 Automates
Intelligents s'enrichit du logiciel
Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront
alors définitions, synonymes et expressions constituées
de ce mot. Une fenêtre déroulante permet
aussi d'accéder à la définition
du mot dans une autre langue (22 langues sont disponibles,
dont le Japonais). |
|
Article
Church, un programme d'IA
développé au MIT qui combine les règles
et les probabilités
par
Jean-Paul Baquiast 09/04/2010
|
Spéculations
boursières et Intelligence Artificielle (IA)
Nous
avions appris dans notre jeunesse (les années 1960/70)
que les systèmes experts à base de règles
allaient révolutionner l'Intelligence Artificielle
(IA) en mettant la puissance des machines au service de
l'expertise humaine. C'est de cette façon, avait-on
affirmé, que fonctionne l'esprit humain. Il produit
des inférences logiques. Si l'on me dit que les oiseaux
volent et que le pigeon est un oiseau, j'en conclus que
le pigeon vole. Sur cette base, des systèmes experts
à base de très nombreuses règles avaient
été élaborés, en interrogeant
des experts humains dont les connaissances étaient
« mises en machine ». Des moteurs d'inférence
permettaient d'appliquer les règles mémorisées
dans le système aux nouveaux cas posant question.
Les experts humains pouvaient ensuite prendre leur retraite....
En fait,
si de petits systèmes experts très simples
ont été développés et implémentés
dans de nombreuses applications, par exemple dans les moteurs
de recherche sur internet, les développeurs de grands
systèmes experts ambitieux ont du renoncer devant
la complexité des inférences qu'ils devaient
programmer. Un système entièrement déclaratif,
comme un système expert, se heurte vite en effet
(à supposer que l'on ait disposé d'experts
humains disponibles) au trop grand nombre des connaissances
et métaconnaissances à gérer, faute
d'un dispositif d'amorçage permettant au système
lui-même de prendre en charge la résolution
des problèmes qu'il doit résoudre. Reprenons
l'exemple de l'oiseau. Un pingouin est un oiseau, mais il
ne vole pas. Il faut donc compliquer la règle de
départ. Un pigeon en cage est un oiseau qui vole
mais il ne peut pas voler: autre nouvelle règle à
prévoir. Certains défenseurs de la démarche
initiale, tel le français Jacques Pitrat
(voir notre article http://www.automatesintelligents.com/interviews/2001/nov/pitrat.html
) ont persisté dans la démarche et pensent
avoir réalisé de véritables cerveaux
artificiels capables de résoudre une grande variété
de problème. Jacques Pitrat s'en explique d'ailleurs
de façon très convaincante dans son dernier
livre Artificial Beings - The conscience of a conscious
machine ISTE, Wiley, Mars 2009 en présentant
un robot expert devenu pour lui, dans le domaine notamment
des mathématiques, un véritable partenaire
sinon un ami.
Mais
d'une façon générale, les cogniticiens,
devant ces difficultés, ont redécouvert ce
que chacun d'entre nous connaît intuitivement: le
raisonnement humain applique rarement des règles
précises, sur le mode du syllogisme. Il travaille
par approximation, autrement dit de façon probabiliste.
La grande majorité des oiseaux volent. Si vous me
dites que le pigeon est un oiseau, il y a de fortes probabilités
qu'il vole aussi, mettons 99%. Cependant, si vous me faites
remarquer que les oiseaux en cage ne volent pas, j'en conclue
que mon évaluation est trop optimiste et je la réduis
pour tenir compte du nombre des oiseaux en cage ou bien
de ceux qui sont empêchés de voler pour telle
ou telle raison. Plus je rencontrerai de cas où des
oiseaux ne volent pas (du fait par exemple qu'ils n'ont
pas d'ailes, ou qu'ils sont trop lourds pour cela), plus
je diminuerai en esprit les chances que tel pigeon dont
vous me parlez puisse effectivement voler. Intuitivement,
j'abaisserai la probabilité qu'il le fasse à
...mettons 95%. Ainsi pourrais-je, sans effort mentaux excessifs,
tenir compte de la grande diversité du monde réel.
