DIC9150 - Concepts fondamentaux de l'informatique cognitive
Automne 2017 - Version (23/08/17 11:07)
Groupe 10
Mardi, de 9h30 à 12h30 PK-4360 (cours)
Responsable(s) du cours
Nom du coordonnateur : VILLEMAIRE, RogerNom de l'enseignant : VILLEMAIRE, Roger
Local : PK-4615
Téléphone : (514) 987-3000 #6744
Disponibilité :
Courriel : villemaire.roger@uqam.ca
Site Web : http://www.labunix.uqam.ca/~villemaire_r/
Autre enseignant : ROBERT, Serge
Description du cours
Le cours tentera d'apporter les réponses actuelles aux questions suivantes: Comment représenter les connaissances à des fins de traitement de l'information? Comment constituer une architecture cognitive de manière à favoriser l'apprentissage et à réaliser des comportements intelligents? La représentation: fondements des théories de la représentation des connaissances, représentations symboliques vs connexionnistes, représentations incarnées, évolutives, etc. Architectures cognitives: les différents types d'architectures (modulaires, générales, distribuées, etc.), les différents composantes d'une architecture: niveaux cognitifs (perception, action, émotion, conscience, normes, évaluation, etc.), systèmes cognitifs (agent, multi-agents), systèmes dynamiques (émergence, autopoeisis).
Objectif du cours
Ce cours vise à introduire à la représentation et au traitement de la connaissance. Les principales méthodes de
représentation de la connaissance, symboliques et connexionnistes, seront présentées et leur contribution analysées
tant d'un point de vue cognitif que computationnel.
Contenu du cours
- Introduction
- (S. Robert et R. Villemaire) Présentation du cours et introduction :
- connaissance, représentation et traitement.
- modélisation et cognition.
- (S. Robert et R. Villemaire) Présentation du cours et introduction :
- Représentation Symbolique
- (S. Robert) Notions d'histoire des sciences cognitives et de l'intelligence artificielle.
- (S. Robert) L'approche symboliste représentationnaliste :
- la cognition et l'informatique comme règles de manipulation de symboles,
- la pensée comme un langage,
- l'argument de la chambre chinoise et son impact.
- (R. Villemaire) Satisfaction de contraintes (CSP) :
- consistance d'arc, de chemin, recherche et inférence,
- recherche stochastique,
- contraintes booléennes et SAT.
- (R. Villemaire)
- Planification : but, actions, plan.
- Arbres de décision.
- (S. Robert) La cognition et la programmation à partir des logiques non classiques.
- (R. Villemaire) Modélisation multi-agents.
- (S. Robert et R. Villemaire) Examen Intra.
- Représentation Connexionniste
- (S. Robert) - L'approche naturaliste : la cognition incarnée, située et sociale.
- (R. Villemaire) Réseaux neuronaux.
- (R. Villemaire) Réseaux Bayésiens.
- (S. Robert) Les fondements cognitifs des réseaux de neurones et des algorithmes génétiques.
- (R. Villemaire) Analyse de données.
- (S. Robert) Introduction aux architectures cognitives et aux systèmes dynamiques.
- (S. Robert et R. Villemaire) Examen Final.
Modalités d'évaluation
Description sommaire | Date | Pondération |
---|---|---|
Examen intra | 50% | |
Examen final | 50% |
Engagements et Responsabilités
Politique d'absence aux examens
L'autorisation de reprendre un examen en cas d'absence est de caractère exceptionnel. Pour obtenir un tel privilège, l'étudiant-e doit avoir des motifs sérieux et bien justifiés.
Il est de la responsabilité de l'étudiant-e de ne pas s'inscrire à des cours qui sont en conflit d'horaire, tant en ce qui concerne les séances de cours ou d'exercices que les examens. De tels conflits d'horaire ne constituent pas un motif justifiant une demande d'examen de reprise.
Dans le cas d'une absence pour raison médicale, l'étudiant-e doit joindre un certificat médical original et signé par le médecin décrivant la raison de l'absence à l'examen. Les dates d'invalidité doivent être clairement indiquées sur le certificat. Une vérification de la validité du certificat pourrait être faite. Dans le cas d'une absence pour une raison non médicale, l'étudiant-e doit fournir les documents originaux expliquant et justifiant l'absence à l'examen – par exemple, lettre de la Cour en cas de participation à un jury, copie du certificat de décès en cas de décès d'un proche, etc. Toute demande incomplète sera refusée. Si la direction du programme d'études de l'étudiant-e constate qu'un étudiant a un comportement récurrent d'absence aux examens, l'étudiant-e peut se voir refuser une reprise d'examen.
