C. Lalanne & P.

Oliviro

IUT (Universit Paris 5), Dpt Informatique

Une brve introduction aux Sciences Cognitives

Sommaire Une brve introduction aux Sciences Cognitives....................................................................... 1 1. Introduction ........................................................................................................................ 1 2. Objet et enjeux des Sciences Cognitives............................................................................ 2 2.1. Historique ................................................................................................................... 2 2.2. Diffrentes approches................................................................................................. 4 Intelligence Artificielle. ..................................................................................................... 4 Psychologie cognitive. ....................................................................................................... 6 Neurosciences..................................................................................................................... 7 Linguistique........................................................................................................................ 7 Philosophie. ........................................................................................................................ 8 2.3. Un nouveau regard sur la cognition ........................................................................... 8 2.4. Les domaines dtude actuels et le concept dintelligence ........................................ 9 3. Que sait faire une machine de nos jours ? ........................................................................ 10 3.1. Calculer .................................................................................................................... 11 3.2. Raisonner.................................................................................................................. 11 3.3. Communiquer........................................................................................................... 13 3.4. et le reste ?................................................................................................................ 13 4. Perspectives...................................................................................................................... 14

1. Introduction
Lobjet des Sciences Cognitives est ltude de la cognition (du latin cognitio, connaissance), plusieurs niveaux : les diffrentes formes quelle revt, les mcanismes qui la fondent et lui permettent de sexprimer et dvoluer, et enfin les possibilits de reproduire lintelligence naturelle au travers de machines artificielles. On cherche, par exemple, caractriser les diffrents niveaux de traitements et de manipulation de linformation symbolique, ainsi que les substrats biologiques qui pourraient sous-tendre de tels traitements chez lhomme. Le programme est vaste puisquil vise acqurir une comprhension globale de lensemble des capacits de lesprit humain, comme, par exemple, le langage, le raisonnement, la perception, les activits motrices, ou la planification (Andler, 2002). Cette comprhension de lesprit humain passe par la description, lexplication, voire la simulation lorsque cette dernire nest pas possible des processus mis en uvre dans llaboration de nos connaissances. Aprs ltude de la matire, dont la discipline matresse est sans conteste la physique et de nos jours la physique quantique, et du corps, au travers de la biologie, celle de lesprit apparat comme le dfi du vingtime sicle. Les recherches menes dans ce sens font lobjet lheure actuelle dune vritable approche pluri-disciplinaire, puisque diffrentes disciplines
1

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

scientifiques participent ce vaste projet visant la comprhension de la cognition : intelligence artificielle, psychologie cognitive, philosophie, neurosciences, sociologie, informatique et sciences de lingnieur, etc. Malgr la diversit des mthodes et des enjeux thoriques de chacune de ces disciplines, toutes concourent au mme programme de recherches : dfinir la manire dont nous acqurons et utilisons nos connaissances, et utilisons ces capacits pour voluer de manire adapte dans notre environnement. Cette notion dadaptation est bien vite apparue comme un concept central de lvolution des systmes naturels (cf. Darwin et sa thse de la slection naturelle), mais galement des systmes artificiels (cf. Wiener et les concepts de la cyberntique). cette adaptation constamment mise lpreuve par les variations de lenvironnement est naturellement associe une complexification des structures accueillant le systme considr (homme ou machine). Lordre mergeant de ces structures, en apparence tellement complexes, rsulte alors dun vaste ensemble de processus en interaction (cf. cours sur les Systmes Adaptatifs Complexes). Mais lide matresse dans ltude des systmes artificiels et naturels demeure celle dun systme capable de traiter et de manipuler de linformation de nature symbolique. Lintrt port ltude des mcanismes de traitement de linformation apparat naturel pour les personnes travaillant linterface entre lhomme et la machine. Linformaticien doit en effet bien souvent dvelopper un systme devant interagir avec lutilisateur. Cette interaction peut se situer diffrents niveaux (interface utilisateur, langage de requte, etc.), peut tre de diffrents types (uni- ou bi-directionnelle, directe ou distance, etc.), et peut utiliser diffrents mdias de communication (oral, clavier, souris, commande oculaire, etc.). Afin de permettre une interaction pertinente et efficace entre lhomme et la machine, il convient donc de prendre en considration lensemble des facteurs susceptibles daffecter celle-ci. Cela comprend, pour lhomme : ses capacits perceptives (e.g. on ne peroit les stimulations visuelles ou auditives que dans certaines gammes de frquences), ses capacits de mmorisation et dattention (on ne peut gure mmoriser plus de 7 lments distincts, et on narrive pas effectuer simultanment diffrentes tches ncessitant une certaine prcision), ses comptences langagires, etc. ; et pour la machine : la limitation de ses modes de communication (e.g. cran) et dinteraction (un langage ou une interface bien dtermins), etc. Les tudes ralises dans le domaine de la psychologie cognitive, de la linguistique et de lergonomie ont permis de mettre en vidence les conditions ncessaires ltablissement dune communication naturelle entre deux interlocuteurs, et par extension entre un utilisateur et une machine (cf. cours de Linguistique).

