Principaux projets et réalisations en intelligence artificielle - Définition

Perceptron (1958)

Le Perceptron fut le premier modèle opérationnel de réseau de neurones. Il fut créé par Frank Rosenblatt sous forme d’une simulation tournant sur un IBM 704, à partir des travaux de McCulloch et Pitts sur la notion de neurones formels interconnectés en 1943, et de Hebb sur l’importance du couplage synaptique dans les processus d’apprentissage en 1949. Le Perceptron est inspiré du système visuel, et il se montre capable d’apprentissage en modifiant ses connexions synaptiques. Le Perceptron comprend trois éléments principaux :

• une couche d’unités sensorielles, ou « rétine », fournissant des réponses modulées en fonction de l’intensité du stimulus,
• une couche de cellules d’association, constituant la couche de neurones formels proprement dits, selon la définition de McCulloch et Pitts.
• une couche de cellules de décisions, qui représentent la réponse de sortie du Perceptron.

Grâce à une procédure inventée par Frank Rosenblatt, l’apprentissage du Perceptron se fait par correction d’erreur, en modifiant les coefficients de poids des signaux entre les cellules. En 1969, Marvin Lee Minsky et Seymour Papert publièrent un ouvrage intitulé Perceptrons, qui démontrait certaines limitations de ces modèles. En particulier, le Perceptron ne peut pas effectuer l’opération binaire de parité (OU exclusif ou XOR). L’autorité de ces auteurs, ainsi que le décès accidentel de Frank Rosenblatt, entraîna un quasi-arrêt des recherches dans ce domaine pendant près de 15 ans, jusqu’à l’apparition des réseau de neurones multicouche (on parle aussi parfois de Perceptron multicouche).

Les demandes d’identification, renforcées par le terrorisme, assurent un marché immense à cette technique.

ANALOGY (1963)

Tom Evans a créé ce programme en se fondant sur l’idée que le cerveau humain, devant une situation donnée, ne raisonne pas selon les voies de la logique, mais en essayant de trouver des ressemblances avec des problèmes déjà rencontrés. Il a tenté de simuler l’aptitude à chercher des ressemblances avec ce logiciel capable de trouver des analogies entre des figures géométriques employées dans les tests d’intelligence.

SAINT (Symbolic Automatic INTegrator ou intégrateur symbolique automatique) (1961)

James Slagle appliqua la méthodologie de Logic Theorist au domaine de l’intégration symbolique, en la transposant ainsi de la logique à l’algèbre, grâce à la mise au point de procédures d’exploration des arbres ET/OU. Confronté à des sujets d’examens posés aux étudiants du MIT de 1^re année, SAINT parvint à résoudre 84 problèmes sur 86. Ce programme a été perfectionné par Joel Moses en 1966 sous le nom de SIN (Symbolic INtégration), avant de donner naissance en 1969 à MACSYMA, qui a inspiré nombre de logiciels de traitement formel des équations aujourd’hui employés (dont un descendant en ligne droite toujours en développement : MAXIMA, ou encore Mathematica).

Semantic Information Retrieval

recherche d’information sémantique (ou SIR) (1964)
Ce programme de Bertram Raphael pouvait interpréter des dialogues simples, en cherchant des analogies avec des modèles de phrases. Cette technique lui permettait de déduire des relations entre les personnes ou les objet cités dans ces phrases, en posant des questions à un opérateur. Toutefois, les capacités de SIR, comme celles de STUDENT étaient très limitées. Les informations traitées concernaient un domaine très restreint, et les programmes butaient rapidement sur des ambigüités.