthodes d'inférence

Croyances

Inférences

Évènements

heuristiques

méthodes heuristique

données

C* * = volumineux

R

R

R

R

R

R

C*

S

S

analyse des mégadonnées

données d'apprentissage

exploration de données

mégadonnées (big data)

données

base de données

a pour technique de recherche

Algorithme

a pour technique de recherche

utilise des ensembles


I/P

S

I/P

S

S

S

S

S

SS

Informations

acquièrent des informations


déduire des informations

rechercher des informations

mémoriser des informations

modifier des informations

fournir des informations

analyser des informations

connaissances

Méthodes d'IA

S

ÉquivalenceS

S

S

S

C*

S

S

S

S

S

R

S

Méthodes d'IA

méthodes statistiques

d'analyse de données

méthodes de représentations

des connaissances

méthodes de résolution de problèmes et d'organisation

méthodes d'évaluation

des états

Règles méthodologiques

variées

méthodes de déduction

méthodes d'inférence

méthodes de redressement

méthodes heuristique

Mécanismes d'inférence

logiciel d'intelligence

artificielle

méthodes d'induction

Règles méthodologiques variées

S

S

S

S

S

Utiliser des méthodes de déduction plutôt que des algorithmes de calcul; par

exemple , la fonction d'évaluation permettra au

programme de déduire quel est l'opérateur le plus prometteur à utiliser

Traiter des représentations

symboliques des situations plutôt que

des nombres

Généraliser pour des domaines

souvent très différents

Chercher à imiter les raisonnements humains

plutôt que d'utiliser uniquement la puissance

et la rapidité de l'ordinateur

utiliser des heuristiques ou

méthodes informelles plutôt que des

algorithmes rigides

Règles méthodologiques

variées

agent intelligent

R

R

RR

S

S

RS

S

S

SS

R

S

S

S

C*

agent intelligent

assistant virtuel

assistant vocal

personnel

synthétiseur de la parole

synthétiseur texte-parole

voix de synthèse

réseaux de neurones

artificiels (RNA)

coefficient synaptique

connexion synaptique

qualifiée par un coefficient

connexionnisme

basé sur l'approche

agent autonome

agent

agent cognitif

agent réactif

environnementinteragit avec

l'environnement

environnement

S

S

S

micromonde

simulation

environnement

environnement multiagent

réseaux de neurones artificiels (RNA)

S

Équivalence

S

S

C*

S

S

S

S

C*

S

S

S

S

S

S SS

S

S

S

C*

S

perceptron multicouche

réseau de neurones

profond


Réseaux de Kohonen SOM (Self-Organising Map)

réseaux de Kohonen

réseau de neurones à

propagation avant

réseaux non bouclés

neurone artificiel

couche de neurones

perceptron monocouche

réseaux à compétitions

Réseaux de neurones récurrents

réseaux de Hopfield

réseaux multicouche (MLP: Multi-layer

Percepton )

réseaux convolutifs

réseau supervisé


artificiels (RNA)

perceptron

neurone artificiel

C

CI/P

R R

I/P

S

RS

C

I/P

fonction d'activation

signal d'entrée

seuil d'activation

Neurone formel

neurones intermédiaires

biais

Calculer la fonction

d'activation

signal de sortie

neurone artificiel

rétropropagation d'erreurs

coefficient synaptique

permet d'ajuster

couche de neurones

SS

S

S

S S

S

S

S

S

couche de neurones

couche décisionnelle

couches de convolution

couche de perte (LOSS )

couche intermédiaire

couche de champs pooling

couche cachée

couche de champ réceptif

couche de sortie

couche totalement connectée (FC , Full Connected)