2. Objet et enjeux des Sciences Cognitives 2.1. Historique

On saccorde gnralement dfinir comme point de dpart de la formalisation du programme des Sciences Cognitives un clbre colloque qui eut lieu en 1946 Macy (et qui fut suivi par dautres jusquen 1953). Lors de cette runion de chercheurs issus de diffrentes disciplines (neurophysiologie, informatique, mathmatiques), il fut dcid dadopter un programme commun de recherches sur la cognition, et plus particulirement sur lintelligence humaine et le rapport de lhomme la machine et son propre cerveau. Ce programme visait termes pouvoir caractriser un comportement intelligent et le simuler laide dun programme informatique. Lide fondamentale tait donc celle de crer une intelligence artificielle . De nouvelles disciplines scientifiques virent le jour, notamment lintelligence artificielle, les neurosciences et la psychologie cognitive. Les grands noms associs la naissance des Sciences Cognitives sont sans conteste :

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

N. Wiener (1894-1964), mathmaticien et fondateur de la 1re cyberntique 1 , sest intress, entre autres, aux conditions permettant un organisme artificiel de sadapter son environnement, et plus gnralement de manifester des capacits de communication. Linfluence de ce courant de pense (par exemple, le concept de feedback ngatif , ou rtrocontrle) stendra aux recherches sur la cognition naturelle et artificielle pendant prs de vingt ans et donnera naissance de nombreuses disciplines spcialises. Dans louvrage Sciences Cognitives Textes Fondateurs, de A. Plissier et A. Tte, on peut lire la remarque suivante : La cyberntique aura : introduit la conceptualisation et le formalisme logico-mathmatiques dans les sciences du cerveau et du systme nerveux ; conu lorganisation des machines traiter linformation et jet les fondements de lintelligence artificielle ; produit la mtascience des systmes, laquelle a laiss son empreinte sur lensemble des sciences humaines et sociales, de la thrapie familiale lanthropologie culturelle, en passant par lconomie, la thorie des jeux, la sociologie, les sciences du politique et bien dautres ; fourni point nomm plusieurs rvolutions scientifiques du XXe sicle, trs diverses puisquelles vont de la biologie molculaire la relecture de Freud par Lacan, les mtaphores dont elles avaient besoin pour marquer leur rupture par rapport un ordre ancien. W. McCullogh (1892-1969), psychologue et neurologue, sest intress la manire dont lhomme ralise des calculs et des dductions logiques. Il a pour cela propos une quivalence entre le calcul des propositions de Whitehead et Russell et les rgles rgissant les interactions (excitation et inhibition) entre neurones dans le cerveau. Il est lorigine du neurone formel, un modle simplifi de neurone biologique reposant sur des rgles dactivation boolennes. J. von Neumann (1903-1957), mathmaticien, a dabord travaill dans le domaine des mathmatiques appliques, en tant que consultant du gouvernement (en guerre lpoque), puis sest intress la modlisation des rseaux neuronaux laide dautomates finis. D. Hebb (1904-1985), neurophysiologiste de formation, est considr comme le pre de la psychobiologie cognitive, qui vise ltude des grandes fonctions mentales et de leur implmentation/rgulation au sein du cerveau et du corps. C. Shannon (1916-2001), ingnieur en tlcommunication aux laboratoires Bell, fondateur de la thorie de la communication, a dvelopp la notion de capacit dun canal de communication, et des concepts associs de bruit et de signal exprims en fonction dune mesure prcise de linformation. A. Turing (1912-1954), mathmaticien de renom, a remis en question la thse de Hilbert selon laquelle les mathmatiques devaient tre (1) compltes, (2) consistantes, et (3) dcidables 2 . Il sest illustr avec la conception de la machine qui porte son nom, une machine universelle capable deffectuer la mme tche que nimporte quelle autre machine, mais surtout avec laffirmation que tout ce qui peut tre calcul par lhomme peut galement ltre par une machine de ce type.
1

La 2me cyberntique est plus rcente et doit son renouveau larrive des modles connexionnistes. Certains auteurs considrent que ces deux courants de pense runis forment lessence des Sciences Cognitives. 2 A cette poque, Gdel venait de dmontrer lincompltude de larithmtique (i.e. il existe des propositions qui, bien que vraies, ne peuvent ni tre dmontres ni tre infirmes). Turing a surtout travaill sur la proprit de dcidabilit, en montrant quil ne pouvait y avoir de mthode (ou, plus tard, ce qui allait devenir la fameuse machine de Turing) dfinie pour rsoudre tous les problmes mathmatiques. 3

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

N. Wiener

J. von Neumann

D. Hebb

C. Shannon

A. Turing

Figure 1 : Quelques-uns des grands chercheurs lorigine des Sciences Cognitives En 1960, J. Bruner et G. A. Miller fondent le Center for Cognitive Science Harvard, et pendant une dizaine dannes de nombreux chercheurs et tudiants y afflurent pour se former aux nouvelles recherches portant sur les problmes lis la connaissance (organisation, reprsentation, manipulation, etc.). Lenthousiasme de lpoque tait tel que lon prdisait que dans 10 ans, les machines seraient capables de dialoguer avec lhomme, battre les champions du monde dchecs et rsoudre des problmes de mathmatiques. Il est clair prsent que les ambitions initiales nont que trs rarement t confortes par des rsultats probants, du moins au sens o cela tait envisag lpoque. Si la machine peut battre lhomme aux checs, cest sans doute plus grce sa puissance de calcul que parce quelle sait mieux raisonner que lhomme. Mais ce programme de recherches originel na eu de cesse dalimenter la curiosit des chercheurs, et continue encore de favoriser le dveloppement de systmes dits intelligents , bien que le champ dapplications se soit fortement largi (statistique et aide la dcision, gestion et conomie, etc.). La machine intelligente capable de communiquer avec lhomme nest pas encore parmi nous, mais les concepts formuls dans les annes 50 sont aujourdhui prsents dans une trs grande majorit de thories scientifiques. De nos jours, suite lvolution de chacune de ces disciplines et la redfinition des principaux axes de recherches, on considre plus volontiers que les cinq disciplines qui constituent proprement parler le champ des Sciences Cognitives sont : lintelligence artificielle, la philosophie, la psychologie, la linguistique et les neuroscicnces. A cette liste principale sajoutent aujourdhui dautres spcialits comme lconomie, lergonomie, lthologie, etc., qui toutes visent tudier la dynamique dun agent individuel (ou dun ensemble dagents) en contact avec son environnement, et des moyens quil met en uvre pour produire un comportement adapt aux variations naturelles induites par lvolution et les rponses de cet environnement.

