28
ral de science de l'information, peut être imaginée en se référant aux principes essentiels de la cognition mentale, lesquels restent à découvrir. La façon dont l'information est matérialisée, remémorée,
propagée et exploitée dans les circuits corticaux pourra alors servir de nouveau paradigme dans l'élaboration d'une intelligence artificielle généraliste.
IA embarquée
Les réalisations récentes les plus marquantes de l'intelligence artificielle, telles que les assistants personnels (Siri, OK Google, Cortana, …) ou les machines à jouer (AlphaGo, DeepStack, Watson, …)
utilisent une puissance de calcul qui ne peut, en l'état actuel de la technologie, être embarquée dans des
dispositifs autonomes. Beaucoup d'applications de l'IA, civiles et militaires, seront cependant appelées
à fonctionner sous contraintes fortes d'autonomie (absence de communication), de temps de réponse et
de confidentialité. De nouvelles architectures de circuits, voire de nouveaux procédés, adaptés aux
systèmes embarqués, restent à imaginer.
Créativité et génération
Le problématique de la créativité, longtemps cantonnée à des études psychologiques est devenue une
problématique importante, du fait du progrès considérable des méthodes d'apprentissage machine, et
des applications nombreuses dans l'industrie du loisir (génération de jeux vidéos, de scripts, de musique, texte, etc.). Il s'agit de modéliser des systèmes capables de produire/générer/engendrer des artefacts de divers natures (images, son, musique, textes, etc.) capables de rivaliser avec les productions
humaines correspondantes.
Jeux génériques (General Game Playing)
La problématique des jeux génériques est de concevoir des méthodes permettant de jouer à des jeux
non déterminés à l’avance. Contrairement aux méthodes dédiées pour les échecs, le go, le poker, etc.,
qui sont optimisées dans un but unique, la question ici est d’avoir une méthode générique, permettant
de jouer rapidement (il n’y a pas de grands jeux de données et la méthode n’a que quelques minutes
pour analyser les règles qu’on lui envoie pour décrire le jeu avant de commencer à jouer). Cette problématique nécessite l’intégration de beaucoup de méthodes d’intelligence artificielle différentes (raisonnement, apprentissage, contraintes, etc.), et il s’agit, dans un environnement suffisamment
contrôlé, de développer des méthodes permettant de s’adapter à des problèmes non spécifiés à
l’avance, ce qui est une capacité importante à maitriser si l’on veut avoir dans le futur des
agents/robots pouvant s’adapter à des problèmes et à des environnements peu connus (et sur lesquels il
n’est pas possible de s’entraîner à l’avance).
Intégration de différents modes de raisonnement
Après les premiers succès des systèmes experts il y a trente ans, et la prise de conscience ensuite de
leurs limitations, nombre de travaux en IA ont permis des avancées considérables sur une grande variété de problèmes de raisonnement: raisonnement dans l’incertain, raisonnement en présence
d’exceptions, raisonnement en présence d’incohérences et fusion d’informations provenant de plusieurs sources, raisonnement à partir de cas, diagnostic, raisonnement interpolatif, raisonnement sur le
temps, sur l’espace, raisonnement déontique, raisonnement sur l’action, raisonnement sur les préfé-
ral de science de l'information, peut être imaginée en se référant aux principes essentiels de la cognition mentale, lesquels restent à découvrir. La façon dont l'information est matérialisée, remémorée,
propagée et exploitée dans les circuits corticaux pourra alors servir de nouveau paradigme dans l'élaboration d'une intelligence artificielle généraliste.
IA embarquée
Les réalisations récentes les plus marquantes de l'intelligence artificielle, telles que les assistants personnels (Siri, OK Google, Cortana, …) ou les machines à jouer (AlphaGo, DeepStack, Watson, …)
utilisent une puissance de calcul qui ne peut, en l'état actuel de la technologie, être embarquée dans des
dispositifs autonomes. Beaucoup d'applications de l'IA, civiles et militaires, seront cependant appelées
à fonctionner sous contraintes fortes d'autonomie (absence de communication), de temps de réponse et
de confidentialité. De nouvelles architectures de circuits, voire de nouveaux procédés, adaptés aux
systèmes embarqués, restent à imaginer.
Créativité et génération
Le problématique de la créativité, longtemps cantonnée à des études psychologiques est devenue une
problématique importante, du fait du progrès considérable des méthodes d'apprentissage machine, et
des applications nombreuses dans l'industrie du loisir (génération de jeux vidéos, de scripts, de musique, texte, etc.). Il s'agit de modéliser des systèmes capables de produire/générer/engendrer des artefacts de divers natures (images, son, musique, textes, etc.) capables de rivaliser avec les productions
humaines correspondantes.
Jeux génériques (General Game Playing)
La problématique des jeux génériques est de concevoir des méthodes permettant de jouer à des jeux
non déterminés à l’avance. Contrairement aux méthodes dédiées pour les échecs, le go, le poker, etc.,
qui sont optimisées dans un but unique, la question ici est d’avoir une méthode générique, permettant
de jouer rapidement (il n’y a pas de grands jeux de données et la méthode n’a que quelques minutes
pour analyser les règles qu’on lui envoie pour décrire le jeu avant de commencer à jouer). Cette problématique nécessite l’intégration de beaucoup de méthodes d’intelligence artificielle différentes (raisonnement, apprentissage, contraintes, etc.), et il s’agit, dans un environnement suffisamment
contrôlé, de développer des méthodes permettant de s’adapter à des problèmes non spécifiés à
l’avance, ce qui est une capacité importante à maitriser si l’on veut avoir dans le futur des
agents/robots pouvant s’adapter à des problèmes et à des environnements peu connus (et sur lesquels il
n’est pas possible de s’entraîner à l’avance).
Intégration de différents modes de raisonnement
Après les premiers succès des systèmes experts il y a trente ans, et la prise de conscience ensuite de
leurs limitations, nombre de travaux en IA ont permis des avancées considérables sur une grande variété de problèmes de raisonnement: raisonnement dans l’incertain, raisonnement en présence
d’exceptions, raisonnement en présence d’incohérences et fusion d’informations provenant de plusieurs sources, raisonnement à partir de cas, diagnostic, raisonnement interpolatif, raisonnement sur le
temps, sur l’espace, raisonnement déontique, raisonnement sur l’action, raisonnement sur les préfé-