L'étudiant-e absent-e lors d'un examen doit, dans les cinq (5) jours ouvrables suivant la date de l'examen, présenter une demande de reprise en utilisant le formulaire prévu, disponible sur le site Web du département à l'adresse suivante : http://info.uqam.ca/politiques/
L'étudiant-e doit déposer le formulaire dûment complété au secrétariat de la direction de son programme d'études : PK-3150 pour les programmes de premier cycle, PK-4150 pour les programmes de cycles supérieurs. Pour plus de détails sur la politique d'absence aux examens du Département d'informatique, consultez le site web suivant : http://info.uqam.ca/politiques
Intégrité académique
PLAGIAT Règlement no 18 sur les infractions de nature académique. (extraits)
Tout acte de plagiat, fraude, copiage, tricherie ou falsification de document commis par une étudiante, un étudiant, de même que toute participation à ces actes ou tentative de les commettre, à l'occasion d'un examen ou d'un travail faisant l'objet d'une évaluation ou dans toute autre circonstance, constituent une infraction au sens de ce règlement.
La liste non limitative des infractions est définie comme suit :
- la substitution de personnes;
- l'utilisation totale ou partielle du texte d'autrui en la faisant passer pour sien ou sans indication de référence;
- la transmission d'un travail pour fins d'évaluatiion alors qu'il constitue essentiellement un travail qui a déjà été transmis pour fins d'évaluation académique à l'Université ou dans une autre institution d'enseignement, sauf avec l'accord préalable de l'enseignante, l'enseignant;
- l'obtention par vol, manoeuvre ou corruption de questions ou de réponses d'examen ou de tout autre document ou matériel non autorisés, ou encore d'une évaluation non méritée;
- la possession ou l'utilisation, avant ou pendant un examen, de tout document non autorisé;
- l'utilisation pendant un examen de la copie d'examen d'une autre personne;
- l'obtention de toute aide non autorisée, qu'elle soit collective ou individuelle;
- la falsification d'un document, notamment d'un document transmis par l'Université ou d'un document de l'Université transmis ou non à une tierce persone, quelles que aoient les circonstances;
- la falsification de données de recherche dans un travail, notamment une thèse, un mémoire, un mémoire-création, un rapport de stage ou un rapport de recherche;
- Les sanctions reliées à ces infrations sont précisées à l'article 3 du Règlement no 18.
Les règlements concernant le plagiat seront strictement appliqués. Pour plus de renseignements, veuillez consulter les sites suivants : http://www.sciences.uqam.ca/etudiants/integrite-academique.html et http://www.bibliotheques.uqam.ca/recherche/plagiat/index.html
Médiagraphie
Livres :
- Radim Belohlavek, George J. Klir : Concepts and Fuzzy Logic, MIT Press, 2011.
- Ronald J. Brachman, Hector J. Levesque : Knowledge Representation and Reasoning, Morgan Kaufmann, 2004.
- Rina Dechter : Constraint Processing, Morgan Kaufmann, 2003.
- Daniel C. Dennett : Kinds Of Minds: Toward An Understanding Of Consciousness, Science Masters Series, Basic Books, 1997.
- Chris Eliasmith : How to Build a Brain: A Neural Architecture for Biological Cognition, Oxford University Press, 2013. http://www.nengo.ca/
- Ronald Fagin, Joseph Y. Halpern, Yoram Moses, Moshe Y. Vardi : Reasoning About Knowledge, MIT Press, 1995.
- Jerry A. Fodor : The Language of Thought, Harvard University Press, 1975.
- Hector Geffner and Blai Bonet : A Concise Introduction to Models and Methods for Automated Planning: Synthesis, Morgan & Claypool, 2013.
- Malik Ghallab, Dana Nau, and Paulo Traverso : Automated Planning: Theory & Practice, Morgan Kaufmann, 2004.
- Judith Hurwitz, Alan Nugent, Fern Halper, Marcia Kaufman : Big Data For Dummies, John Wiley & Sons, 2013.
- Vijay Kotu, Bala Deshpande : Predictive Analytics and Data Mining, Concepts and Practice with Rapidminer, Elsevier, 2015.
- Stephen Lucci and Danny Kopec : Artificial Intelligence in the 21st Century: A Living Introduction, Mercury Learning, 2016.
- Erik T. Mueller : Commonsense Reasoning, An Event Calculus Based Approach, second Edition, Morgan Kaufmann, 2015.
- Michael Negnevitsky : Artificial Intelligence, Addison Wesley, 3e ed., 2011.
- Steven Pinker : How the Mind Works, Norton, 1997.