2.2. Diffrentes approches

Intelligence Artificielle. La place de lintelligence artificielle (IA) au sein des Sciences Cognitives prend toute son importance par le fait que lon cherche comprendre la cognition naturelle laide de modles informatiques. De nombreuses dfinitions de lIA ont t proposes, sans quaucun consensus nait clairement t tabli. On pourra retenir comme dfinition celle propose par
4

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

Alliot et coll. (2002) : lintelligence artificielle a pour but de faire excuter par lordinateur des tches pour lesquelles lhomme, dans un contexte donn, est aujourdhui meilleur que la machine . LIA sintresse de nombreux problmes et les approches adoptes sont souvent trs diffrentes (algorithmique, conceptuelle, etc.). On distingue principalement deux types dapproche : une approche cognitive, dans laquelle prime la modlisation du raisonnement humain, et une approche oprationnelle, ou pragmatiste, dans laquelle on cherche dfinir des systmes aussi performants que lhomme. Les tenants de l'approche cognitive se donnent les moyens de proposer des thories du fonctionnement de l'esprit, et surtout de les tester empiriquement. Selon eux, penser, c'est traiter de l'information ; en d'autres termes, la pense peut tre assimile un ensemble coordonn de manipulations sur des reprsentations. L'esprit apparat ainsi pour certains comme une fonction calculable, et par consquent elle est modlisable sur une machine. Le support physique apparat de bien moindre importance, et cette approche se situe volontiers dans un cadre purement fonctionnaliste (e.g. Newell & Simon, 1976 et leur hypothse de systmes symboles physiques). L'objet d'tude de cette branche de l'intelligence artificielle est l'agent cognitif isol (vs. la cognition distribue ou situe, cf. infra), et la pense comme langage part entire, c'est--dire comme un moyen d'accs privilgi la connaissance (cf. le cours de linguistique), en particulier l'ensemble des connaissances dclaratives. Cette approche scientifique de la cognition est ainsi une approche analytique de la connaissance et du raisonnement. On parle alors souvent de paradigme computo-symbolique pour dsigner le courant cognitiviste. L'ordinateur reprsente le niveau du cerveau ; le logiciel reprsente le niveau de l'esprit (du systme cognitif) ; les informations symboliques reprsentent le niveau des reprsentations mentales. On notera cependant que l'IA regroupe un ensemble d'approches diffrentes. Ainsi, comme on vient de le voir, l'cole symbolique considre la pense comme une squence de transformations des reprsentations, et tudie des agents cognitifs dlibratifs. Mais, selon l'cole sub-symbolique, la pense consiste en une transmission et une transformation de signaux, et travaille avec des agents ractifs. Quant l'cole de la cognition situe, la pense n'est pas propre un seul individu isol, mais est distribue au sein d'une socit d'individus (incluant son histoire et sa culture), et elle est suscite par le contexte dans lequel celle-ci volue. On trouve souvent associs cette dernire approche les concepts d'mergence et d'auto-organisation. Quant lapproche pragmatiste, elle a plutt pour but de construire des algorithmes cest--dire des procdures de calcul en tenant compte des contraintes lies au support, ou la structure, qui doit les accueillir : lordinateur. Cest dune certaine manire la branche oprationnelle de lIA, o prime la notion de finalit plus que celle de modle plausible de fonctionnement de lesprit humain, i.e. de systme symbolique. Lobjectif poursuivi est de permettre la reproduction dun comportement observable chez lhomme (reconnaissance de forme, jeu de stratgie comme les checs, etc.), mais dont limplmentation sur la machine tire plus parti de larchitecture fonctionnelle et de la puissance de calcul de lordinateur que des schmas hypothtiques des processus de traitement de linformation modliss chez lhomme. En somme, on est plus dans le domaine de loptimisation que dans celui du traitement des connaissances formelles et symboliques. Le connexionnisme, qui sest dvelopp partir des annes 80, en constitue une des extensions les plus importantes. Cest ce penchant applicatif qui est souvent lorigine de la classification de lIA dans le domaine des sciences de lingnieur, cest--dire comme une bote outils pour le calcul, limage des quations aux drives partielles en Automatique.

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

Psychologie cognitive. La psychologie cognitive est une branche de la psychologie qui sintresse la modlisation des fonctions cognitives, ou des activits mentales, chez lhomme. Cette discipline a vu le jour en opposition au courant anglo-saxon bhavioriste selon lequel le comportement rsulterait dun systme de type stimulus-rponse : chaque stimulation de lextrieur (environnement, interlocuteur, etc.) serait associe une rponse bien prcise et peu modulable. Le lien entre les deux est alors assimil une bote noire, et nest pas directement observable par des moyens scientifiques. Lun des prcurseurs de la psychologie cognitive, qui a vu le jour dans les annes 60, est U. Neisser (1968). Il expose dailleurs dans son livre Cognitive Psychology la position de la psychologie cognitive par rapport aux positions des neurophysiologistes qui considraient que le comportement humain et la conscience dpendent entirement de lactivit du cerveau, en interaction avec dautres systmes physiques. Pour lui, ce qui importe cest essentiellement la faon dont on procde pour acqurir et traiter de linformation (niveau de la pense, ou de lesprit), et pas de savoir dans quelle structure crbrale ce type de processus est ralis (niveau du cerveau, ou support physique de la pense). En lien troit avec les autres disciplines (notamment lintelligence artificielle, la linguistique, et les neurosciences), elle propose des modles de fonctionnement de la pense et tente de les tester au travers dexpriences chez le sujet humain ou, parfois, de les simuler laide dun programme informatique. On peut par exemple proposer des problmes de logique et observer comment le sujet les rsout (approche par observation en situation naturelle ou semi-naturelle). On peut galement mesurer des indicateurs plus ou moins objectifs de la performance humaine lors de la ralisation dune tche, comme le temps de raction dans une tche de dtection dobjets smantiquement diffrents, ou la typologie des mouvements oculaires (position des fixations, nombre et dure des saccades) lors de la lecture dun texte (approche quantitative). Du point de vue de la comprhension des fonctions cognitives, lanalogie avec un programme informatique, ou leur possible implmentation, est souvent trs prsente en arrire-plan des thories proposes. Selon Neisser, un programme nest pas un appareil de mesure de linformation, mais un moyen de slectionner, de stocker, de rcuprer, de combiner, de sortir et plus gnralement de manipuler de linformation . Cette conception nest pas sans rappeler lapproche cognitive des chercheurs en IA Newell et Simon expose dans les paragraphes prcdents.

