La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Système à base de connaissance. Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Définition IA LIA est une discipline.

Présentations similaires


Présentation au sujet: "Système à base de connaissance. Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Définition IA LIA est une discipline."— Transcription de la présentation:

1 Système à base de connaissance

2 Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Définition IA LIA est une discipline de linformatique dont le but est que les ordinateurs puissent raisonner comme les humains. Elle sadresse à une classe de problèmes exponentiels. Intelligence. "Faculté de connaître, de comprendre et de s'adapter [...]". Jean-Pol Tassin (Pour la Science, Décembre 1998). Produire une IA consisterait donc à utiliser une technique (informatique) pour concevoir un système capable de raisonnement (résoudre un problème, s'adapter à des situations nouvelles,...). Artificiel. désigne ce qui n'est pas un produit de la nature.

3 Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Exemple du jeu déchec La programmation classique utilise l'algorithmique pour calculer et analyser tous les coups possibles à chaque étape du jeu. La programmation classique utilise l'algorithmique pour calculer et analyser tous les coups possibles à chaque étape du jeu. LIA, quant à elle, introduit une nouvelle vision du jeu : LIA, quant à elle, introduit une nouvelle vision du jeu : –chaque coup joué fait maintenant partie d'une tactique qui consiste à réaliser un objectif : la victoire. –L'IA a donc une vision globale du jeu, élabore des stratégies, s'adapte aux coups joués par l'adversaire, etc. –LIA L'IA est une conception différente de la résolution de problèmes. L'IA est une conception différente de la résolution de problèmes. D'après JL. Laurière, "Tout problème pour lequel aucune solution algorithmique n'est connue relève a priori de l'IA". D'après JL. Laurière, "Tout problème pour lequel aucune solution algorithmique n'est connue relève a priori de l'IA".

4 Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Reprenons la phrase de Marvin Minsky, figure célèbre de l'IA des années 50 : "[...] the science of making machines do things that would require intelligence if done by humans". "[...] the science of making machines do things that would require intelligence if done by humans". L'IA est la branche de l'informatique qui consiste à concevoir des systèmes intelligents, c'est-à- dire qui soient capables de produire un raisonnement proche de celui de l'être humain. L'IA est la branche de l'informatique qui consiste à concevoir des systèmes intelligents, c'est-à- dire qui soient capables de produire un raisonnement proche de celui de l'être humain.

5 Système à base de connaissance Débuts de lIA Débuts de lIA –1950 : le mathématicien britannique Alan Turing publie, dans le journal philosophique Mind, un article intitulé Computing Machinery and Intelligence. Dans cet article, il décrit le test de Turing. – : Allen Newell, John Shaw, et Herbert Simon créent le "Logic Theorist", considéré comme le premier programme d'IA. –1956 : John McCarthy, considéré comme le père de l'IA, organise "The Dartmouth summer research project on Artificial Intelligence". –1959 : élaboration du GPR (General Problem Resolver), qui consiste à définir un état initial, un ou plusieurs états finaux, et des opérateurs de transition entre les états.

6 Système à base de connaissance Débuts de lIA Débuts de lIA –1967 : Echec et abandon du GPR –1972 : Hubert Dreyfus, un des détracteurs de lIA, écrit "What Computers Can't Do" dénonçant les sommes importantes dépensées par le gouvernement US pour le développement de l'IA. –Problèmes des premiers systèmes en IA : incapacité à imiter la capacité de l'homme à utiliser le contexte d'un problème pour déterminer le sens des mots et des phrases. incapacité à imiter la capacité de l'homme à utiliser le contexte d'un problème pour déterminer le sens des mots et des phrases.

7 Système à base de connaissance Débuts de lIA Débuts de lIA –Années 70 : de nombreuses nouvelles méthodes de développement de l'IA sont testées. En 1971, le langage PROLOG est créé par Colmerauer. –1974 : verra larriver des premiers systèmes experts. dont le plus célèbre MYCIN (Edward H. Shortliffe), conçu pour l'aide au diagnostic et au traitement de maladies bactériennes du sang. En 1979, Mycin sera considéré par le "Journal of American Medical Assoc" comme aussi bon que les experts médicaux. dont le plus célèbre MYCIN (Edward H. Shortliffe), conçu pour l'aide au diagnostic et au traitement de maladies bactériennes du sang. En 1979, Mycin sera considéré par le "Journal of American Medical Assoc" comme aussi bon que les experts médicaux. La même année, le premier robot piloté par ordinateur est conçu. La même année, le premier robot piloté par ordinateur est conçu. On notera également dans les années 70, l'abandon des subventions versées par les gouvernements (US pour la plupart) pour quelques programmes de recherche en IA. On notera également dans les années 70, l'abandon des subventions versées par les gouvernements (US pour la plupart) pour quelques programmes de recherche en IA.

