Micro Systèmes n°93 janvier 1989
Micro Systèmes n°93 janvier 1989
  • Prix facial : 30 F

  • Parution : n°93 de janvier 1989

  • Périodicité : mensuel

  • Editeur : Société Parisienne d'Edition

  • Format : (203 x 271) mm

  • Nombre de pages : 182

  • Taille du fichier PDF : 160 Mo

  • Dans ce numéro : systèmes experts et psychologie cognitive.

  • Prix de vente (PDF) : gratuit

Dans ce numéro...
< Pages précédentes
Pages : 136 - 137  |  Aller à la page   OK
Pages suivantes >
136 137
Intelligence artificielle : les modèles connexionnistes (1) La recherche en intelligence artificielle (IA) se distingue de celle de l'informatique'classique'en ce qu'elle tente d'imiter le raisonnement, et plus largement, le comportement humain. Ses objectifs sont d'obtenir des résultats similaires à ceux qu'obtiendrait un homme, un expert par exemple, et d'en tirer des enseignements sur l'intelligence humaine. Ces objectifs peuvent apparaître très liés : plus on approche du modèle humain, plus on peut espérer pouvoir tirer des conclusions sur notre façon de fonctionner. En fait, cela n'est vrai que si cette approche du modèle humain va au-delà de la copie des comportements apparents et comprend également l'étude des mécanismes qui les soustentent. Alors que les tâches élémentaires de tri et de calcul sont effectuées par l'ordinateur, bien mieux et plus rapidement que par n'importe quel prodige, l'homme conserve une supériorité indubitable dans toutes les opérations dont il ne peut pas expliciter les règles d'exécution séquentielles. La compréhension du langage et la reconnaissance des formes sont de ce type. Il paraît naturel de chercher à simuler le fonctionnement humain pour obtenir ces performances humaines. La recherche en IA s'est attachée essentiellement, jusqu'à présent, à expliciter et à formaliser les connaissances humaines et les mécanismes d'inférences, tels qu'ils s'expriment par le langage et les autres moyens de communication (tel que le mouvement des yeux). L'approche connexionniste, qui nous occupe ici, s'intéresse plus particulièrement au mode de représentation et de manipulation des connaissances dans le cerveau, à un niveau beaucoup plus élémentaire que celui de l'IA'classique'. Illustrons cette différence d'approche par l'exemple du jeu d'échecs. Un système expert sera capable de choisir une stratégie, en examinant coup par coup certains des coups jouables, selon les règles qui lui auront été inculquées par un expert. Un maître au jeu d'échecs, au contraire du débutant, ne va pas prévoir sur l'échiquier la progression des pièces, mais se détermine en fonction de son expérience devant une situation qu'il perçoit de façon globale et intuitive à la fois. C'est cette approche que privilégie le connexionnisme. Si ce type de recherche rencontre aujourd'hui un regain d'intérêt qui est justifié par les résultats déjà obtenus, il n'en a pas toujours été ainsi. La conception du perceptron par Rosenblatt, Minsky et Papert marque la naissance historique du connexionnisme dans les années 50. Le perceptron était constitué d'un réseau d'associateurs linéaires, bases sur la représentation mathématique de la cellule nerveuse réalisée par MacCulloch et Pitts. En 1969, la parution du livre de Minsky et Papert, qui démontrait les limitations théoriques du perceptron, a pratiquement stoppé, pour presque vingt ans, la recherche connexionniste. Ces travaux initiaux ont pourtant été utilisés pour les recherches sur l'apprentissage automatique et la reconnaissance des formes. Le développement de l'IA, qui a débuté dans les années 70, est orienté, aujourd'hui, vers la conception de machines et de programmes capables de copier le com- S2 Sn J S- Si = Fi (St Sn) Fig. O. - Un neurone artificiel est un automate qui réagit (Sj) en fonction des signaux reçus (Si à Se). portement humain, plus que vers de nouveaux champs d'exploration de l'intelligence humaine. Le cloisonnement des disciplines, telles que la biologie, les