A propos d'intelligence artificielle...

Introduction empruntée à Henri Prade (Les livrets de service Culture UPS 3)

L'usage de l'expression Intelligence Artificielle (on utilisera le plus souvent l'abréviation IA dans la suite) s'est largement répandu dans le public, au fur et à mesure des progrès de la technologie informatique et de sa propagation dans les activités humaines. L'IA fait maintenant partie de notre culture comme en témoigne l'existence de nombreux articles, livres, ou films s'y rapportant plus ou moins directement.

Il est vrai que le terme Intelligence Artificielle a pu causer quelques malentendus, voire déplaire, et peut assurément être interprété de diverses manières. En effet, si chacun peut apprécier les capacités toujours plus grandes des machines pour effectuer des calculs numériques ou des opérations symboliques, ou traiter des documents, l'idée que la machine pourrait détenir ne serait-ce que quelques onces d'intelligence provoque bien naturellement des questions, des craintes et des fantasmes.

Comme le suggère le rapprochement, qui a pu sembler provocateur à certains, des mots "intelligence" et "artificiel", il s'agit de réussir à donner à des machines des capacités leur permettant d'effectuer des tâches ou des activités réputées intelligentes (car jusqu'à présent uniquement réalisées par des humains). Une telle définition reste cependant assez vague car elle ne donne ni une définition de l'intelligence, ni même ne précise la nature des capacités dont il convient de doter la machine. Ainsi, une machine capable de reclasser dans l'ordre croissant des nombres donnés en vrac, ou de résoudre des équations, n'est pas considérée comme intelligente pour autant (même si seulement un petit nombre de mathématiciens savent résoudre les équations considérées !).

Les recherches en IA tendent à rendre la machine capable d'acquérir de l'information, de raisonner sur une situation statique ou dynamique, de résoudre des problèmes combinatoires, de faire un diagnostic, de proposer une décision, un plan d'action, d'expliquer et de communiquer les conclusions qu'elle obtient, de comprendre un texte ou un dialogue en langage naturel, de résumer, d'apprendre, de découvrir. Pour ce faire, la machine doit être munie de méthodes génériques susceptibles de s'adapter à de larges classes de situations.

Même si sur toutes ces questions de grands progrès restent certainement à faire, de nombreux résultats ont déjà été obtenus montrant qu'au moins, dans une certaine mesure, ce programme est réalisable.

Cependant, une machine dotée de l'ensemble des fonctionnalités citées plus haut, ces fonctionnalités ayant atteint leur meilleur niveau d'efficience, serait encore assez loin de posséder les capacités de penser d'un être humain (même si la machine s'avérera bien plus performante sur certains registres de tâches qu'un être humain). On pourra consulter l'opuscule de la même série " Les machines pensent-elles " pour une discussion autour de cette question.

Par ailleurs, l'IA entretient des échanges fructueux avec les sciences cognitives, car, d'une part elle fournit de nouveaux repères, points de comparaison pour la compréhension de l'intelligence, et d'autre part elle peut s'inspirer de ce que l'on sait du fonctionnement du cerveau et de la façon dont l'homme raisonne, même si rien ne dit que l'IA doive copier l'intelligence humaine dans toutes ses manières de procéder (ainsi les avions volent, quoique différemment des oiseaux !). De plus, puisque la machine doit échanger ses conclusions avec des usagers, il importe qu'elle puisse s'exprimer en termes cognitivement significatifs pour eux.

