UE I9IA-A - Connaissance et Raisonnement

Ce module permet de d'approfondir les liens entre Intelligence Artificielle et complexité algorithmique liée aux problèmes de décision et de recherche de solution. Y sont introduits les concepts d'heuristiques pour les jeux, pour la recherche dans les graphes d'états ainsi que les approches d'optimisations à l'aide de méta-heuristiques. SAT, la programmation par contraintes et answer set programming permettent de découvrir les approches déclaratives et à base de modélisation.Les cours sont mis en pratique à l'aide de TP en python.Plan du cours :Algorithmique des jeux avancée (3h / 6h)Rappels Heuristiques, Alpha-Béta, Iterative DeepeningAlgos sur des fenêtres nullesMonte Carlo Tree SearchPrincipes du Deep Reinforcement Learning pour les arbres de jeuxRecherches dans les graphes d'état (2h / 3h)Heuristique, A*Recherche localeRecherches méta-heuristiques (1h / 3h)Optimisation par colonies de fourmisAlgorithmes GénétiquesSAT et Programmation par Contraintes (3h / 3h)Answer Sets Programming (4h / 6h)Livre de référence : Intelligence Artificielle, une approche moderne (Stuart et Russell)

Voir la page complète

Ce module permet d'appréhender les problématiques de représentations des connaissances en mettant en évidence le lien entre le pouvoir d'expression du langage représentant la connaissance avec l'efficacité pratique de sa manipulation. Le plan du cours est le suivant :Systèmes d'aides à la décision (2h / 3h)Systèmes à base de règlesBases de connaissances et raisonnementCompilation de bases de connaissances (requêtes / manipulation / transformation) (2h / 3h)Logique Propositionnelle / Impliquants / Impliqués Premiers / ROBDDApplications aux diagnostics de systèmes / configuration / inférence BayésienneNotions de causalités (2h / 2h)Ontologies (8h / 6h)Langages d'ontologies: logiques de description, standards du Web Sémantique (OWL, RDF, SPARQL)Raisonner sur les ontologies: principales techniques algorithmiques (tableaux, saturation, réécriture de requêtes), complexité du raisonnementConstruction d'ontologies: méthodologie, utilisation de l'éditeur d'ontologies ProtégéLes cours sont mis en pratique à l'aide de TP en python, ainsi que Protégé pour la partie Ontologies.

Voir la page complète

Ce module permet de découvrir les approches IA utilisées dans le domaine du jeu vidéo, ayant des contraintes temps réel très fortes. Le plan est le suivant :

• Introduction à l'IA pour les jeux vidéos (1h)
• Steering Behaviors (1h/3h)
• A* pour le pathfinding (1h/3h)
• Goal Oriented Action Planning / Behavior Trees (2h/2h)
• Automates cellulaires (1h / 2h)

Voir la page complète