sciences de la cognition et l'informatique, limite l'IA à l'imitation des comportements visibles, l'analogie avec l'humain se limitant généralement aux résultats. Si la conception des systèmes artificiels n'a eu, jusqu'à présent, que de lointains rapports avec l'humain, de nouveaux axes de recherche se dessinent. Peut-on améliorer les performances des machines'intelligentes'par une meilleure simulation, et cela permettra-t-il de faire progresser notre connaissance du vivant ? Tel est le double questionnement auquel le connexionnisme tente d'apporter des réponses dans des domaines tels que l'apprentissage automatique et la reconnaissance des formes. Les axes autour desquels s'est développée l'IA sont éloignés des recherches sur le cerveau. Ainsi, les connaissances sont généralement représentées dans des structures autonomes tels que les objets, les frames, les règles de production ou les scripts. A chaque'granule'de connaissance, on associe la structure de données correspondante. Se pose alors le problème du traitement et de l'organisation de ces données lorsqu'elles sont très nombreuses et très variées. Comment résoudre le problème de cohérence, d'ajout et de suppression de nouvelles données sans bouleverser la base de connaissance ? Se contenter des données essentielles rend difficile le traitement des'cas limites', puisque le système perd en adaptabilité aux problèmes posés ce qu'il gagne en compacité. Prenons l'exemple des données bruitées, du type de celles que l'on traite en reconnaissance de la parole : il faudrait, pour traiter ces données, pouvoir adapter le système à tous les cas d'informations bruitées, ce qui n'est pas possible, vu le grand nombre de cas. On n'en traitera donc que les plus courants, et le système rendra des résultats incohérents devant les autres situations. Si à un concept correspond une structure de données, en informatique, le modèle humain propose à l'opposé, un mode de représentation délo- 136 - MICRO-SYSTEMES Janvier 1989
calisé. A une notion que nous connaissons, ne correspond pas un neurone spécifique, comme on l'a longtemps cru, mais une famille de neurones. Chacun se trouve impliqué dans la représentation de plusieurs concepts. Si ce type de représentation semble redondant, c'est pourtant lui qui permet à notre savoir de résister à la dégénérescence journalière de milliers de synapses, sur les quelques 10 puissance 14 à 10 puissance 15 que nous possédons. Une autre caractéristique de mer des savoirs au cours de chaque nouvelle expérience, et les synapses, points de contact entre les neurones, s'en trouvent alors renforcées ou non. Rappelons que les synapses transmettent l'information entre neurone émetteur et neurone récepteur par un moyen chimique (le neurotransmetteur), et le signal est plus ou moins bien transmis d'un neurone à l'autre, selon l'état de la synapse. Ces caractéristiques du cerveau, la capacité à traiter les informations bruitées ou in- Un neurone artificiel est un automate, qu'il soit simulé par voies logicielles ou implémenté sur une puce.//l'intelligence humaine est sa capacité à traiter l'information incomplète, floue, imprécise ou paradoxale. En IA, c'est généralement la logique qui fonde le raisonnement, même si des recherches se poursuivent en logique floue, et dans le domaine des statistiques, pour tenter de représenter l'imprécision des connaissances expertes. La puissance de traitement du cerveau réside également dans sa capacité à traiter parallèlement les différents aspects d'une information. Malgré les progrès techniques réalisés en matière de supercalculateur, le cerveau reste inimitable ; aucun ordinateur n'est capable d'analyser une phrase entendue, en traitant simultanément le signal sonore, la syntaxe, la sémantique et le contexte, comme le font les différentes zones de notre cerveau. La suprématie du cerveau se manifeste aussi dans le domaine de l'apprentissage, qui reste en IA un problème délicat (Micro-Systèmes