8 Système à base de connaissance Débuts de lIA Débuts de lIA – : Accélération du mouvement. Avec l'efficacité prouvée des systèmes experts, les ventes de matériels IA (hardware ou logiciel) grimpent en flèche. Avec l'efficacité prouvée des systèmes experts, les ventes de matériels IA (hardware ou logiciel) grimpent en flèche. L'IA commence à intéresser les grandes firmes (Boeing, General Motors, etc). L'IA commence à intéresser les grandes firmes (Boeing, General Motors, etc). Face aux détracteurs, les "pro-IA" se défendent : en 1982, Minsky écrit "Why People Think Computers Can't", en réponse notamment aux critiques de Dreyfus. Face aux détracteurs, les "pro-IA" se défendent : en 1982, Minsky écrit "Why People Think Computers Can't", en réponse notamment aux critiques de Dreyfus.

9 Système à base de connaissance Les systèmes experts

10 Système à base de connaissance Les systèmes experts Les systèmes experts –Un système expert est un outil capable de reproduire les mécanismes cognitifs d'un expert, dans un domaine particulier. –Plus précisément, un système expert est un logiciel capable de répondre à des questions, en effectuant un raisonnement à partir de faits et de règles connus. Il peut servir notamment comme outil daide à la décision. Il peut servir notamment comme outil daide à la décision.

11 Système à base de connaissance Les systèmes experts Les systèmes experts –Un système expert se compose de 3 parties : –Un système expert se compose de 3 parties : une base de faits ; une base de faits ; une base de règles ; une base de règles ; Un moteur dinférence : Un moteur dinférence : –Le moteur d'inférence est capable d'utiliser faits et règles pour produire de nouveaux faits, jusqu'à parvenir à la réponse à la question experte posée.

12 Système à base de connaissance Les systèmes experts Les systèmes experts

13 Système à base de connaissance Mécanismes de raisonnement Mécanismes de raisonnement –La plupart des systèmes experts existants reposent sur des mécanismes de logique formelle (logique aristotélicienne) et utilisent le raisonnement déductif. –Pour l'essentiel, ils utilisent le syllogisme : si P est vrai (fait ou prémisse) et si on sait que P Q (règle) alors, Q est vrai (nouveau fait ou conclusion). –Les plus simples des systèmes experts s'appuient sur la logique des proposition (dite aussi « logique d'ordre 0 »). Dans cette logique, on n'utilise que des propositions, qui sont vraies, ou fausses. Dans cette logique, on n'utilise que des propositions, qui sont vraies, ou fausses. –D'autres systèmes s'appuient sur la logique des prédicats du premier ordre (dite aussi « logique d'ordre 1 »), que des algorithmes permettent de manipuler aisément.

14 Système à base de connaissance Historique Historique –Les premiers systèmes experts voient le jour aux USA dans les années –MYCIN, qui manipulait de l'expertise dans le domaine médical, est l'un des plus connus. Dans les années 1970, une équipe de Stanford University, sous la direction d'Ed Feigenbaum, a fait lhypothèse que lintelligence repose sur le stockage des grandes quantités de connaissance. Dans les années 1970, une équipe de Stanford University, sous la direction d'Ed Feigenbaum, a fait lhypothèse que lintelligence repose sur le stockage des grandes quantités de connaissance. Connaissances représentées sous forme de règles. Connaissances représentées sous forme de règles. En 1973, ils ont cherché un nouveau domaine pour refaire une étude. Ils ont retenu le domaine de Thérapie Anti-Biotique. En 1973, ils ont cherché un nouveau domaine pour refaire une étude. Ils ont retenu le domaine de Thérapie Anti-Biotique. Résultat = MYCIN (500 règles avec des faits fortement typés). Résultat = MYCIN (500 règles avec des faits fortement typés).

15 Système à base de connaissance MYCIN MYCIN –Quest-ce que cest? Cest un "programme de consultation" qui donne des avis aux médecins concernant les thérapies anti-microbiennes. Cest un "programme de consultation" qui donne des avis aux médecins concernant les thérapies anti-microbiennes. –Domaine anti-microbien ou antibiotique anti-microbien ou antibiotique –Principe Il existe un grand choix de médicaments anti-microbiens ainsi qu'un grand nombre de microbes. Il existe un grand choix de médicaments anti-microbiens ainsi qu'un grand nombre de microbes. Chaque antibiotique agit différemment avec chaque microbe. Chaque antibiotique agit différemment avec chaque microbe. À cause de cette grande variété, seuls certains médecins spécialisés connaissent bien ce domaine. À cause de cette grande variété, seuls certains médecins spécialisés connaissent bien ce domaine.