- David Poole and Alan Mackworth : Artificial Intelligence, Foundations of Computational Agent, Cambridge University Press, 2010. http://artint.info/html/ArtInt.html
- Raymond Reiter : Knowledge in Action: Logical Foundations for Specifying and Implementing Dynamical Systems, MIT Press, 2001.
- Stuart J. Russell, Peter Norvig : Artificial Intelligence: A Modern Approach, Prentice Hall, 2010.
- John Searle, Minds : Brains and Science, Harvard University Press, 1984, p. 28-41.
- John F. Sowa : Knowledge Representation: Logical, Philosophical, and Computational Foundations, Brooks/Cole, New York, 2000.
- Keith Stenning, Michiel van Lambalgen : Human Reasoning and Cognitive Science, MIT Press, 2008.
- Kim Sterelny : Thought in a Hostile World, Blackwell, 2003.
- Uri Wilensky and William Rand : An Introduction to Agent-Based Modeling, Modeling Natural, Social, and Engineered Complex Systems with NetLogo, MIT Press, 2015.
- Ian H. Witten, Eibe Frank, Mark A. Hall : Data Mining: Practical Machine Learning Tools and Techniques, Morgan Kaufmann, 2017.
Articles :
- Ernest Davis, Gary Marcus : Commonsense Reasoning and Commonsense Knowledge in Artificial Intelligence, Communications of the ACM, vol. 58, no. 9, 2015.
- Mike Oaksford, Nick Chater : Conditional probability and the cognitive science of conditional reasoning, Mind & Language, 18, 2003, p. 359-379.
- Philippe Pajot : Le champion de go détrôné par l'ordinateur, La Recherche, Avril 2016.
- Yoav Shoham : Why Knowledge Representation Matters, Communications of the ACM, vol. 59, no. 1, 2016.
Vidéos :
- Balakrishnan Chandrasekaran, Cognitive Architectures and Diagrammatic Reasoning
École d'été sur le Raisonnement, Institut des Sciences Cognitives, UQAM,
28 juin 2016, 16h30, http://andara.uqam.ca/Panopto/Pages/Viewer.aspx?id=d402e977-2379-4b54-b0b9-2f4ac72b37e4 - Joseph Halpern, Decision theory with resource-bounded agents, École d'été sur le Raisonnement, Institut des Sciences Cognitives, UQAM,
28 juin 2016, 15h15, http://andara.uqam.ca/Panopto/Pages/Viewer.aspx?id=8ee2e8da-da2c-4120-a605-091196534d58 - Sheila McIlraith, Reasoning to Act: From Logic to Automated Planning, École d'été sur le Raisonnement, Institut des Sciences Cognitives, UQAM,
29 juin 2016, 09h15, http://andara.uqam.ca/Panopto/Pages/Viewer.aspx?id=fc56c910-14f9-4581-9285-f7fc116b7060 - Paul Thagard, Why Reason? Inference, Reasoning and Social Communication, École d'été sur le Raisonnement, Institut des Sciences Cognitives, UQAM,
23 juin 2016, 14h15, http://andara.uqam.ca/Panopto/Pages/Viewer.aspx?id=f17630a5-cea0-4be8-aa0f-a914a92055c2 - CCD Summer Short Course 2016, June 13-18, 2016, Carnegie Mellon University, Pittsburg, http:www.ccd.pitt.edu/training/presentation-videos/
- Yann LeCun, Cours apprentissage profond, Collège de France février 2016
https://www.college-de-france.fr/site/yann-lecun/course-2015-2016.htm
Sélection d'outils :
- Général :
- Tools for Learning Artificial Intelligence, http://www.aispace.org/
- Réseaux neuronaux :
- Playground TensorFlow, http://playground.tensorflow.org/
- Deeplearning4j et Word2vec, http://deeplearning4j.org/word2vec
- Torch, http://torch.ch/
- H2O http://www.h2o.ai/
- Neuroph, http://neuroph.sourceforge.net/
- Réseaux Bayésiens :
- TETRAD, http:www.phil.cmu.edu/projects/tetrad/
- Planification :
- Planning.Domains, http://planning.domains/
- Multi-agents :
- JAVA Agent Development Framework, http://jade.tilab.com/
- NetLogo, https://ccl.northwestern.edu/netlogo/
- Soar, http://soar.eecs.umich.edu/
- Apprentissage machine :
- Predictionio, https://prediction.io/
- Encog http://www.heatonresearch.com/encog/
- Analyse de données :
- Weka 3, http://www.cs.waikato.ac.nz/~ml/weka/
- Représentation et traitement de la connaissance :
- CYC http://www.cyc.com/
S: Standard - U : uri - V : volume