de juillet-août 1988). Ainsi par exemple, une grande quantité de données est nécessaire au fonctionnement des systèmes experts, mais rassembler ces données est long et coûteux en heures d'expertise. Des méthodes d'apprentissage automatique seraient donc les bienvenues. Le cerveau est capable d'acquérir, de confirmer ou d'infir- Janvier 1989 complètes, la délocalisation des données, le mode de traitement en parallèle et le mode d'apprentissage, en font un modèle intéressant à étudier et, après tout, le seul modèle intelligent dont nous disposons. Le regain d'intérêt qui se manifeste pour les réseaux neuronaux artificiels s'explique par les succès qu'ils remportent en matière de reconnais- sance des formes, ainsi que par leur rapidité de résolution dans certaines classes de problèmes du type de celui du'voyageur de commerce'. De plus, la technologie VLSI permet aujourd'hui l'intégration de neurones artificiels connectés en grand nombre dans un espace réduit. D'autre part, les méthodes d'IA, particulièrement adaptées à la manipulation de concepts de haut niveau, rencontrent beaucoup de difficultés dans le traitement des données brutes. Le connexionnisme apporte des solutions pour la manipulation des données élémentaires et de bas niveau, que les réseaux parviennent à traiter sans pour autant en appauvrir les nuances ; la reconnaissance des formes, par exemple, nécessite vraisemblablement une étape de traitement de ce type, avant tout traitement d'un niveau conceptuel plus élevé. Pour cela, la conception des réseaux neuronaux utilise les connaissances que nous avons de notre système nerveux : ils permettent de traiter une grande quantité d'informations, parallèlement et simultanément, au moyen de neurones artificiels reliés entre eux. Un réseau est défini par sa topologie, les caractéristiques des neurones et ses méthodes d'apprentissage. Fig. 1. Automates à seuil : cas d'un niveau nul et d'un niveau positif. Fig. 2. Automates à seuil : cas d'un niveau positif et d'un niveau négatif. INTELLIGENCE ARTIFICIELLE Indépendamment de son implémentation physique, un neurone artificiel est un automate, qu'il soit simulé ou réalisé sur une puce. Il reçoit des signaux des autres automates auxquels il est relié, et produit, en fonction de son état interne et des signaux d'entrée, un signal de sortie qui est également son nouvel état interne (fig. 0). Les signaux d'entrée proviennent des automates qui lui sont connectés et de l'environnement externe au réseau. A chaque connexion est affecté un poids, qui peut varier au cours du temps sur certains modèles d'automates. Cette notion de poids correspond, dans le modèle humain, à l'état de la liaison synaptique entre deux neurones, qui permet de pondérer le signal qu'elle transmet. Le schéma selon lequel les automates sont connectés entre eux peut être quelconque, mais il suit généralement une structure géométrique particulière, telle que la grille, l'étoile, la ligne ou la disposition en plusieurs couches. La production d'un nouvel état interne est réalisé par une fonction, dite'fonction de transition d'état', telle que : si Si, 52... Sn sont les signaux reçus par l'automate I des automates'voisins'et si Fi est la fonction de transition de l'automate I alors le nouvel état de I et le signal qu'il transmettra est : Si = Fi(S1,S2... Sn) Les automates se répartissent en différentes classes, selon la nature de leur fonction de transition et l'ensemble S de leurs états internes. Les automates à seuil décrits par MacCulloch et Pitts ne connaissent que deux états 0,1 ou —1, +1. Le calcul d'un nouvel état Si est fonction du seuil, des poids des liaisons et des états des automates voisins : Si = Fi (E Wij. Sj —ai) OÙ ai est le seuil spécifique à l'automate, Fi est : soit la fonction de Heaviside notée 1, telle que(fig. 1) : Si = 1 si E wij sj > = ai Si = 0 Si E wij sj < ai soit telle que (fig. 2) Si = +1 si E wij sj > = ai Si = —1 si E wij sj < ai MICRO-SYSTEMES - 137