Figure 2 : Diffrentes disciplines concourant au mme projet de recherche

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

Neurosciences. Ce que lon appelle lheure actuelle Neurosciences est un ensemble de disciplines issues principalement de la biologie neurobiologie, neurophysiologie, neuropharmacologie, techniques dimagerie crbrale qui tente galement de modliser les activits mentales partir de ltude du support physique de ces activits : le cerveau. Mais, la diffrence de la psychologie cognitive, qui sintresse moins la structure pouvant accueillir les modles proposs, les neurosciences partent du principe que la pense ayant pour support le cerveau, il faut dabord tudier larchitecture et le fonctionnement de celui-ci car ce sont ces dterminants qui contraignent dune certaine manire les activits qui peuvent en rsulter. On retrouve l une dualit structure-fonction bien connue, o les uns cherchent avant tout un modle formalisable de fonctionnement, tandis que les autres (neurosciences) ont une approche plus mcaniste et tiennent compte des particularits du matriel physique pouvant sous-tendre les activits mentales. Ces approches peuvent en ce sens tre considres comme complmentaires. Les recherches dans ce domaine ont permis de mettre en vidence de nombreuses caractristiques fondamentales du cerveau, par exemple : son aptitude voluer, et ventuellement se rparer, au cours de la vie (plasticit crbrale) ; sa capacit traiter de linformation issue de multiples canaux sensoriels (il, oreille, main, etc.) de manire intgre, de faon former une reprsentation cohrente et unifie de lenvironnement et des objets qui le composent ; lextrme souplesse des mcanismes dapprentissage (marche, dextrit manuelle, raisonnement, etc.) et de consolidation en mmoire. A cette approche psychophysiologique des activits mentales est souvent associe une approche de modlisation (on dit galement computationnelle ), dans laquelle on cherche reproduire ou simuler les rponses du cerveau laide de rseaux de neurones artificiels. Contrairement au modle du neurone formel de McCullogh, les neurones artificiels introduits ici sont beaucoup plus proches des contraintes biophysiques mises en vidence au niveau du neurone biologique. Ces modles et programmes informatiques permettront peut-tre un jour de proposer des systmes de remplacement dans le cas de cerveaux endommags (par exemple, la suite dun accident vasculaire ou dune maladie gntique). Certains systmes daudition ou de vision prosthtiques 3 sont actuellement en cours de dveloppement, mme si les capacits quils offrent sont encore bien loin des performances naturelles des systmes perceptifs. Linguistique. La linguistique peut se dfinir comme ltude de la langue, et de son rle dans llaboration de nos connaissances. En effet, si la langue est loutil qui nous permet de dialoguer, cest galement le support de lensemble de nos connaissances que nous exprimons et manipulons laide de mots dont la signification est intimement lie nos actes de pense. Lun des premiers objectifs des fondateurs des Sciences Cognitives et des tenants de lIA dans les annes 50 fut la traduction automatique. Ce champ de recherches intervenait comme une suite naturelle aux diffrents travaux raliss sur la cryptographie lors de la seconde guerre mondiale. Lchec prvisible dun tel systme de traduction automatique est imputable lapproche nave de lpoque qui consistait croire quun tel systme ne relevait
Pour les rtines artificielles, il sagit par exemple de micro-circuits lectroniques insrs linterface de la rtine et des cellules nerveuses, qui envoient des projections vers les aires du cerveau ddies au traitement de linformation visuelle. 7
3

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

que dun ensemble de procdures syntaxiques, sans ncessit de comprendre le sens du texte traduire. Ces aspects smantiques sont au contraire dterminants, comme lont montr les diffrents travaux de linguistique des trente dernires annes. La reprsentation et lutilisation des connaissances (dclaratives et procdurales) chez lhomme, et le rle des connaissances non-exprimes dans le raisonnement humain, sont galement deux notions trs lies, et qui sont la base de la plupart de nos comportements. Philosophie. La philosophie intervient dans ce programme de recherches comme elle la toujours fait dans la dmarche scientifique. Outre le fait que certains philosophes participent directement aux travaux de recherche des psychologues, par exemple, ils sinterrogent sur la validit des modles de fonctionnement de la pense proposs par les diffrentes communauts de scientifiques. Par exemple, certains chercheurs en IA font lhypothse que les programmes informatiques peuvent tre assimils des tats mentaux (version forte de lIA), alors que le philosophe J. Searle considre que cette thorie est fausse. Selon lui, la syntaxe (le programme formel) est insuffisante pour produire la smantique (le sens) ; en dautres termes, il y a une diffrence fondamentale entre le modle (que la machine est capable de se reprsenter) et le concept sous-jacent, qui englobe bien plus de notions que la simple dfinition de relations spatiales ou temporelles. Largument souvent cit est celui de la pice chinoise : Supposons quon place dans une pice un individu ne comprenant pas le chinois. Supposons galement quon lui fournisse un ensemble dinstructions lui permettant, chaque fois quon lui donne un ensemble didogrammes, de fournir une rponse qui soit correcte. Par exemple, lensemble didogrammes signifiant : quelle est votre couleur prfre ?, les instructions lui disent dcrire un autre ensemble didogrammes qui signifie : le bleu mais jaime aussi le vert. Notre individu ne sait pas ce que contiennent les idogrammes. Les rponses quil fournit semblent prouver quil comprend le chinois alors quil se contente de manipuler un ensemble de symboles formels sans signification pour lui, et quil peut trs bien, en fait, prfrer le rouge. La manipulation correcte des symboles (syntaxe) ne permet pas de supposer la comprhension correcte (smantique). (Searle, 1985)