Petite histoire de l'IA

• Années 40-50 : travaux gravitant autour de l'idée de "machines pensantes" : Warren Mc Culloch et Walter Pitts proposent les premiers réseaux de neurones artificiels ; Norbert Wiener énonce des mécanismes de communication et de contrôle pour les machines comme pour les êtres vivants - la cybernétique- ; Claude Shannon établit la théorie de l'information ; John von Neuman fonde l'architecture des calculateurs (qui inspire toujours nos ordinateurs modernes !); Alan Türing contribue de manière essentielle à la clarification des fonctions calculables par machine (on lui doit également le fameux "test de Tûring" qui proposait une façon "objective de démontrer l'intelligence d'une machine : un homme converse - à distance et par terminal interposé - avec une machine ; s'il croit qu'il s'agit d'un autre homme alors la machine est réputée intelligente).
• Été 56 : acte de naissance de l'IA aux rencontres du Darmouth College (Hanover, New Hampshire, USA ) organisées par John Mc Carthy et Marvin Minsky. L'expression "Artificial Intelligence" est proposée par John Mc Carthy.
• 1956 (encore) : Newell et Simon avec J. Cliff Shaw propose le premier programme informatique capable de démontrer des théorèmes de logique. A ce premier programme succèdera le célèbre "General Problem Solver"
• depuis les années 60 ...: développement de programmes capables de jouer aux échecs [Arthur Samuel et Alex Bernstein] ; Mackhack [Richard Greenblatt] battait des joueurs expérimentés dès 1960! Dans les années 70, Hans Berliner et d'autres dotent leurs programmes de capacités d'évolution dynamique de leur comportement avec l'évolution du jeu. Les progrès technologiques ont permis à l'ordinateur d'explorer des combinatoires de plus en plus impressionnantes et en 1997, Gary Kasparov est battu par "Deep Blue"...
• dans les années 60 et surtout 70, Thomas G. Evans et David Waltz (pour ne retenir qu'eux) réalisent des programmes permettant de conceptualiser des figures, d'exprimer des contraintes sur des formes géométriques, etc.
• dès 1965, les chercheurs s'intéressent au "langage naturel". Joseph Weizenbau réalise un programme simulant un dialogue qui peut tromper (pas longtemps) un interlocuteur.
• en 1971, Terry Winograd exploite les possibilités de l'IA pour représenter des morceaux de phrase pour les "comprendre" (monde des blocs).
• les années 70 et le début des années 80 voient le développement de nombreux systèmes experts (Dendral en chimie, Mycin en médecine, Hearsay-II en compréhension de la parole, Prospector en géologie...).
• les années 80 et début 90 sont les années d'expérimentation de robots mobiles capables de s'adapter à des environnements non complètement connus (Rodney Brooks pour les travaux des années 80-90).

Après d'immenses espoirs fondés sur ces techniques, les années 90 ont connu un reflux important de la confiance dans l'exploitation pratique des recherches réalisées. Les années 2000 montrent un regain d'intérêt pour ces techniques maintenant maîtrisées et donnant lieu à de multiples dévéloppement dans le domaine de la gestion des connaissances.

Comme le montre ce bref aperçu historique, l'IA s'est largement développée tout d'abord aux Etats-Unis, avant, à partir du milieu des années 70, d'intéresser des chercheurs en Europe puis en Asie. Pour ce qui est de la France, si l'on excepte des pionniers de la cybernétique (Louis Couffignal, Paul Braffort), et si l'on ne s'en tient qu'à des recherches se réclamant explicitement de l'IA, les premières équipes françaises dans ce domaine, furent créées à Paris, puis à Marseille sous les impulsions respectives de Jacques Pitrat (qui a en particulier mis en lumière le rôle des métaconnaissances dans les processus de résolution de problèmes et d'apprentissage), et d'Alain Colmerauer (père d'un langage de programmation, PROLOG, basé sur la logique et très utilisé en IA). Des équipes d'IA devaient ensuite bientôt naitre dans d'autres grands centres : Toulouse, Grenoble, Nancy, … Aujourd'hui, presque tous les laboratoires d'informatique comptent des chercheurs en IA.

1. Introduction aux Systèmes à Base de Connaissances

Un système à Base de Connaissances se distingue des systèmes informatiques classiques par le fait qu'il tente d'exploiter explicitement des "connaissances" sur un problème à résoudre pour en faciliter la résolution. Bien entendu, cette approche est particulièrement importante pour faire face à des problèmes "complexes". Pour illustrer ce que nous entendons par un système complexe, nous vous proposons d'explorer cette notion de complexité au travers d'exemples concrets.