Autres parutions de ce magazine  voir tous les numéros


Liens vers cette page
Couverture seule :


Couverture avec texte parution au-dessus :


Couverture avec texte parution en dessous :


Micro Systèmes numéro 93 janvier 1989 Page 1Micro Systèmes numéro 93 janvier 1989 Page 2-3Micro Systèmes numéro 93 janvier 1989 Page 4-5Micro Systèmes numéro 93 janvier 1989 Page 6-7Micro Systèmes numéro 93 janvier 1989 Page 8-9Micro Systèmes numéro 93 janvier 1989 Page 10-11Micro Systèmes numéro 93 janvier 1989 Page 12-13Micro Systèmes numéro 93 janvier 1989 Page 14-15Micro Systèmes numéro 93 janvier 1989 Page 16-17Micro Systèmes numéro 93 janvier 1989 Page 18-19Micro Systèmes numéro 93 janvier 1989 Page 20-21Micro Systèmes numéro 93 janvier 1989 Page 22-23Micro Systèmes numéro 93 janvier 1989 Page 24-25Micro Systèmes numéro 93 janvier 1989 Page 26-27Micro Systèmes numéro 93 janvier 1989 Page 28-29Micro Systèmes numéro 93 janvier 1989 Page 30-31Micro Systèmes numéro 93 janvier 1989 Page 32-33Micro Systèmes numéro 93 janvier 1989 Page 34-35Micro Systèmes numéro 93 janvier 1989 Page 36-37Micro Systèmes numéro 93 janvier 1989 Page 38-39Micro Systèmes numéro 93 janvier 1989 Page 40-41Micro Systèmes numéro 93 janvier 1989 Page 42-43Micro Systèmes numéro 93 janvier 1989 Page 44-45Micro Systèmes numéro 93 janvier 1989 Page 46-47Micro Systèmes numéro 93 janvier 1989 Page 48-49Micro Systèmes numéro 93 janvier 1989 Page 50-51Micro Systèmes numéro 93 janvier 1989 Page 52-53Micro Systèmes numéro 93 janvier 1989 Page 54-55Micro Systèmes numéro 93 janvier 1989 Page 56-57Micro Systèmes numéro 93 janvier 1989 Page 58-59Micro Systèmes numéro 93 janvier 1989 Page 60-61Micro Systèmes numéro 93 janvier 1989 Page 62-63Micro Systèmes numéro 93 janvier 1989 Page 64-65Micro Systèmes numéro 93 janvier 1989 Page 66-67Micro Systèmes numéro 93 janvier 1989 Page 68-69Micro Systèmes numéro 93 janvier 1989 Page 70-71Micro Systèmes numéro 93 janvier 1989 Page 72-73Micro Systèmes numéro 93 janvier 1989 Page 74-75Micro Systèmes numéro 93 janvier 1989 Page 76-77Micro Systèmes numéro 93 janvier 1989 Page 78-79Micro Systèmes numéro 93 janvier 1989 Page 80-81Micro Systèmes numéro 93 janvier 1989 Page 82-83Micro Systèmes numéro 93 janvier 1989 Page 84-85Micro Systèmes numéro 93 janvier 1989 Page 86-87Micro Systèmes numéro 93 janvier 1989 Page 88-89Micro Systèmes numéro 93 janvier 1989 Page 90-91Micro Systèmes numéro 93 janvier 1989 Page 92-93Micro Systèmes numéro 93 janvier 1989 Page 94-95Micro Systèmes numéro 93 janvier 1989 Page 96-97Micro Systèmes numéro 93 janvier 1989 Page 98-99Micro Systèmes numéro 93 janvier 1989 Page 100-101Micro Systèmes numéro 93 janvier 1989 Page 102-103Micro Systèmes numéro 93 janvier 1989 Page 104-105Micro Systèmes numéro 93 janvier 1989 Page 106-107Micro Systèmes numéro 93 janvier 1989 Page 108-109Micro Systèmes numéro 93 janvier 1989 Page 110-111Micro Systèmes numéro 93 janvier 1989 Page 112-113Micro Systèmes numéro 93 janvier 1989 Page 114-115Micro Systèmes numéro 93 janvier 1989 Page 116-117Micro Systèmes numéro 93 janvier 1989 Page 118-119Micro Systèmes numéro 93 janvier 1989 Page 120-121Micro Systèmes numéro 93 janvier 1989 Page 122-123Micro Systèmes numéro 93 janvier 1989 Page 124-125Micro Systèmes numéro 93 janvier 1989 Page 126-127Micro Systèmes numéro 93 janvier 1989 Page 128-129Micro Systèmes numéro 93 janvier 1989 Page 130-131Micro Systèmes numéro 93 janvier 1989 Page 132-133Micro Systèmes numéro 93 janvier 1989 Page 134-135Micro Systèmes numéro 93 janvier 1989 Page 136-137Micro Systèmes numéro 93 janvier 1989 Page 138-139Micro Systèmes numéro 93 janvier 1989 Page 140-141Micro Systèmes numéro 93 janvier 1989 Page 142-143Micro Systèmes numéro 93 janvier 1989 Page 144-145Micro Systèmes numéro 93 janvier 1989 Page 146-147Micro Systèmes numéro 93 janvier 1989 Page 148-149Micro Systèmes numéro 93 janvier 1989 Page 150-151Micro Systèmes numéro 93 janvier 1989 Page 152-153Micro Systèmes numéro 93 janvier 1989 Page 154-155Micro Systèmes numéro 93 janvier 1989 Page 156-157Micro Systèmes numéro 93 janvier 1989 Page 158-159Micro Systèmes numéro 93 janvier 1989 Page 160-161Micro Systèmes numéro 93 janvier 1989 Page 162-163Micro Systèmes numéro 93 janvier 1989 Page 164-165Micro Systèmes numéro 93 janvier 1989 Page 166-167Micro Systèmes numéro 93 janvier 1989 Page 168-169Micro Systèmes numéro 93 janvier 1989 Page 170-171Micro Systèmes numéro 93 janvier 1989 Page 172-173Micro Systèmes numéro 93 janvier 1989 Page 174-175Micro Systèmes numéro 93 janvier 1989 Page 176-177Micro Systèmes numéro 93 janvier 1989 Page 178-179Micro Systèmes numéro 93 janvier 1989 Page 180-181Micro Systèmes numéro 93 janvier 1989 Page 182