16 Système à base de connaissance MYCIN MYCIN –La séquence de tâches 1) Demande des informations sur le cas. 2) Applique ses connaissances. 3) Donne son jugement et conseille. 4) Répond aux questions sur son raisonnement. –Buts à atteindre Facile à utiliser Facile à utiliser Fiable Fiable Manipule un grand nombre de connaissances Manipule un grand nombre de connaissances Utilise des renseignements inexacts ou incomplets Utilise des renseignements inexacts ou incomplets Explique et justifie ses conseils Explique et justifie ses conseils

17 Système à base de connaissance MYCIN MYCIN –Répond à 4 questions 1) Quelles infections importantes existent ? 2) Quel microbe est la cause de chaque infection ? 3) Quels médicaments sont efficaces ? 4) Quel est le meilleur traitement ? –A tout instant, l'utilisateur peut demander : Pourquoi ? Pourquoi ? –Trace de la chaîne de raisonnement en cours. Comment ? Comment ? –Trace la source d'un fait.

18 Système à base de connaissance Raisonnement dans MYCIN Raisonnement dans MYCIN –Chaînage arrière, dirigé par un but –Règles sous forme dabduction A B C A B C Pour prouver C, il faut prouver A et B. Pour prouver C, il faut prouver A et B Infection streptocoque de la gorge ? Signes dinfection de la gorge Organisme = streptocoque Gorge rouge Tâche en Grampos Morphologie coccidie Croissance en chaîne

19 Système à base de connaissance Raisonnement dans MYCIN Raisonnement dans MYCIN –La base de connaissance statique comporte des règles : –On dispose donc dun ensemble de règles (ici, déduction), approximatives.

20 Système à base de connaissance Les inférences Les inférences –Moteur d'inférence : déduit des faits à partir de faits initiaux et des règles. –Deux approches de base : A partir de ce qu'on veut trouver et remonter vers les faits (chaînage arrière) ; A partir de ce qu'on veut trouver et remonter vers les faits (chaînage arrière) ; A partir des faits et aller vers ce qu'on veut trouver (chaînage avant). A partir des faits et aller vers ce qu'on veut trouver (chaînage avant). –La structure classique des systèmes experts utilisaient toujours un ensemble de règles de production.

21 Système à base de connaissance Evaluation de MYCIN Evaluation de MYCIN –En 1979 : MYCIN en compétition face à 8 médecins sur 10 cas réel, MYCIN arrive premier. –Limites de MYCIN Peu de flexibilité (adapté à un problème précis) ; Peu de flexibilité (adapté à un problème précis) ; Connaissances difficiles à entrer : Connaissances difficiles à entrer : –beaucoup de règles ; –dépendantes du système d'inférence. Manque d'explications sur le résultat. Manque d'explications sur le résultat. –MYCIN était un programme de recherche et n'a jamais été réellement utilisé à l'hôpital, car : incomplet, difficile à évaluer, mauvaise interface... incomplet, difficile à évaluer, mauvaise interface... Mais il a montré qu'on peut approcher un domaine d'expertise. Mais il a montré qu'on peut approcher un domaine d'expertise.

22 Système à base de connaissance Systèmes à base de connaissance

23 Système à base de connaissance Quest-ce quun SBC ? Quest-ce quun SBC ? –Un programme construit pour : modéliser les compétences de résolution de problèmes des humains. modéliser les compétences de résolution de problèmes des humains. avoir la même performance que les humains (Test de Turing). avoir la même performance que les humains (Test de Turing). Human interrogator Human

24 Système à base de connaissance SE vs. SBC SE vs. SBC –Système expert (SE) : Système informatique permettant de résoudre les problèmes dans un domaine d'application déterminé à l'aide d'une base de connaissances établie à partir de l'expertise humaine. –Système à base de connaissances (SBC) : Système informatique fonctionnant avec une base de connaissances sur un sujet donné.

25 Système à base de connaissance SE vs. SBC SE vs. SBC –Les systèmes experts classiques seraient un cas particuliers des systèmes à base de connaissances. –Tout système informatique utilise de la connaissance, mais dans un système à base de connaissances, celle-ci est représentée de façon explicite.

26 Système à base de connaissance Connaissance Connaissance –Différence entre donnée, information, connaissance : Une donnée transporte l'information. Ce sont des signaux non interprétés. Exemple. ! C Linformation est une interprétation de la donnée. Exemple. (!, point dexclamation), ( , SOS), (C, lettre) ou (C, note) La connaissance utilise l'information dans le cadre d'actions, dans un but précis. Les actions peuvent être la prise de décisions, la création de nouvelles informations, etc. Exemple. écrire un ! pour marquer une exclamation en fin de phrase si le signal reçu alors déclencher lalerte et envoyer des secours si C apparaît sur une partition alors la référence est la gamme de Do, jouer dans la gamme associée.