2.3. Un nouveau regard sur la cognition

Comment l'homme fait-il pour raisonner, parler, calculer, apprendre ? Comment s'y prendre pour crer une, ou plus gnralement, de l'intelligence artificielle ? Deux types d'approches ont t essentiellement explores, comme nous venons de le voir : 1) procder d'abord l'analyse logique des tches relevant de la cognition humaine et tenter de les reconstituer par programme. C'est cette approche qui a t privilgie par l'IA (branche cognitive) et la psychologie cognitive. Cette dmarche est connue sous le nom de cognitivisme. 2) puisque la pense est produite par le cerveau ou en est une proprit, il faut commencer par tudier comment celui-ci fonctionne. C'est cette approche qui a conduit l'tude initiale des rseaux de neurones formels en IA, et que lon retrouve dans les neurosciences. Cest lapproche du connexionnisme.
8

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

La complexit de lorganisation fonctionnelle du cerveau humain rend ces approches largement complmentaires : dune part, il est ncessaire de proposer des modles formels de traitement de linformation symbolique, qui sont sources de rflexion la fois sur le fonctionnement des systmes naturels, mais galement sur les techniques de reprsentation des connaissances mises en jeu ; dautre part, la prise en compte des contraintes biologiques et physiques des systmes naturels peut amener la conception de modles plus ralistes lorsquil sagira de les implmenter sur une machine. Les rpercussions de lapproche des Sciences Cognitives sont nombreuses pour linformatique, et ne se limitent pas au dveloppement de systmes embarqus adaptatifs. Jusque dans les annes 50, cette discipline ntait souvent enseigne que comme un ensemble de recettes permettant deffectuer certaines oprations. Lavnement de lIA a permis le renouveau des mthodes de programmation, en apportant une nouvelle vision de la conception des programmes. Nombreux sont les langages actuels (C++, Java) qui doivent cette approche des systmes symboliques et des langages cres pour leur dveloppement (Lisp, Prolog, Smalltalk) leur force et leur originalit. Le langage Lisp, par exemple, drive des travaux de A. Church sur le -calcul et de ceux de J. McCarthy sur les fonctions rcursives. Lide tait davoir un langage suffisamment puissant pour permettre de manipuler des fonctions mathmatiques. Contrairement au langage de lpoque, Fortran, Lisp ne permettait pas doprer simplement sur des quantits numriques. Il permettait en plus de manipuler des atomes abstraits les symboles et des combinaisons arbitrairement complexes de tels atomes les listes. Ce caractre symbolique du langage en a fait lun des principaux langage de modlisation de lIA. De mme, le langage Prolog a quant lui t utilis dans les applications ncessitant lusage du calcul des propositions (raisonnement, traitement automatique du langage, systmes experts). Lapproche symbolique a galement permis le dveloppement de langages spcialiss dans la reprsentation des connaissances et la modularit des traitements, comme Smalltalk, que lon retrouve aujourdhui dans des langages modernes comme Java ou C++. La modlisation UML ( Unified Modelling Language ) est galement fortement tributaire de cette approche des systmes symboliques et des modalits de reprsentations des concepts du monde physique au sein de tels systmes. De manire gnrale, ce que lon considre actuellement comme relevant du domaine de lingnirie des connaissances dcoule directement des concepts thoriques dvelopps dans le cadre de ltude du traitement et des modes de reprsentation de linformation chez lhomme, et qui ont t, pour une large part, formaliss par les Sciences Cognitives.

2.4. Les domaines dtude actuels et le concept dintelligence

Les domaines dtude ont peu volu depuis les annes 70, si ce nest que certaines des ambitions applicatives initiales ont souvent t ramenes des considrations thoriques mieux identifies et des champs daction mieux circonscrits. Parmi lensemble des thmatiques de recherches associes lIA, et plus gnralement aux Sciences Cognitives, on peut mentionner : la rsolution de problmes, au sens gnral (cest--dire qui ne se limite pas aux simples problmes de mathmatiques ou de raisonnement logique, mais inclut la prise de dcision dans des situations plus proches de la ralit) ; la comprhension du langage naturel ; la reconnaissance de scnes visuelles 4 ;
Il ne sagit pas simplement de scnes statiques, comme cest le cas avec les systmes classiques de segmentation dimage, mais de scnes dynamiques o les objets sont en mouvement. 9
4

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

lapprentissage (sous toutes ses formes : dveloppemental, sensorimoteur, cognitif). Cette liste nest bien videmment pas exhaustive, et chacune de ces catgories se subdivise elle-mme en plusieurs champs dtude : par exemple, la comprhension du langage naturel inclut la fois le dveloppement de systmes de dialogue intelligent, la reconnaissance vocale, la traduction automatique du langage parl, crit ou sign, etc. Par ailleurs, lenjeu initial des Sciences Cognitives tant dtudier tout ce qui a trait la connaissance, et par extension la proprit plus gnrale dintelligence, il est lgitime de sinterroger sur lactualit des thories concernant lintelligence. En fait, ce concept est sujet beaucoup de discussions, et aucune thorie de lintelligence nest rellement admise. Pire encore, il nexiste pas de relle dfinition du terme. Si dans les annes 60, on savait clairement mesurer lintelligence laide dindicateurs pseudo-objectifs comme le QI (ou pire encore, cf. Gould, 1986), lapproche cognitiviste, au travers notamment de son influence en psychologie, a entran une complte rvision du concept dintelligence. On parle plus volontiers des diffrentes facettes de lintelligence (intelligence cristallise, procdurale, formelle, etc.), que dune intelligence en tant que caractristique intrinsque dun individu. Dautre part, les Sciences Cognitives ont mis laccent sur les notions de capacit limite de traitement (on est limit quant la somme doprations que lon peut effectuer, par exemple mmoriser un grand nombre de chiffres), et de filtre slectif pour le traitement de linformation. Cette approche cognitiviste permet dexpliquer en grande partie les diffrences inter-individuelles lors de la ralisation de tches particulires (e.g. rsolution dun problme) en termes de performances intellectuelles , ce qui remplace avantageusement le concept dchelle dintelligence dfendu avant les annes 60. Lintrt de cette approche est avant tout de permettre dexpliquer ces diffrences entre individus non pas uniquement en termes de diffrences de capacit, mais galement par des diffrences au niveau des traitements mis en jeu et de lensemble des connaissances (dclaratives et procdurales 5 ) utilises pour raliser la tche (A. Tricot). Lchec relatif des systmes dIA symboliques et des modles cognitivistes (dans les domaines de la rsolution de problmes, de la perception, etc.) dcoule alors sans doute du fait que le traitement de linformation par un systme artificiel, tel quil est modlis au travers de ces approches, sloigne considrablement de la manipulation des connaissances et de llaboration du sens chez ltre humain.

