Descriptif

L'avenir de l'Intelligence Artificielle se situe au-delà de l'exploitation massive des données. L'IA du futur demande la maîtrise des structures et des représentations symboliques. Le module IA206 commence par la programmation en Prolog, et plusieurs concepts fondamentaux de l'IA, relatifs à la résolution de problèmes, à la logique formelle, à l'apprentissage automatique symbolique, à la représentation des connaissances, et au traitement du langage naturel. À partir de là, nous explorerons l'IA neuro-symbolique, avec l'objectif de combiner les avantages des approches symboliques et statistiques.

Prolog est un langage unique. Contrairement à la plupart des langages de programmation, il s'agit d'un langage déclaratif. Prolog permet de penser les problèmes en termes de contraintes plutôt qu'en termes de procédure. Idéalement, le programmeur se contente de donner des connaissances à la machine, et celle-ci fait le reste. Prolog a été imaginé pour attaquer les problèmes de l'IA symbolique : gestion des connaissances, traitement du langage naturel, raisonnement. Suite aux succès des modèles d'IA statistiques, Prolog a été étendu avec ProbLog et DeepProbLog, qui permettent de calculer des probabilités et d'inclure des réseaux de neurones. Avec DeepProbLog, il est possible de spécifier des connaissances et des contraintes comme avec Prolog, en plus de la possibilité de les connecter à des systèmes neuronaux et à la rétropropagation du gradient. DeepProbLog permet de créer des IA moins gourmandes en données, plus cohérentes, interprétables et corrigeables.

Les thèmes suivants seront abordés :
- Le langage Prolog (Récursivité, backtracking, unification) et DeepProbLog
- Logique formelle (propositions et prédicats, démonstration, preuves par réfutation)
- Traitement du langage naturel (DCG, parsage par unification)
- Apprentissage automatique symbolique (induction symbolique, minimum de complexité)
- Représentation des connaissances (logiques de description, ontologies, Web sémantique)
- Langages de programmation probabilistes, diagrammes de décision binaire et sententielle