Artificial intelligence : representation and reasoning

Note du 29 juin 2020
Sans connaitre encore le temps que dureront les mesures de distances sociales liées à la pandémie de Covid-19, et quels que soient les changements qui ont dû être opérés dans l’évaluation de la session de juin 2020 par rapport à ce que prévoit la présente fiche descriptive, de nouvelles modalités d’évaluation des unités d’enseignement peuvent encore être adoptées par l’enseignant ; des précisions sur ces modalités ont été -ou seront-communiquées par les enseignant·es aux étudiant·es dans les plus brefs délais.

6 crédits

30.0 h + 30.0 h

Enseignants

Deville Yves;

Langue
d'enseignement

Anglais

Préalables

LSINF1121 : Programmation dans un langage de haut niveau; algorithmique et structures de donnes

Thèmes abordés

Résolution de problèmes par la recherche: formulation des problèmes, stratégies de recherche informées et non informées, recherche locale, évaluation du comportement et coût estimé, applications
Satisfaction de contraintes: problèmes de formulation, traçage et propagation de contraintes, applications
Jeux et recherche contradictoire : algorithme de minimax et élagage Alpha-Beta, applications
Logique propositionnelle: représentation des connaissances, inférence et raisonnement, applications
Logique du premier ordre: représentation des connaissances, inférence et raisonnement, chaînage avant et arrière, systèmes à base de règles, applications
Planification: langages des problèmes de planification, méthodes de recherche, graphes de planification, planification hiérarchique, extensions, applications
AI, philosophie et éthique: "les machines savent-elles agir intelligemment ?", "les machines savent-elles vraiment penser ?", l'éthique et les risques de l'intelligence artificielle, l'avenir de l'intelligence artificielle

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :

Eu égard au référentiel AA du programme « Master ingénieur civil en informatique », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

INFO1.1-3
INFO2.2-4
INFO5.2, INFO5.5
INFO6.1, INFO6.4

Eu égard au référentiel AA du programme « Master [120] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

SINF1.M4
SINF2.2-4
SINF5.2, SINF5.5
SINF6.1, SINF6.4

Eu égard au référentiel AA du programme « Master [60] en sciences informatiques », ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :

1SINF1.M4
1SINF2.2-4
1SINF5.2, 1SINF5.5
1SINF6.1, 1SINF6.4

Les étudiants ayant suivi avec fruit ce cours seront capables de

expliquer et exploiter à bon escient les concepts de base de la représentation de connaissances, de la résolution de problèmes et des méthodes de raisonnement, tels qu'utilisés en intelligence artificielle
évaluer l'applicabilité, les forces et les faiblesses de la représentation des connaissances, de la résolution de problèmes et des méthodes de raisonnement dans le cadre de la résolution de problèmes concrets d'ingénierie
développer des systèmes intelligents par l'assemblage de solutions à des problèmes concrets
discuter du rôle de la représentation des connaissances, de la résolution de problèmes et de méthodes de raisonnement dans la conception et la réalisation de systèmes intelligents

Les étudiants auront développé des compétences méthodologiques et opérationnelles. En particulier, ils auront développé leur capacité à :

maîtriser un nouveau langage de programmation utilisant principalement un tutoriel en ligne
faire face à des délais et à la compétitivité lorsque l'on développe un application qui se veut la plus efficace.

La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».

Contenu

Introduction
Recherche
Recherche informée
Recherche locale
Recherche avec adversaire
Problème de satisfaction de contraintes
Agent logique
Logique de premier ordre et inférence
Planification classique
Planification dans le monde réel
Apprendre à partir d'exemples
Fondements philosophiques, le présent et l'avenir de l'AI

Méthodes d'enseignement

apprentissage par problèmes
Apprendre en faisant
5 missions (de deux semaines)
équipes de deux étudiants
Cours magistral (1 heure / semaine)
Feed-back sur les missions clôturées (1 / 2 heure)
Discussion de la mission en cours (1 / 2 heure)

Modes d'évaluation
des acquis des étudiants

Examen : 70%
Missions: 30%.
Les travaux doivent être personnels (équipe de 2). Pas de collaboration entre les groupes. Aucune copie à partir d'Internet. Tricherie = 0 / 20 pour toutes les missions. En cas, d'échec des missions la pondération de cette partie sera plus importante.
Les travaux ne peuvent être réalisés que pendant le quadrimestre du cours. Il n'est pas possible de refaire les travaux durant un autre semestre ou pour la session de septembre.

Ressources
en ligne

https://moodleucl.uclouvain.be/course/view.php?id=8082

Bibliographie

Stuart Russell, Peter Norvig, Artificial Intelligence : a Modern Approach, 3nd Edition, 2010, 1132 pages, Prentice Hall
transparents en ligne

Faculté ou entité
en charge

INFO

Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme

Sigle

Crédits

Prérequis

Acquis
d'apprentissage

Master [120] : ingénieur civil en science des données

DATE2M

Master [120] : ingénieur civil biomédical

GBIO2M

Master [120] : ingénieur civil en informatique

INFO2M

Master [60] en sciences informatiques

SINF2M1

Master [120] en sciences informatiques

SINF2M

Master [120] en science des données, orientation technologies de l'information

DATI2M