3. Que sait faire une machine de nos jours ?

tant donn les objectifs affichs par les prcurseurs des sciences cognitives dans les annes 60, on est en droit de sinterroger sur ce que sait faire une machine intelligente aujourdhui. En fait, comme on la dj mentionn, il savre que les objectifs initiaux 6 ont rarement t atteints, sauf peut-tre dans le domaine des jeux de stratgie, mais que certaines activits peuvent tre ralises par une machine, sous certaines conditions. Les raisons sont multiples, et parmi celles-ci, lun des problmes vient souvent du fait que lon a trs peu de modles formels de certaines activits, comme le raisonnement et la prise de dcision ; dautre part, le cerveau humain fonctionne sur un mode massivement parallle (cf. le cours de
Ici, les termes dclaratives et procdurales rfrent, respectivement, aux connaissances lies linterprtation de la tche, de la situation et du rsultat obtenu, et aux connaissances lies aux stratgies et procdures choisies par lindividu pour raliser la tche. 6 En 1984, Edward Feigenbaum dfinissait lintelligence artificielle comme une mthodologie qui doit permettre de rendre les ordinateurs plus intelligents de faon ce quils montrent des caractristiques normalement associes lintelligence dans les comportement humain, cest--dire la comprhension du langage, lapprentissage, la rsolution de problmes, le raisonnement . 10
5

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

neurosciences), et ds lors il devient trs difficile de le reproduire, tout ou partie, sur une machine qui effectue des oprations squentiellement.

3.1. Calculer
On distingue gnralement deux domaines dans le calcul par ordinateur : le calcul numrique (calcul de racines cubiques, des dcimales de pi, etc.) et le calcul symbolique (drivation et intgration de fonctions, manipulation de polynmes, etc.). Si dans le premier cas, la machine surpasse de loin lhomme, elle affiche de bien moindres performances dans le second, surtout lorsquil sagit de mettre en uvre des procdures de raisonnement, et pas simplement de longues chanes de calcul. En effet, il est certain que lordinateur constitue un outil indispensable lorsquil sagit dpauler le travail des mathmaticiens, comme en atteste la dmonstration du problme des quatre couleurs 7 en 1976, puis en 1997 (cf. Delahaye, 2002, pp. 87-88). Ceci tient essentiellement la formidable puissance de calcul dont il dispose, et qui rend lexcution doprations numriques complexes ultra-rapides. Ainsi, quand bien mme ltre humain utiliserait la mme formule optimise de calcul pour les multiplications entre grands nombres que lordinateur 8 , il nen mettrait pas moins de temps quavec la manire classique, et il mettrait en tout cas toujours plus de temps que ce dernier. Certaines tches ne peuvent par ailleurs strictement pas tre ralises par ltre humaine : songez au calcul des 7816230 chiffres qui composent le dernier nombre premier connu (225964951-1) 9 ou au 206158430000 dcimales de Pi qui ont ncessit 46h07 de calcul et 817 Go de mmoire centrale ! Mais lorsque le problme suppose des raisonnements complexes, o prime parfois lintuition du mathmaticien, ou la manipulation dentits abstraites, la machine nest gure performante.

3.2. Raisonner
Depuis le Logic Theorist de Newell, Shaw et Simon (1956), le premier programme dIA qui avait pour objectif la dmonstration automatique de thormes, et le GPS (General Problem Solver) des mmes auteurs, peu de systmes informatiques sont capables de raisonner, au sens courant du terme un enchanement dnoncs ou de reprsentations symboliques conduit en fonction dun but, ce but pouvant prendre des formes varies : dmontrer, convaincre, lucider, interprter, dcider, justifier, expliquer, etc. , et les rares systmes intelligents qui ont vu le jour sont gnralement limits un domaine dexpertise particulier, encore appels micro-mondes . Les systmes experts sont sans doute les seuls programmes intelligents qui ont des retombes industrielles et conomiques. Citons parmi ceux-ci MYCIN (1974), un systme de diagnostic mdical utilis principalement pour aider les mdecins dans leur formation,
Le problme des quatre couleurs, formul en 1852, stipule que sur une carte de gographie, il est toujours possible de colorier, avec 4 couleurs uniquement, chacun des pays de sorte quaucun pays nait un pays voisin de la mme couleur. 8 De nombreux logiciels de calcul utilisent en effet la rgle de calcul de Karatsuba pour les multiplications entre grands nombres. Cette rgle utilise la proprit suivante : (a + b 10 k )(c + d 10 k ) = ac [(a b)(c d) ac bd ] 10 k + bd 10 2k , et fait gagner 25 % de temps lors du calcul car les additions sont plus nombreuses mais sont dun cot ngligeable par rapport aux multiplications. 9 http://www.mersenne.org/ 11
7