27 Système à base de connaissance Tâches utilisant des connaissances Tâches utilisant des connaissances –Classement issu de la méthodologie CommonKADS : Tâches d'analyse Tâches d'analyse –classification, diagnostique, évaluation, supervision, prédiction. Tâches de synthèse Tâches de synthèse –conception/configuration, modélisation, planification, ordonnancement, répartition. –Ce classement se veut relativement exhaustif des différentes tâches demandant de la connaissance.

28 Système à base de connaissance Types de problèmes résolus par les SBC Types de problèmes résolus par les SBC –Contrôle –Conception –Diagnostic –Instruction –Interprétation –Monitoring –Planification –Prédiction –Prescription –Sélection –Simulation

29 Système à base de connaissance Pourquoi utiliser un SBC ? Pourquoi utiliser un SBC ? –Remplacer un expert Automatiser une tâche routinière nécessitant un expert ; Automatiser une tâche routinière nécessitant un expert ; Un expert quitte la compagnie ; Un expert quitte la compagnie ; Besoin dune expertise dans un environnement hostile Besoin dune expertise dans un environnement hostile –Assister un expert Améliorer la productivité ; Améliorer la productivité ; Gérer la complexité Gérer la complexité

30 Système à base de connaissance Utilisation des SBC Utilisation des SBC –Agriculture –Affaires –Chimie –Communications –Informatique –Éducation –Électronique –Ingénierie –Géologie –Domaine juridique Manufacture Mathématiques Médecine Météorologie Militaire Prospection et exploitation minière Production dénergie Hydrologie / hydroélectricité Espace

31 Système à base de connaissance Exemple de problèmes Exemple de problèmes Le problème des seaux à remplir –On dispose de deux seaux, lun de trois litres et lautre de 4 litres. –Comment mesurer 2 litres dans le seau de 4 litres ? –Variante : Une personne a une bonbonne de douze litres de vin ; elle veut en donner 6 litres à un ami. Pour les mesurer, elle na que deux autres bouteilles, lune contenant 7 litres et lautre contenant 5 litres. Comment doit-elle opérer pour avoir les 6 litres dans la bonbonne de 7 litres ? Une personne a une bonbonne de douze litres de vin ; elle veut en donner 6 litres à un ami. Pour les mesurer, elle na que deux autres bouteilles, lune contenant 7 litres et lautre contenant 5 litres. Comment doit-elle opérer pour avoir les 6 litres dans la bonbonne de 7 litres ? 3 litres 4 litres 2 litres

32 Système à base de connaissance Exemple de problèmes Exemple de problèmes Le problème du taquin –Trouver la séquence de déplacements la plus courte qui permet de passer de létat initial à létat final * *5

33 Système à base de connaissance Exemple de problèmes Exemple de problèmes Un problème de crypto-arithmétique –Une lettre correspond à un nombre (entre 0 et 9) et un seul, décrypter laddition. SENDMOREMONEY SENDMOREMONEY

34 Système à base de connaissance Exemple de problèmes Exemple de problèmes Un problème logique –Bernard, Jacques et Sylvain sont prévenus de fraude fiscale et déclarent : Bernard : « Jacques est coupable et Sylvain est innocent ». Bernard : « Jacques est coupable et Sylvain est innocent ». Jacques : « Si Bernard est coupable alors Sylvain est coupable ». Jacques : « Si Bernard est coupable alors Sylvain est coupable ». Sylvain : « Je suis innocent mais au moins un des deux autres est coupable ». Sylvain : « Je suis innocent mais au moins un des deux autres est coupable ». –Qui est coupable ?

35 Système à base de connaissance Exemple de problèmes Exemple de problèmes Un problème de contrainte –Patrick, Antoine et Émilie sont musiciens ; il y a un saxophoniste, un guitariste, et un violoniste : Une personne a peur du chiffre 13, une autre des chats, et une autre a le vertige. Une personne a peur du chiffre 13, une autre des chats, et une autre a le vertige. Patrick et le guitariste font de la montagne ; Patrick et le guitariste font de la montagne ; Antoine et le saxophoniste aiment les chats ; Antoine et le saxophoniste aiment les chats ; Le violoniste habite lappartement 13 au 13ième étage. Le violoniste habite lappartement 13 au 13ième étage. –Qui est qui ?