Ce faisant
mon cerveau ne cherchera pas à recenser à
l'avance tous les cas existant dans le monde d'oiseaux incapables
de voler, afin d'obtenir un ratio aussi précis que
possible. Il attendra que l'expérience me mette en
présence de cas m'obligeant à modifier le
calcul de probabilité auquel je me réfère
intuitivement pour estimer les chances qu'un oiseau inconnu
de moi puisse ou non voler. Les erreurs que je pourrais
faire auraient un côté bénéfique
puisqu'elles me forceraient à préciser mes
méthodes d'évaluation. Les neuroscientifiques
disent que les cerveaux animaux et humains procèdent
systématiquement de cette façon quand ils
font des prédictions sur le monde. Le cerveau s'appuie
au cas par cas sur une moyenne des expériences déjà
enregistrées et la corrige si de nouvelles expériences
se révèlent non compatibles avec cette moyenne.
On parle de « cerveau bayésien ». Voir
à ce sujet notre article « le cerveau bayésien
». http://www.automatesintelligents.com/echanges/2008/dec/conscience.html#s6
L'intérêt
de cette procédure, en matière d'IA, est qu'elle
est relativement facile à mettre en oeuvre. Le cerveau
d'un robot fonctionnant sur le mode bayésien modifie
ses câblages en fonction des réponses que l'environnement
donne aux hypothèses qu'il formule, exactement d'ailleurs
comme le fait le cerveau d'un jeune enfant dans le cadre
du darwinisme neural proposé par Gerald Edelman.
Pratiquement tous les systèmes experts nouvelle manière
(on ne parle plus d'ailleurs de systèmes-experts)
déployés par les dispositifs intégrant
de l'IA procèdent ainsi, par exemple pour la reconnaissance
des formes ou de la voix.
Il était
inévitable cependant que certains inventeurs proposent
de conjuguer dans un même système l'expertise
solide à base de règles, quand elle peut être
obtenue, avec l'approche souple permise par l'approche probabiliste.
La revue du MIT citée en référence
(voir note ci dessous) nous apprend que c'est précisément
ce qu'a voulu faire Noah Goodman, chercheur en sciences
cognitives au sein du Computer Science and Artificial
Intelligence Laboratory du MIT. Il a développé
un programme nommé Church, non pas en hommage à
l'Eglise presbytérienne mais au logicien américain
Alonzo Church. Ce programme utilise des règles d'inférences,
mais celles-ci sont probabilistes, autrement dit adaptables
compte tenu de l'expérience. Dans le cas du pigeon
précité, il procédera à peu
près comme le cerveau humain décrit ci-dessus.
Partant de la règle de base que les oiseaux volent,
plus il rencontrera d'oiseaux qui ne peuvent pas voler,
moins facilement il pronostiquera que tel oiseau qu'il ne
connait pas puisse voler. Church permet, selon ses inventeurs,
de réaliser des systèmes-experts de nouvelle
génération avec une grande facilité,
y compris quand il s'agit d'apprécier non pas des
évènements pouvant être dénombrés,
mais des phénomènes beaucoup plus qualitatifs.
L'article
du MIT cité ne le précise pas, mais il est
évident qu'un tel logiciel trouvera, s'il ne l'a
pas encore fait, beaucoup de clients chez les spéculateurs
et autres traders. Aujourd'hui par exemple, Church serait
très utile pour prédire les chances que la
Grèce puisse rembourser sa dette à 7% d'intérêt,
et les chances de gain que pourraient obtenir ceux pariant
soit à la baisse soit à la hausse des bons
du trésor grec.
L'inconvénient de Church est qu'il est encore très
peu optimisé et consomme des ressources en machines
prohibitives. Mais il devrait s'agir d'un mal de jeunesse.
Est-on pour autant à l'aube, comme le laisse entendre
le titre de l'article, d'une Grande Théorie Unifiée
de l'AI (expression d'ailleurs suggérée précédemment
par ce même MIT)? Certains en doutent, en affirmant
que la science du cerveau n'a pas encore révélé
tous les secrets du fonctionnement de cet organe, et que
par conséquent l'IA et le MIT avec elle ont encore
beaucoup à apprendre.
Pour
en savoir plus
* L'article
du MIT (lire aussi les commentaires, très riches)
http://web.mit.edu/newsoffice/2010/ai-unification.html
* Le Churchwiki
http://projects.csail.mit.edu/church/wiki/Church