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

DENDRAL (1964), un systme danalyse chimique, R1/XCON (1982), un systme permettant de calculer la configuration dun systme informatique, en fonction de contraintes donnes par un client (moyens financiers, espace disponible, mmoire requise, puissance de calcul dsire). Notons demble que MYCIN ne prsente pas vraiment les capacits de raisonnement dun sujet humain, puisque ce systme utilise un ensemble de rgles probabilistes et de coefficients numriques de croyance. En fait, tous les systmes experts reposent sur une architecture relativement similaire, qui inclut une base de connaissances (les faits de la ralit connatre), une base de rgles et un moteur dinfrence (un ensemble de rgles procdurales permettant de manipuler les donnes fournies en entre). Si lorganisation, ou la structure, de tels systmes sinspirent grossirement des mcanismes de stockage et de reprsentation de linformation de ltre humain, tels que modliss par la psychologie cognitive, leurs rgles internes de fonctionnement sen loignent considrablement, et ils ne sont pas capables de transfrer leurs connaissances un autre domaine dexpertise. Cela est sans doute d au fait que nos connaissances sur nos propres modes de raisonnement sont encore imparfaites, et seules certaines activits comme la prise de dcision dans une situation particulire peuvent tre modlises de manire suffisamment prcises. Un expert humain nest pas capable dexpliciter toutes les connaissances, ni lensemble des rgles de dduction, sur lesquelles reposent sa prise de dcision. Le domaine de connaissances des systmes experts est par consquent fragmentaire, et les mthodes de calcul logique censs permettre le raisonnement du systme sont donc encore loin de reproduire fidlement le comportement de prise de dcision chez lhumain. Le problme essentiel vient du fait que le raisonnement ne peut se rsumer une simple succession doprations logico-mathmatiques : en dautres termes, raisonner nest pas calculer ! La manipulation, la transformation et lexpression des connaissances dont nous sommes capables dans une situation ncessitant une valuation objective, un jugement ou une prise de dcision rationnelle font intervenir un ensemble de processus dune grande complexit (cf. le cours sur la logique), dont une partie peut tre de nature inconsciente, si bien que peu de modles globaux du raisonnement humain sont actuellement satisfaisants. A titre dexemple, prenons le problme classique des tours de Hano : le jeu consiste transfrer des disques de grandeur dcroissante dun piquet un autre (il y a 3 piquets au total), sans que jamais un disque de diamtre plus grand ne se trouve au-dessus dun disque de diamtre infrieur. Lorsquil y a 3 disques, il faut 7 coups au minimum pour y parvenir, mais lorsquil y a 8 disques, il faut 255 coups pour parvenir la solution. En fait, on peut montrer quil faut 2n-1 coups au minimum (n dsignant le nombre de disques). Il existe un algorithme qui permet de raliser ces dplacements en 2n-1 coups, car il existe un procd systmatique de rsolution de ce type de problme. En revanche, si lon donne ce type de problme une personne quelconque, elle mettra soit plus de temps pour arriver la solution, soit elle jouera le mme nombre de coups que lordinateur, mais sans tre capable dexpliciter la mthode on parle galement dheuristique quelle a utilise

Figure 3 : Les tours de Hano.

12

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

3.3. Communiquer
Il nexiste pas lheure actuelle de machine capable de soutenir une vritable conversation avec ltre humain. En revanche, certains systmes de reconnaissance vocale sont relativement performants (encore quils sont bien souvent limits lidentification de certains mots ou phrases isols). La difficult vient essentiellement de ce que nous avons dit prcdemment : la signification dun nonc ne rsulte pas simplement de linterprtation des mots qui composent cet nonc. Linterprtation procde souvent de lanalyse dun ensemble dinformations qui ne sont pas contenues dans lnonc mme, comme le contexte dnonciation, la connaissance du locuteur, etc. On retombe galement sur le foss qui spare le modle du concept : nous navons aucun mal nous reprsenter le concept de table et ce quil sous-entend (sans parler du pourquoi du mot table pour dsigner cet objet physique particulier), mais transfrer ces connaissances une machine est une chose trs dlicate. Cest le domaine de lapprentissage computationnel , qui allie des mthodes algorithmiques puissantes (mais souvent lmentaires) des systmes de base de connaissances labors. On peut, par exemple, imaginer que pour quune machine se reprsente correctement le mot table, elle doive possder certaines connaissances sur ce concept, et ne pas avoir simplement un modle de lobjet physique. Ces proprits, qui alimenteraient sa base de connaissances, pourraient sexprimer ainsi : possde 4 pieds VRAI possde une queue FAUX possde un sige plat VRAI est de couleur marron IRRELEVANT est un objet anim FAUX Cette liste nest bien videmment pas exhaustive, et nest indique que pour illustrer la complexit dune description complte dun objet physique, que nous utilisons couramment sans mme songer le dcrire explicitement. Dautre part, la notion de concept prend tout son sens lorsque lon songe quil ne suffit pas simplement de fournir une description adquate de lobjet physique la machine, mais galement des relations que celui-ci partage avec les autres objets physiques. Une table est ainsi souvent associe lobjet chaise, dans une optique trs utilitaire : manger, discuter ( autour dune table ), ou beaucoup plus symbolique (le mot chaise vient spontanment lesprit lorsque lon voque le mot table). De manire plus gnrale, la communication sur un sujet particulier implique de nombreuses co-rfrences des concepts voisins, que lon traite sans y penser mais qui influence notre laboration du sens du dialogue (cf. le cours de linguistique). En revanche, lutilisation de la machine pour visualiser des ensembles de donnes complexes est un domaine en pleine expansion. On a en gnral du mal se reprsenter certaines donnes en 3 dimensions, et il nest gnralement pas possible daller au-del (4D, 5D, etc.). Il est alors encore plus difficile de manipuler ces reprsentations (par exemple, le maillage dun objet gomtrique 3D). De la mme manire, il est parfois utile de pouvoir filtrer la masse dinformations afin den faire ressortir les traits saillants (e.g. en statistique multidimensionnelle exploratoire, ou data-mining). Dans ces domaines, la machine offre un support de visualisation et de manipulation excellent., et apparat, comme dans le domaine du calcul, un outil prcieux.