36 Système à base de connaissance Exemple de problèmes Exemple de problèmes Les tours de Hanoi –Lunivers du problème consiste en un ensemble de trois piliers notés de la gauche vers la droite, p1, p2 et p3, et de deux disques, notés d1 et d2, où le premier est plus petit et posé sur le second. Le problème consiste à faire passer les deux disques, d1 et d2, du pilier p1 au pilier p3 en se servant du pilier intermédiaire p2 en respectant la règle ci-dessous : Le petit disque d1 ne peut jamais être sous la grand disque d2. Le problème se généralise à un nombre quelconque de disques.

37 Système à base de connaissance Architecture dun SBC Architecture dun SBC Moteur dinférence Base de connaissances Base de faits Utilisateur Interface

38 Architecture dun SBC

39 Système à base de connaissance Caractéristiques majeures Séparation de la connaissance et du raisonnement Séparation de la connaissance et du raisonnement Contient de la connaissance experte Contient de la connaissance experte Se focalise sur une expertise donnée Se focalise sur une expertise donnée Raisonne avec des symboles Raisonne avec des symboles Raisonne avec des heuristiques Raisonne avec des heuristiques Permet le raisonnement « incertain » Permet le raisonnement « incertain » Résout des problèmes pour lesquels il existe des experts Résout des problèmes pour lesquels il existe des experts

40 Système à base de connaissance Représentation des connaissances

41 Système à base de connaissance Connaissance Connaissance –Donnée information connaissance –La représentation des connaissances est le problème clé en IA. –Les objets, actions, concepts, situations, relations, etc. sont représentés selon certains formalismes (cerveau vs. mémoire de lordinateur).

42 Système à base de connaissance Représentation des connaissances Représentation des connaissances –Cest le transfert des connaissances dun expert vers une machine Psychologie cognitive Changement de media Changement de media Changement de forme de représentation Changement de forme de représentation –Cest une tâche de modélisation linguistique : puissance expressive puissance expressive applicable pour le raisonnement applicable pour le raisonnement efficace efficace

43 Système à base de connaissance Types de connaissance Types de connaissance

44 Système à base de connaissance Représentation des connaissances Représentation des connaissances –Triplets –Triplets –Réseaux sémantiques –Frames –Logique –Règles

45 Système à base de connaissance Triplets Triplets –Syntaxe Objet (sujet) = la ressource (URL ou nœud local) Objet (sujet) = la ressource (URL ou nœud local) Attribut (prédicat) = la propriété Attribut (prédicat) = la propriété Valeur (objet) Valeur (objet) –Exemple. la ressource a un propriété titre dont la valeur est World Wide Web consortium. la ressource a un propriété titre dont la valeur est World Wide Web consortium.http://www.w3c.org/ World Wide Web Consortium titre

46 Système à base de connaissance Réseaux sémantiques Réseaux sémantiques –Il s'agit de réseaux dont les nœuds représentent les concepts et les arcs représentent les relations. –Le but des réseaux sémantiques est de fournir une représentation souple des connaissances. Moyen de transport Avion Voiture Avion de chasse Aile Airbus A380 Citroën C4 est-un sorte-de est-un possède sorte-de

47 Système à base de connaissance Frames Frames Lorigine des langages de frames peut être trouvée dans les RS. En fixant une relation hiérarchique de base (est-un) et une relation d'appartenance (appartient-à), on a la structure d'un langage de frames. Les autres relations se cachent dans les attributs des entités. Les entités hiérarchisées sont les classes (avec au sommet une classe racine souvent appelée OBJET). Les autres entités, les objets proprement dits, appartiennent aux différentes classes.

48 Système à base de connaissance Logique (Calcul des propositions et prédicats) Logique (Calcul des propositions et prédicats) –On peut représenter la situation de la figure de la manière suivante en utilisant les prédicats 'sur', 'surtable', 'libre : sur(C,A) sur(C,A) surtable(A) surtable(A) surtable(B) surtable(B) libre(C) libre(C) libre(B) libre(B) –Par ailleurs, à l'aide d'opérateurs de la logique du premier ordre, il est possible de définir de nouveaux prédicats: ôter', 'empiler' et de donner des équivalences : 1) libre(x) ¬ (y sur(y,x)) (il n'existe pas de y sur x) 2) sur(y,x) oter(y,x) libre(x) ¬ sur(y,x) 3) libre(x) libre(y) empiler(x,y) sur(x,y) –Il est possible de donner un but à atteindre (par un robot) de la même façon.

