Sensibilisation à l'IA - Business & Decision...Sensibilisation à l'Intelligence Artificielle Ici,...
Transcript of Sensibilisation à l'IA - Business & Decision...Sensibilisation à l'Intelligence Artificielle Ici,...
Sensibilisation à l’Intelligence Artificielle et au Deep Learning
Sensibilisation à l'Intelligence Artificielle
Sensibilisation à l’Intelligence Artificielle et au deep learning
Didier Gaultier Directeur DataScience Groupe
Sensibilisation à l'Intelligence Artificielle
Votre animateur
06.80 96 68 90 01 56 21 22 79
Directeur Data Science Groupe
Didier Gaultier
@didier_gaultier
Sensibilisation à l'Intelligence Artificielle
Intelligence Artificielle et DataScience.Notions de base
Sensibilisation à l'Intelligence Artificielle
Un agent intelligent (IA) est une entité autonome
capable de percevoir son environnement grâce à
des capteurs et aussi d'agir sur celui-ci via des
actionneurs afin de réaliser des objectifs. Un
agent intelligent peut également apprendre,
utiliser des règles ou des informations pour
pouvoir réaliser ses objectifs.
Définition d’un agent intelligent en I.A.
Sensibilisation à l'Intelligence Artificielle
Wikipédia
Interaction de l’agent avec son environnement
18/04/2018Sensibilisation à l'Intelligence Artificielle
Perception de l’état de l’environnement
Action
Les I.A. apprenantes
Sensibilisation à l'Intelligence Artificielle
Ici, L’agent va essayer de construire lui-même la fonction de score. On attribue une récompense lorsqu’il arrive au but et une pénalité lorsqu’il tombe dans le feu.
R = +1
R = -1
18/04/2018
Bellman : un des fondateurs de l’apprentissage renforcé
18/04/2018Sensibilisation à l'Intelligence Artificielle
Richard Ernest Bellman, (né le 29 août 1920 à Brooklyn et mort le 19 mars 1984 à Los Angeles), est un mathématicien américain. Il est à l’origine de l’algorithme de Bellman qui est à l’origine de l’apprentissage par renforcement
Fonctionnement de l’équation de Bellman
Sensibilisation à l'Intelligence Artificielle 18/04/2018
V = 0,9 V = 1
Fonctionnement de l’équation de Bellman
Sensibilisation à l'Intelligence Artificielle 18/04/2018
V = 0,9 V = 1V = 0,81
Fonctionnement de l’équation de Bellman
Sensibilisation à l'Intelligence Artificielle 18/04/2018
V = 0,9 V = 1V = 0,81
V = 0,73
Fonctionnement de l’équation de Bellman
Sensibilisation à l'Intelligence Artificielle 18/04/2018
V = 0,9 V = 1V = 0,81
V = 0,73
V = 0,66
Intelligence Artificielle et DataScience.Gestion de l’incertitude
Sensibilisation à l'Intelligence Artificielle
Progression déterministe et non déterministe
18/04/2018Sensibilisation à l'Intelligence Artificielle
Progression déterministe :
Progression déterministe et non déterministe
18/04/2018Sensibilisation à l'Intelligence Artificielle
Progression déterministe : Progression non déterministe :
Progression déterministe et non déterministe
18/04/2018Sensibilisation à l'Intelligence Artificielle
Progression déterministe : Progression non déterministe :
Progression déterministe et non déterministe
18/04/2018Sensibilisation à l'Intelligence Artificielle
Progression déterministe : Progression non déterministe :
Les incertitudes affectent le plan d’apprentissage
Sensibilisation à l'Intelligence Artificielle 18/04/2018
Les positions des flèches ici sont très intéressantes car on pourrait supposer intuitivement qu’elle seraient orientées différemment
Intelligence Artificielle et DataScience.L’environnement
Sensibilisation à l'Intelligence Artificielle
Les caractéristiques de l’environnement
Accessible <-> Non accessible
Certain <-> Incertain
Episodique <-> Non épisodique
Statique <-> Dynamique
Discret <-> Continu
Sensibilisation à l'Intelligence Artificielle
Accessible vs Non Accessible
Question : l’agent a-t-il accès à la totalité de l’environnement sur lequel il agit, ou une partie de l’environnement lui est elle cachée ?
Exemple d’environnement accessible : Jeu d’ échecs (avec ou sans timer)
Exemple d’environnement inaccessible : Jeu de carte (poker, etc…)
Sensibilisation à l'Intelligence Artificielle
Certain vs Incertain
Si l’état de l’environnement est complètement déterminé par l’état courant et les actions de l’agent, on dit que l’environnement est certain. Par contre si l’action de l’agent peut générer un état qui peut varier en fonction d’autres paramètres, on dit que l’environnement est incertain.