couche d'entrée

Applications IA

S

S

équivalent

S

C

S

S

S

S

S

S

S

S

R

S

S

S

R

S

S

S

S

S

S

S

C

S

S

S

Applications IA

interaction personne-robot

reconnaissance de l'écriture manuscrite

reconnaissance de la parole

reconnaissance d'images

reconnaissance des formes

synthèse de la parole

synthèse texte-parole

reconnaissance optique de caractères

test de Turing

traitement automatique des langues

vision par ordinateur

apprentissage

interaction personne-machine

reconnaissance de l'écriture manuscrite

assistant virtuel

assistant vocal personnel

Vision artificielle

Vision numérique

Robotique

utilise

interaction personne-robot

Chambre chinoise

Agent conversationnel

apprentissage

S

S

S

S

S

S

S

apprentissage

apprentissage non supervisé

surapprentissage

apprentissage automatique

apprentissage par renforcement

Apprentissage non supervisé SOM

(Self-Organising Map)

apprentissage supervisé

apprentissage profond

(deep-learning)


S

Équivalence

C*

1 ou plusieurs

S

Équivalence

C*

C

S

S

S

SS

S

C*

S

S

S

S


programmes de traduction automatique

Programmes d'ordinateur

Programmes d'IA

programmes d'analyse

automatique de texte

programmes en planification

programmes en robotique


logique


Algorithme

Fonction




orientée objet

raisonnement

Algorithme

S

S

S S

S

S

C*

S

R

S

S

S

séquence binaire

séquence mutante

Plus performante

algorithme de gradiant

stochastique

Algorithme génétique

algorithme d'apprentissage

Algorithme d'optimisation

algorithme adaptatif

Algorithme

séquence croisée

algorithme de gradiant

Séquence

algorithme prédictif

Fonction

SS

S S

S

SS

SS

fonction adaption (fitness)

Fonction

fonctions spécifiques

fonction d'utilité

fonction de voisinage

fonction de codage

fonction d'agglomération

fonction de type

sigmoïde

fonctions logiques

fonction d'activation

raisonnement

S

S S

raisonnement

raisonnement abductif

raisonnement déductif

raisonnement inductif


S

Équivalence

S

S

S

R R

facultés intellectuelles

Intelligence naturelle


Intelligence animale

facultés mentales

est mesurée par

Intelligence Artificielle (domaine de l'IA)

S R

R

S S

R

Intelligence Artificielle

(domaine de l'IA)

intelligence artificielle faible

intelligence artificielle forte

intelligence artificielle distribuée

Vision philosophique

Régit par l'approche multiagents

Table des matières

Domaine de l'IA-vf1..................................................................................................................................................................................1

Systèmes d'intelligence artificielle.........................................................................................................................................................2

systèmes à base de connaissances (SBC)........................................................................................................................................3

systèmes experts...............................................................................................................................................................................4

systèmes de représentation...............................................................................................................................................................5

hypothèses de base..............................................................................................................................................................................6

connaissances......................................................................................................................................................................................7

données.............................................................................................................................................................................................8

traiter les informations...........................................................................................................................................................................9

Méthodes d'IA.....................................................................................................................................................................................10

Règles méthodologiques variées.....................................................................................................................................................11

agent intelligent...................................................................................................................................................................................12

environnement.................................................................................................................................................................................13

réseaux de neurones artificiels (RNA).............................................................................................................................................14

neurone artificiel............................................................................................................................................................................15

couche de neurones......................................................................................................................................................................16

Applications IA....................................................................................................................................................................................17

apprentissage...................................................................................................................................................................................18

Programmes informatiques.................................................................................................................................................................19

Algorithme........................................................................................................................................................................................20

Fonction...........................................................................................................................................................................................21

raisonnement...................................................................................................................................................................................22

Intelligence humaine...........................................................................................................................................................................23

Intelligence Artificielle (domaine de l'IA).............................................................................................................................................24

Intelligence Artificielle (domaine de l'IA) …...Intelligence Artificielle (domaine de l'IA) en...

Documents

Transcript of Intelligence Artificielle (domaine de l'IA) …...Intelligence Artificielle (domaine de l'IA) en...