49 Système à base de connaissance Règles Règles –Connaissance servant à faire le lien entre des informations connues et dautres informations que lon peut déduire ou inférer. Exemple. Exemple. –Si alors jaime la balle –Si jaime la balle alors jachète la balle –Peut exécuter des procédures. Si délai<30 et âge_étudiant<28 ="oui" et présent_communication = "oui" alors réduction_congrés = 50% Si délai<30 et âge_étudiant<28 ="oui" et présent_communication = "oui" alors réduction_congrés = 50%

50 Système à base de connaissance Règles Règles –Représentent des formes de connaissances variées : Relation Relation Recommandation Recommandation Directive Directive Stratégie Stratégie Heuristique Heuristique Si batterie morte alors lauto ne démarrera pas Si lauto ne démarre pas alors prendre un taxi Si lauto ne démarre pas & le système dalimentation en essence est ok alors vérifier le système électrique Si lauto ne démarre pas alors vérifier le système dalim. en essence puis le système électrique Si lauto ne démarre pas & lauto est une Ford de 1962 alors vérifier le radiateur

51 Système à base de connaissance Règles avec variables Règles avec variables –Réaliser la même opération sur un ensemble dobjets. –Exemple. Si Toto est employé & Toto âge > 65 alors Toto peut prendre sa retraite

52 Système à base de connaissance Règles incertaines Règles incertaines –Traduisent des associations incertaines entre prémisses et conclusions. –Exemple. Si inflation élevée alors taux dintérêt élevé

53 Système à base de connaissance Méta-règles Méta-règles –Traduisent une connaissance sur lutilisation et le contrôle de la connaissance du domaine. –Disent comment utiliser les autres règles. –Exemple. Si auto ne démarre pas & système électrique normal alors exploiter les règles concernant le système d alim. en ess.

54 Système à base de connaissance Ensemble de règles Ensemble de règles –Les règles sont divisées en ensembles. –Chaque ensemble est applicable à un problème donné. Panne auto Système électrique Système alim. en essence

55 Système à base de connaissance Raisonnement dans les SBCs

56

57 Architecture dun SBC

58 Système à base de connaissance Raisonnement = processus de Raisonnement = processus de –Faire coopérer connaissances, faits, et stratégies de résolution de problèmes, dans le but datteindre des conclusions. –Comprendre comment un expert humain raisonne lors de la résolution dun problème.

59 Système à base de connaissance Types de raisonnements Types de raisonnements Raisonnement Déductif Inductif Abductif Analogique Du sens commun

60 Système à base de connaissance Types de raisonnements Types de raisonnements –Raisonnement A est vrai A est vrai A B est vrai A B est vrai On en déduit que : B est vrai On en déduit que : B est vrai –Raisonnement Un ensemble dobjets {a, b, c, d, …} Un ensemble dobjets {a, b, c, d, …} Une propriété P vraie pour les objets a, b, c, … de lensemble Une propriété P vraie pour les objets a, b, c, … de lensemble On induit que P est vraie pour tout x de lensemble On induit que P est vraie pour tout x de lensemble –Raisonnement Cest une inférence plausible. Cest une inférence plausible. B est vrai B est vrai A B est vrai A B est vrai on abduit que A est vrai on abduit que A est vrai Déductif Inductif Abductif

61 Système à base de connaissance Types de raisonnements Types de raisonnements –Raisonnement Faire une analogie entre 2 situations, rechercher les similarités et différences, etc. Faire une analogie entre 2 situations, rechercher les similarités et différences, etc. Exploite par exemple la notion de frame pour raisonner. Exploite par exemple la notion de frame pour raisonner. –Raisonnement Sappuie sur lexpérience de lexpert, sur la notion de « bon » jugement, plus que sur la logique. Notion dheuristique. Sappuie sur lexpérience de lexpert, sur la notion de « bon » jugement, plus que sur la logique. Notion dheuristique. -Heuristique : Technique consistant à apprendre petit à petit, en tenant compte de ce que l'on a fait précédemment pour tendre vers la solution d'un problème. Analogique Du sens commun

62 Système à base de connaissance Raisonnement à base de règle Raisonnement à base de règle –3 composants essentiels : un ensemble de règles ; un ensemble de règles ; un ensemble de faits ; un ensemble de faits ; un moteur dinférence ; un moteur dinférence ; –Avantages : Facile à comprendre, naturel, modulaire. Facile à comprendre, naturel, modulaire. Base de faits initiale Base de connaissance Base de faits enrichie Moteur dinférence

63 Système à base de connaissance Raisonnement à base de règle Raisonnement à base de règle –Principe de fonctionnement : Trouver parmi les règles celles candidates Trouver parmi les règles celles candidates Choisir une de ces règles Choisir une de ces règles Exécuter la règle Exécuter la règle –Résolution de conflits Si plusieurs règles satisfaites, choisir laquelle déclenchée Si plusieurs règles satisfaites, choisir laquelle déclenchée –Critère darrêt Pour déterminer la fin du processus dinférence (plus aucune règle nest déclenchée, une solution acceptable a été trouvée, impossibilité de trouver une solution, etc.) Pour déterminer la fin du processus dinférence (plus aucune règle nest déclenchée, une solution acceptable a été trouvée, impossibilité de trouver une solution, etc.)