Exemple d’environnement certain : Jeu de dames
Exemple d’environnement incertain : Acte chirurgical
Sensibilisation à l'Intelligence Artificielle
Episodique (Markovien)
Dans un environnement épisodique, également appelé Markovien, l’action de l’agent immédiatement fait suite à sa perception de l’environnement de manière épisodique. La qualité de l’action ne dépend que de la séquence en cours, et la connaissance des épisodes précédents n’a pas d’importance.Il n’y a pas de notion de long terme dans un environnement épisodique
Exemple d’environnement séquencé : Automate de fabrication de pièces, analyse de texte, d’image statique, etc…
Exemple d’environnement non épisodique : simulation de rupture des matériaux
Sensibilisation à l'Intelligence Artificielle
Statique vs dynamique
Si l’état de l’environnement de change pas pendant que l’agent calcule sa décision, on dit que l’environnement est statique, par contre si l’environnement peut changer pendant que l’agent calcule, l’environnement est alors dynamique
Exemple d’environnement statique : Jeu d’ échecs (sans timer)
Exemple d’environnement dynamique : voiture autonome
Sensibilisation à l'Intelligence Artificielle
Discret vs continu
Si le nombre d’états possibles – ainsi que le nombre d’actions possibles – est limité, défini et connu, on dit que l’environnement est discret. Si le nombre d’états possibles est illimité, non défini, ou inconnu, alors on parle d’environnement continu.
Exemple d’environnement discret : correcteur orthographique
Exemple d’environnement continu : système de diagnostic sur un moteur
Sensibilisation à l'Intelligence Artificielle
Mono agent versus multi-agent
Si on a un seul agent dirigé par une I.A. on parle de système mono agentSi on a plusieurs I.A. capable de communiquer entre elles et d’interagir, on parle de multi agents
Exemple de système mono agent : la voiture autonomie
Exemple de système multi agent : Une ensemble de robots dispatcheurs
Sensibilisation à l'Intelligence Artificielle
Intelligence Artificielle et DataScience.Le deep learning
Sensibilisation à l'Intelligence Artificielle
Le Deep Learning : réseaux de neurones convolutifs
L'apprentissage profond (en anglais deep learning, deep structured learning, hierarchical learning) est un ensemble de méthodes d'apprentissage automatique tentant de modéliser avec un haut niveau d’abstraction des données grâce à des architectures articulées de différentes transformations non linéaires[réf. souhaitée]. Ces techniques ont permis des progrès importants et rapides dans les domaines de l'analyse des signaux sonores ou visuels et notamment de la reconnaissance faciale, de la reconnaissance vocale, de la vision par ordinateur, du traitement automatisé du langage
Sensibilisation à l'Intelligence Artificielle
Le Deep Learning : réseaux de neurones convolutifs
Utilisé principalement pour la reconnaissance de formes, d’images, de textes, et globalement toute forme de signal (son, vidéo, etc.…)Phase d’apprentissage : on donne une série d’images qui correspondent à divers éléments qu’on souhaite reconnaitre, et on indique la bonne réponse au moteur d’apprentissagePlus le nombre d’item d’apprentissage est élevé, meilleures seront les métriques de prédictionEnsuite le moteur de reconnaissance est en capacité de donner les bonnes réponses sur les éléments soumis
Sensibilisation à l'Intelligence Artificielle
Traitement du signal dans les réseaux convolutifs
18/04/2018Sensibilisation à l'Intelligence Artificielle
Traitement du signal dans les réseaux convolutifs
18/04/2018Sensibilisation à l'Intelligence Artificielle
Traitement du signal dans les réseaux convolutifs
18/04/2018Sensibilisation à l'Intelligence Artificielle
Exemple et démo : réseaux de neurones convolutifs
18/04/2018Sensibilisation à l'Intelligence Artificielle
http://scs.ryerson.ca/~aharley/vis/conv/flat.html
Exemple et démo : réseaux de neurones convolutifs
18/04/2018Sensibilisation à l'Intelligence Artificielle
Analyse des images d’un catalogue de vente à distance
18/04/2018Sensibilisation à l'Intelligence Artificielle
• Utilisation du deep learning pour caractériser les images• Prédiction de l’impact des images sur les actions des clients
Technologie utilisée :
• TensorFlow sur Microsoft Azure