Courses de robots AlphAI - Transciption
Trois robots (rouge, violet et jaune) en forme de demi sphère, sur un circuit. Un bandeau à damiers matérialise la ligne d’arrivée.
L’intelligence artificielle (IA) est une technologie en plein essor. Elle s’immisce dans notre quotidien et sera à l’origine de la transformation de certains métiers, de la création et de la disparition d’autres. Il est nécessaire de préparer les élèves aux métiers de demain et de les former au machine learning. Il est également important de démystifier l’IA et de permettre aux élèves de devenir des utilisateurs informés et citoyens.
Les domaines de l’IA étant larges, toutes les disciplines sont concernées : les mathématiques bien sûr, mais aussi la biologie, la physique, les sciences de l’éducation et les matières littéraires. Étudier l’IA permet également de parler des problèmes éthiques soulevés par cette technologie.
Les quatre niveaux d’autonomie des robots
On définit, pour un robot, quatre niveaux d’autonomie dont les caractéristiques et la comparaison avec le fonctionnement humain peuvent être abordées très tôt dans la scolarité.
Modes d’apprentissage des robots - Transciption
Différents modes d’apprentissage des robots sous forme d’un tableau.
1 – TÉLÉGUIDAGE
- Apport initial par l’humain : Ordres
- Autonomie du robot : Aucune
- Qualités nécessaires du robot : Moteurs | Carte électronique | Connectique | Programme permettant de réagir aux ordres
2 – PROGRAMMATION
- Apport initial par l’humain : Instructions
- Autonomie du robot : Autonomie
- Qualités nécessaires du robot (en plus des précédentes) : Capteurs | Programme permettant de réagir selon l’état des capteurs
3 – APPRENTISSAGE SUPERVISÉ
- Apport initial par l’humain : Exemples
- Autonomie du robot : Autonomie – Mémoire – Apprentissage
- Qualités nécessaires du robot (en plus des précédentes) : Programme permettant la mémorisation des exemples et d’adapter ses réactions
4 – APPRENTISSAGE PAR RENFORCEMENT
- Apport initial par l’humain : Système de récompenses
- Autonomie du robot : Autonomie – Mémoire – Apprentissage – Exploration
- Qualités nécessaires du robot (en plus des précédentes) : Programme permettant la mémorisation des récompenses, l’anticipation des récompenses et d’essayer des actions
Une analogie avec le vivant peut être effectuée : les moteurs sont les muscles, les capteurs sont les organes sensoriels et les connectiques correspondent aux nerfs. La carte électronique joue le rôle de centre nerveux, plus ou moins évolué en fonction du ou des programmes implémentés.
Sans apprentissage, le robot ne fait que ce que l’humain a prévu et exécutera toujours la même chose (niveau d’autonomie 2). Les niveaux 3 et 4 se distinguent par la méthode d’apprentissage. Dans le cas de l’apprentissage supervisé – ou apprentissage par imitation – le robot ne fait que reproduire les comportements dictés lors de l’entraînement et n’a aucune initiative. Il peut être confronté à de l’imprévisible si l’apprentissage d’exemples est incomplet, c’est-à-dire que les données durant cette phase sont erronées ou non exhaustives. Au niveau 4, le robot apprend par lui-même. Par essais–erreurs successifs, il explore son environnement et est capable d’anticiper. Cependant, si l’apprentissage est ici plus autonome, il reste déterminé par des algorithmes écrits par l’Homme. Le robot ne fait pas preuve d’initiative comme un humain pourrait le faire. Il ne sait pas se fixer ses propres objectifs : un système de récompenses doit lui être inculqué pour lui permettre de faire ses choix.
À tout moment au cours de l’apprentissage aidé ou autonome, l’Homme peut intervenir et forcer une exploration afin de fournir à la machine de nouvelles données pour augmenter ses performances.
Comprendre le fonctionnement de l’IA
Plusieurs activités ludiques peuvent être proposées en classe afin de mettre en place la notion d’intelligence artificielle. Par exemple, le logiciel AlphAI et son robot associé (entreprise Learningrobots) rendent accessibles les algorithmes d’apprentissage.
L’apprentissage supervisé et l’importance de la qualité des données d’entraînement peuvent être abordés lors d’une course de robots. En premier lieu, les élèves font découvrir le parcours à leur robot qui devra concourir seul par la suite. Cette activité peut être réalisée en école élémentaire ou au collège.
Course de robots AlphAI après une phase d’apprentissage supervisé.
Pour expliquer la prise de décision, on fait appel à un autre anthropomorphisme qu’est le réseau neuronal artificiel. Ce dernier est une représentation schématique empruntée au fonctionnement des neurones biologiques et qui permet de visualiser en temps réel la circulation de l’information et la pondération des actions et des récompenses. Cette notion peut être abordée au lycée.
Visualisation du réseau de neurones artificiels avec le logiciel AlphAI, lors d’une phase d’apprentissage par renforcement
En diminuant le nombre de capteurs ou leurs caractéristiques – par exemple en réduisant la résolution de la caméra – il est possible de représenter graphiquement l’apprentissage du robot et de voir comment il réagit face à une nouvelle situation.
Mode démonstration KNN caméra du logiciel AlphAI - Transciption
Résolution de la caméra réduite à deux « pixels » droite-gauche pour visualiser l’apprentissage supervisé sous forme de graphique.
Avec les élèves de classes supérieures, les outils disponibles rendent possible la reprogrammation de l’algorithme d’apprentissage afin de comprendre mathématiquement l’organisation des réseaux de neurones, notamment le besoin de couches de neurones intermédiaires.
