Contacts experts : 

Jean-Louis Dessalles (jean-louis.dessalles AT telecom-paristech.fr)

Introduction :

Donner une définition de l’intelligence artificielle (IA) est difficile, voici quelques éléments de définition : l’IA désigne la simulation des mécanismes de la pensée par un ordinateur, la faculté de reproduire un raisonnement par des moyens informatiques et par extension un ensemble de réalisations et de recherches qui essaient d’imiter artificiellement les performances humaines.

La bio-inspiration est est une branche des sciences de l’ingénieur qui consiste à s’inspirer de la nature pour développer de nouveaux systèmes artificiels. Les sources d’inspiration sont très variées, animaux, végétaux, champignons, virus… et les applications de l’ingénierie bio-inspirée se retrouve dans un grand nombre de domaines (aéronautique, informatique, robotique, intelligence artificielle, etc.)

Le kit IA/bio-inspiration est principalement un kit “algorithmique”. Il s’agit de vous présenter diverses méthodes utiles pour :
– la résolution de problèmes d’optimisation (chemin le plus court, meilleure solution, etc.)
– la modélisation et l’étude de l’évolution de sociétés d’agents
– la résolution de problèmes complexes (classification, reconnaissance, etc.)

Optimisation :

Il s’agit de présenter les principes généraux de deux algorithmes classiques utilisés dans des cadres d’optimisation :

•  algorithmes génétiques : algorithme de recherche de solution approchée (ou exacte) d’un problème d’optimisation
• algorithmes de colonies de fourmis : algorithme de recherche de plus court chemin dans un problème d’optimisation (graphe, recherche de chemin dans l’espace, etc.)

Voici quelques exemples d’application : [algos génétiques :  résolution du problème (classique) du voyageur de commerce, d’étranges créatures qui apprennent à marcher, trouver son chemin dans un labyrinthe] ,  [colonies de fourmis : chemin optimal dans un labyrinthe, optimisation de processus industriel]

Apprentissage et reconnaissance :

• réseaux de neurones (principes, exemples, applications)

Un système multi-agent (SMA) est un système composé d’un ensemble d’agents, situés dans environnement et interagissant selon certaines relations. Un agent est, au moins partiellement, autonome. Ce peut être un processus, un robot, un être humain, etc.

Voici quelques exemples d’application : quelques exemples ici,  comment se forge une réputation ?, modélisation d’une culture d’entreprise, etc. 

En conclusion :

Le kit IA est principalement un kit destiné à présenter des méthodes et est facile à coupler avec d’autres modules (par exemple le module robotique, ou encore le module Sciences humaines et sociales). N’hésitez pas à poser des questions, à venir chercher des renseignements sur la portée applicative des méthodes décrites ci-dessus.

[[[

Nota Bene :

En supplément, je peux également vous fournir quelques bases en modélisation cognitive  

Modélisation de l’intérêt, modélisation de la pertinence dans les narrations : voir www.simplicitytheory.org ). Pour faire court, les situations narratives intéressantes sont plus simples à décrire qu’à produire (ici, simplicité = taille du meilleur résumé). Pour plus de renseignements sur ce modèle et ses applications, vous pouvez me contacter. 

]]]