Jean-Paul Haton - Intelligence artificielle : état des lieux

14:00
Jeudi
1
Mar
2012
Organisé par : 

L’équipe "Keynotes" du LIG

Intervenant : 

Jean-Paul Haton - LORIA- Université de Lorraine -Institut Universitaire de France

Mots clés : 

Information détaillée : 

- Lieu : Amphi H

Jean-Paul Haton is Emeritus Professor in Computer Science at Université de Lorraine, Nancy, France. He is a senior member of the Institut Universitaire de France where he created the first chair in computer science.

Jean-Paul Haton has been Director of the French National Project on Man-Machine Communication from 1981 to 1993, and Research Director at INRIA from 1988 to 1993. His research interests relate to Artificial Intelligence and Man-Machine Communication, especially in the fields of automatic speech recognition and understanding, speech training, signal interpretation, knowledge-based systems, and robotics. He has supervised or co-supervised more than 100 PhD theses in these fields. He authored or co-authored about 300 articles and books.

Jean-Paul Haton is a Fellow of IEEE, a Fellow of International Pattern Recognition Society, IAPR and a Fellow of the European Artificial Intelligence Assocviation, ECCAI. He served as chairman of AFIA (French Association for Artificial Intelligence) until 1994 and of ASTI, the French federation of associations for information processing. He is Vice-president of Académie Lorraine des sciences and he was awarded a Doctorate Honoris Causa from the University of Genève, Switzerland.

Résumé : 

L’intelligence artificielle (IA) s’attache à résoudre des problèmes qui relèvent d’activités humaines de nature variée : perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage, conception.

Les systèmes formels ont montré leurs limites intrinsèques (en particulier avec les travaux de Gödel et de Church) pour la modélisation du raisonnement. La nécessité de restreindre un raisonnement à un champ d’application bien délimité et d’appuyer ce raisonnement sur des connaissances variées est ainsi apparue rapidement en IA. Cette approche symbolique de l’IA a donné lieu aux systèmes à bases de connaissances.

Une autre approche, connexionniste, tente de s’inspirer du fonctionnement du cortex cérébral. Un réseau neuronal est formé par l’interconnexion d’un grand nombre de neurones artificiels. Il présente des propriétés intéressantes, notamment la capacité d’apprendre à partir d’exemples.

Par ailleurs, des modèles statistiques sont de plus en plus mis à profit pour rendre compte de la grande variabilité des phénomènes étudiés. C’est notamment le cas en reconnaissance de formes (parole, caractères écrits, etc.). Reconnaître et classifier des formes sont des activités courantes dans de nombreux domaines tels que médecine, banque, physique, communication homme-machine, etc.

Ces trois grandes approches de l’IA (symbolique, connexionniste et statistique) qui sont à la base des systèmes actuels, souvent de façon combinée, seront présentées dans leurs grandes lignes.

L’IA aborde un vaste champ d’activités que l’on peut classer en quelques grands domaines : la reconnaissance et l’interprétation de formes et de données, la planification d’actions et la robotique, l’aide à la décision, le traitement de la langue naturelle, écrite et parlée, la formation assistée. Des exemples pratiques issus de ces domaines illustreront l’exposé qui sera centré sur un ensemble de défis posés à l’IA.