64 Système à base de connaissance Base de règles Base de règles –La base de règles rassemble la connaissance et le savoir-faire de lexpert. –Elle névolue donc pas au cours dune session de travail. –Une règle se présente sous la forme : si X alors Y X est la prémisse X est la prémisse –Cest une conjonction de conditions, i.e. une suite de comparaison dattributs et de valeurs à laide dopérateurs. Y est la conclusion Y est la conclusion –La conclusion est une affectation. –Exemple base de règles si lâge du patient < 18et si lâge du patient < 18et si il a de la fièvre > 39°et si il a de la fièvre > 39°et si présence dun germe X si présence dun germe X alorsle patient a peut-être une méningite alorsle patient a peut-être une méningite

65 Système à base de connaissance Base de faits Base de faits –La base de faits constitue la mémoire de travail du SBC. –Elle est variable au cours de lexécution et vidée lorsque lexécution se termine. –Au début de la session, elle contient tout ce quon sait à propos du cas examiné avant toute intervention du moteur dinférence. –A la fin, elle est complétée par les faits déduits par le moteur ou demandés à lutilisateur. –Exemple base de faits Âge est 6 Âge est 6 Fièvre est 40° Fièvre est 40° Germe X Germe X Sexe féminin Sexe féminin

66 Système à base de connaissance Moteurs dinférence Moteurs dinférence –Il existe de nombreux types de moteurs, capables de traiter différentes formes de règles logiques pour déduire de nouveaux faits à partir de la base de connaissance. –On distingue 3 catégories, basées sur la manière dont les problèmes sont résolus : les moteurs à « chaînage avant » les moteurs à « chaînage avant » les moteurs à « chaînage arrière » les moteurs à « chaînage arrière » les moteurs à « chaînage mixte » les moteurs à « chaînage mixte » –Certains moteurs dinférence peuvent être partiellement pilotés ou contrôlés par des méta-règles qui modifient leur fonctionnement et leurs modalités de raisonnement.

67 Système à base de connaissance Chaînage avant Chaînage avant Mécanisme simple : pour déduire un fait particulier, on déclenche les règles dont les prémisses sont connues jusquà ce que le fait à déduire soit également connu ou quaucune règle ne puisse être déclenchée. Base de faits initiale Considérer la première règle Appariement base de faits – prémisses ? Ajouter la conclusion à la base de faits Il reste des règles ? STOP Considérer la règle suivante T F T F

68 Système à base de connaissance Chaînage avant Chaînage avant On va analyser chaque fait, et on va examiner toutes les règles où ce fait apparaît en prémisse. Pour les règles déclenchées, on va affecter les attributs en conclusion des valeurs qui leur correspondent. Ces attributs affectés feront partie du résultat final de lexpertise, et en même temps, ils seront eux-mêmes propagés. On fait cela jusquà lépuisement des faits, et on communique le résultat à lutilisateur. Base de faits initiale Considérer la première règle Appariement base de faits – prémisses ? Ajouter la conclusion à la base de faits Il reste des règles ? STOP Considérer la règle suivante T F T F PRECISION

69 Système à base de connaissance Chaînage arrière Chaînage arrière Mécanisme consistant à partir du fait que lon souhaite établir, à rechercher toutes les règles qui concluent sur ce fait, à établir la liste des faits quil suffit de prouver pour quelles puissent se déclencher, puis à appliquer récursivement le même mécanisme aux faits contenus dans ces listes. Le chaînage arrière est clairement un mécanisme dinduction : on vérifie les hypothèses en remontant depuis lobjectif. On cherche ainsi à vérifier si un fait est possible Infection streptocoque de la gorge ? Signes dinfection de la gorge Organisme = streptocoque Gorge rouge Tâche en Grampos Morphologie coccidie Croissance en chaîne Exemple. MYCIN

70 Système à base de connaissance Chaînage arrière Chaînage arrière Pour prouver une hypothèse en recherchant les informations pouvant la supporter. On sélectionne alors les règles ayant ce but comme conclusion, et on vérifie si les prémisses de ces règles font partie de la base des faits. Les prémisses nappartenant pas à la base de faits deviennent à leur tour des buts à prouver de la même façon. Le raisonnement se fait des solutions vers les faits initiaux Infection streptocoque de la gorge ? Signes dinfection de la gorge Organisme = streptocoque Gorge rouge Tâche en Grampos Morphologie coccidie Croissance en chaîne Exemple. MYCIN

