Base théorique et méthodes du raisonnement automatique statistique

Ce livre est une synthèse issue de quarante ans d'expérience de l'auteur dans le domaine du raisonnement automatique, des méthodes statistiques, des apprentissages symboliques et neuronaux et de leurs applications. De nombreuses tâches sont aujourd'hui automatisables : diagnostic médical, diagnostic financier, expertise juridique, programmation, conduite automobile. Ce sont des tâches intellectuelles hier dédiées à l'humain. L'automatisation y est construite principalement sur la perception et l'association à des comportements adaptés. On présentera les principales méthodes permettant d'apprendre à partir des données : des arbres de décisions à l'apprentissage neuronal profond (deep learning) et sa création ChatGPT. Le risque majeur de l'IA, au delà de la pertinence, est la qualité et la fiabilité de l'information produite. C'est à ce point essentiel qu'est consacrée une grande partie de ce livre. Plus loin, l'IA d'aujourd'hui n'a pas conscience de ce qu'elle manipule, donc elle ne réfléchit pas. Le raisonnement automatique est un pas crucial à franchir pour accéder à l'IA pensante, dite IA générale. La construction du raisonnement logique et déductif est un savoir-faire fondamental. Ce deuxième point occupe également une grande partie de ce livre. L'exposé revient aux axiomes et à la théorie de base concernant la construction des décisionnelles et la propagation des incertitudes. Ces techniques sont utilisées , entre autres, pour les applications de reconnaissance et pistage d'objets et pour le raisonnement automatique dont l'IA. Toute personne impliquée dans la conception en IA ou simplement passionnée par ce sujet devrait connaître les théories et méthodes présentées dans ce livre.