Dans ce module, nous allons nous préparer à certaines considérations clés que nous ferons lors de la conception de nos propres systèmes IA et de la manière dont ils devraient se comporter. Doivent-ils agir comme les humains, penser comme les humains, ou agir et penser rationnellement ? Nous définirons ce que sont les agents rationnels et explorerons les environnements de tâches avant de terminer notre examen de Python. À la fin du module, vous travaillerez sur votre premier des trois devoirs de programmation.

En Intelligence artificielle (IA), un nombre surprenant de tâches que nous voulons résoudre peuvent être considérées comme des problèmes de recherche. Dans ce module, nous présenterons la définition formelle des problèmes de recherche et nous examinerons quelques algorithmes classiques de résolution de problèmes de recherche appelés algorithmes du plus court chemin. Ces algorithmes sont parfois appelés algorithmes de recherche "non informés" ou algorithmes de recherche "aveugles", parce qu'ils sont exécutés sans aucune connaissance supplémentaire de l'endroit où se trouve notre objectif. Nous examinerons également certaines variantes de ces algorithmes qui présentent des garanties de complexité de calcul.

Nous pouvons souvent trouver une solution à un problème de recherche plus rapidement si nous savons à quel point nous sommes proches d'un objectif. Dans ce module, nous étudierons le processus d'incorporation de ces connaissances dans les algorithmes de recherche qui, lorsqu'ils sont utilisés de manière optimale, peuvent nous aider à concentrer nos efforts de recherche afin d'éviter d'explorer des actions qui nous éloignent de l'objectif. Nous examinerons l'algorithme de recherche informée le plus célèbre, la recherche A*, qui garantit de trouver une solution optimale en premier.