3.4. et le reste ?
Il reste bien dautres activits humaines sur lesquelles travaillent les chercheurs : la perception et laction, lapprentissage, etc. Cela dpasse lobjectif de ce cours qui visait
13

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

simplement une prsentation rapide des Sciences Cognitifs et au survol de quelques-unes des applications informatiques qui dcoulent tout naturellement de ce programme de recherches. Le lecteur intress trouvera dans les ouvrages donns en rfrence mature de plus amples dveloppements sur ces thmatiques.

4. Perspectives : des automates de Vaucansson la thorie du Chaos

Lensemble de ces donnes met en lumire un autre aspect thorique trs intressant, celui de la complexit. En effet, les diffrentes problmatiques exposes jusquici, centres autour de lacquisition et la manipulation des connaissances, ont permis de mettre en vidence les diverses facettes du problme de ltude de la cognition, et les moyens mis en uvre pour tenter den cerner les modalits de fonctionnement. Bien que diffrents systmes aient t tudis, lobjet central est bien lhomme chez qui lobservation du comportement le plus lmentaire laisse entrevoir une complexit ingale. Cette notion de complexit est une notion trs la mode de nos jours, et on la trouve souvent associe celle du chaos. Bien que ce champ dtude intresse des disciplines aussi varies que la biologie, la physique, les mathmatiques, et soit promis lheure actuelle des programmes de recherche trs fconds en nouvelles thories explicatives, il nexiste pas lheure actuelle de dfinition gnrale de la complexit (cf. cours sur les Systmes Adaptatifs Complexes), ou de la notion concomitante dordre. Chacun a sa propre vision et ses propres moyens dtude du phnomne dans sa discipline. Mais, il ne fait aucun doute que cette nouvelle branche thorique pourra servir termes de programme fdrateur de recherches au sein des Sciences Cognitives. A titre dexemple, on peut mentionner les diffrents apports des Sciences Cognitives dans la comprhension de ce phnomne. Du ct de la neurobiologie, il a ainsi t propos que la transmission de la communication entre un neurone et les neurones de son voisinage est quantique, et par consquent loin dtre garantie. En dautres termes, linformation transmise entre les units de traitement fondamentales du cerveau obirait un processus de transmission probabiliste, ce qui laisse entrevoir une combinatoire dune richesse exceptionnelle. Mais, il a galement t montr que ces interactions entre neurones peuvent tre modules par lapprentissage, ce qui laisse suggrer que cette combinatoire possde une valeur adaptative indniable pour le comportement. En conomie, lanalyse des krachs financiers a remis en question lide que ceux-ci sont des phnomnes alatoires imprvisibles (i.e. chaotiques), cest--dire dsordonns, mais que, bien au contraire, ils sont le reflet de lordre total. Un krach boursier se produit lorsque tout le monde vend en mme temps ses actions. Cette phase est prcde par ce que lon appelle une bulle spculative , dans laquelle les agents conomiques interagissent dans une boucle de rtroaction positive (les individus simitent les uns les autres car cest dans leur intrt) ; petit petit, cette bulle spculative se renforce, jusqu ce que le march devienne instable et soit corrig par un krach. Lordre semble par consquent merger du dsordre. En thologie, une approche similaire dans le cadre de ltude de lvolution des colonies de fourmis a mis en vidence que, malgr le dsordre apparent (certaines fourmis construisent des structures que dautres dtruisent aussitt), certaines rgularits existaient dans lorganisation globale de leurs comportements ainsi que dans les structures qui en dcoulent. Au niveau collectif, lordre semble ici rsulter, ou plutt merger, de processus auto-organiss, dans lesquels les processus dapprentissage et de comptition entre individus, associs un mode de communication trs efficace, jouent un rle trs important. Si la modlisation des systmes complexes bnficie trs largement de cette nouvelle approche de la complexit, il nen demeure pas moins quau niveau de lindividu isol, les
14

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

mcanismes qui rgissent et organisent son comportement sont beaucoup moins bien compris. Et ce manque peut parfois se retrouver au niveau mme de la comprhension du systme collectif. Par exemple, on sait trs bien modliser le systme du trafic routier laide de modles statistiques ( laide des variations du trafic sur les dix dernires annes) ; en revanche, les modles de chaos dterministe (le dsordre auto-ordonn vu au paragraphe prcdent) ne mnent rien car il manque un paramtre essentiel : le comportement humain. Or, cest bien linteraction entre le conducteur, sa voiture et lenvironnement qui permet dexpliquer les phnomnes dembouteillage.

15

C. Lalanne & P. Oliviro

IUT (Universit Paris 5), Dpt Informatique

Bibliographie
Alliot, J.-M., Schiex, T., Brisset, P. & Garcia, F. (2002). Intelligence Artificielle & Informatique Thorique. France, Cpadus ditions. Andler, D. (2002). Introduction aux Sciences Cognitives. Paris, Folio. Collectif (2002). Ordre & dsordre. La Recherche Hors-Srie Delahaye, J.-P. (2002). Lintelligence et le calcul. De Gdel aux ordinateurs quantiques. Belin, Pour la Science. Feigenbaum, E. & McCorduck (1984). La cinquime gnration. Paris, InterEditions. Georges, C. (1997). Polymorphisme du Raisonnement Humain. Paris, Presses Universitaires de France. Gould, S.J. (1983). La malmesure de lhomme. Paris, Livre de Poche. Neisser, U. (1968). Cognitive Psychology. New York : Appleton-Century-Croft Pellisier, A. & Tte, A. (1995). Sciences Cognitives. Textes fondateurs. Paris, Odile Jacob. Searle, J.R. (1985). Du cerveau au savoir. Paris, Hermann. Simon, H.A. (1996). The Sciences of the Artificial. Cambridge, MA, The MIT Press. Tricot, A. (1998). Problmes et actualit du concept dintelligence. http://www.bretagne.iufm.fr/ress-peda/ssh/concept_intell/pr.htm Wiener, N. (1948). Cybernetics: or Control and Communication in the Animal and the Machine. Cambridge, MA, The MIT Press.

16