1.1. Illustration de la notion de complexité des algorithmes et des problèmes

lire n
s <- 0
pour i variant de 1 à n
  s <- s + i
finpour
imprimer s

lire n
imprimer (n * (n + 1) / 2)

1.2. Notion d'heuristique

  S E N D
  M O R E
---------
M O N E Y

• Je commence par ré-écrire le problème :

  D + E = Y + 10r1
  r1 + N + R = E + 10r2
  r2 + E + O = N + 10r3
  r3 + S + M = O + 10r4
  r4 = M
  S # 0
  M # 0
  

• Je considère l'équation la plus contrainte, r4 = M. Je sais que M ne peut pas être nul, mais ça ne me suffit pas.
• Je démontre un lemme : une retenue ne peut être égale qu'à 0 ou 1.
• Donc M = 1, et r4 = 1.
• Je propage :

  D + E = Y + 10r1
  r1 + N + R = E + 10r2
  r2 + E + O = N + 10r3
  r3 + S + M = O + 10*1
  r4 = M
  M = 1
  r4 = 1
  S # 0
  M # 0
  

• Je nettoie :

  D + E = Y + 10r1
  r1 + N + R = E + 10r2
  r2 + E + O = N + 10r3
  r3 + S = O + 9
  M = 1
  S # 0
  

• Je prends l'équation la plus contrainte, r3 + S = O + 9. r3 + S vaut au maximum 10, O ne peut pas valoir 1 (valeur déjà prise par M), donc O = 0.
• Je propage et je nettoie :

  D + E = Y + 10r1
  r1 + N + R = E + 10r2
  r2 + E = N + 10r3
  r3 + S = 9
  O = 0
  M = 1
  

• De deux choses l'une : r3 = 0 et S = 9, ou r3 = 1 et S = 8. Mais si je commence comme ça, je vais me retrouver avec un processus combinatoire. Donc je refuse cette solution de facilité. Je regarde l'équation r2 + E = N + 10r3.
• r2 + E vaut au plus 10, et N ne peut valoir 0. Donc r3 = 0, et S = 9.
• Je propage et je nettoie :

  D + E = Y + 10r1
  r1 + N + R = E + 10r2
  r2 + E = N 
  S = 9
  O = 0
  M = 1
  

• Puisque je cherche une bijection, je ne peux pas avoir E = N, donc r2 =1.

  D + E = Y + 10r1
  r1 + N + R = E + 10
  1 + E = N 
  S = 9
  O = 0
  M = 1
  

• Je considère le couple d'équations 1 + E = N et r1 + N + R = E + 10. Je peux ré-écrire :

  r1 + 1 + E + R = E + 10, ou
  r1 + R = 9
  

  R ne peut pas valoir 9 (valeur de S), donc R = 8 et r1 = 1.
• Je propage et je nettoie :

  D + E = Y + 10
  1 + E = N
  R = 8 
  S = 9
  O = 0
  M = 1
  

• Arrivé là, je ne vois plus d'astuce. Je vais raisonner, non plus sur le problème, mais sur moi : si je m'obstine à ne pas vouloir faire de combinatoire, peut-être ne trouverai-je jamais la solution ; par contre, si j'accepte de faire un petit peu de combinatoire, je trouverai la solution en au plus 4⁶ essais (il me reste 4 inconnues, prenant leurs valeurs dans [2 3 4 5 6 7]).
• Allons y, mais astucieusement. Y + 10 est au moins égal à 12. N et E sont très fortement liés. De deux choses l'une : soit D < E, soit N < D.
• Premier cas : puisque je veux au moins 12, commençons par les plus grandes valeurs possibles : N = 7, E = 6, D = 5 ; cela fait D + E = 11, insuffisant ; inutile d'essayer des valeurs plus petites. La moitié de la combinatoire est déjà éliminée.
• Reste l'hypothèse D = 7, N = 6, E = 5. Ca marche. Mais c'est limite (12), donc inutile d'essayer d'autres cas.

1.3. Développement incrémental

1.4. Représentations déclaratives

Chapitre suivant

Table des matières