71 Système à base de connaissance Comparaison Comparaison

72 Système à base de connaissance Chaînage mixte Chaînage mixte –Les mêmes règles sont utilisées an chaînage avant et arrière, selon que des faits nouveaux arrivent ou que lon ait des faits à établir. –On peut alors aussi bien raisonner à partir des faits que lon connaît comme prédicats ou comme objectifs. Faits initiaux Solutions possibles

73 Système à base de connaissance Quel chaînage utiliser ? Quel chaînage utiliser ? –Ce sont les caractéristiques du problème qui vont conditionner le chaînage quil est judicieux dutiliser. –Ainsi, lorsque les faits sont peu nombreux ou que le but est inconnu chaînage avant. –Par contre, dans les cas où les buts sont peu nombreux ou précis chaînage arrière.

74 Système à base de connaissance Raisonnement monotone vs. non monotone Raisonnement monotone vs. non monotone Non monotone Monotone information dynamique ; létat de véracité de linformation change. Sauvegarder les dépendances logiques entre faits. Si on retire un fait A dont dépend un autre fait B, on doit retirer aussi le fait B. information statique ; létat de véracité de linformation ne change pas. Exemple. Si Il pleut alors jouvre mon parapluie

75 Système à base de connaissance Stratégies de parcours darbre Stratégies de parcours darbre Notion de réseau dinférences et de parcours dans le réseau. Exemple. Si P1 alors C1 ; Si P2 alors C2 ; Si P3 & P4 alors P2 ; Si P5 & P6 alors P1 ; Si P7 alors P6 ; Si P8 alors P4 ; Si P9 alors C2 ; Problème C1C2 P1 P5P6 P7 P9 P2 P3 P4 P8 Différentes stratégies de parcours de lespace !

76 Système à base de connaissance Stratégies de parcours darbre Stratégies de parcours darbre Problème C1C2 P1 P5P6 P7 P9 P2 P3 P4 P8 Parcours en profondeur d abord Parcourir le graphe verticalement dabord, pour ensuite explorer dautres nœuds (de gauche à droite). Lorsquil est connu que lespace de recherche est profond, la stratégie en profondeur dabord est un bon choix. De plus, cette stratégie se focalise sur une solution et est donc à même dêtre comprise par un utilisateur qui interagit avec le système, car les questions sont relatives à un même chemin.

77 Système à base de connaissance Stratégies de parcours darbre Stratégies de parcours darbre Problème C1C2 P1 P5P6 P7 P9 P2 P3 P4 P8 Parcours en largeur dabord Parcourir dabord les nœuds dun même niveau, avant de considérer les nœuds du niveau inférieur. Si la solution se situe profondément dans lespace de recherche, cette stratégie nest pas payante. Les interactions avec un utilisateur sont difficiles en raison de lexploration de chemins nombreux (manque de focalisation).

78 Système à base de connaissance Stratégies de parcours darbre Stratégies de parcours darbre Parcours « meilleur » dabord Cest une solution non aveugle. Elle exploite des connaissances du problème pour guider la recherche. À chaque nœud, la technique juge du meilleur chemin à emprunter, suivant une heuristique donnée. Exemples d heuristiques Ordonner les buts Ordonner les prémisses Utiliser des méta-règles Attribuer des priorités aux règles Utiliser des facteurs de confiance etc.

79 Bibliographie LIA LIA –Arsac, Jacques : Les machines à penser, Le Seuil, Paris, –Crevier, Daniel : A la recherche de l'IA, Flammarion, collection «champs», Paris, Les SBC Les SBC –C. L. Paris. Systèmes Experts Explicatifs. In EXPL 92 pp –D. Kayser, La représentation des connaissances, Hermès –(Paris), –J.L. Laurière, Intelligence Artificielle (résolution de problèmes par lhomme et la machine), Eyrolles, Paris, –M. Stefik, Introduction to Knowledge Systems, Morgan Kaufmann Publishers, San Francisco (CA), –A. Thayse et al., Approche logique de lIntelligence Artificielle (5 tomes), Dunod Informatique (Paris), –P.H. Winston, Artificial Intelligence, Addison-Wesley, Reading (MA), –E. Rich, Artificial Intelligence, Mac Graw Hill (New York), –Systèmes Experts : Méthodes et outils", J.M. Chatain et A. Dussauchoy. Eyrolles 1987

80 EXEMPLE Soit la base de connaissances : Soit la base de connaissances : R1 : si B et D et E alors F R6 : si A et X alors H R1 : si B et D et E alors F R6 : si A et X alors H R2 : si D et G alors A R7 : si C alors D R2 : si D et G alors A R7 : si C alors D R3 : si C et F alors A R8 : si X et C alors A R3 : si C et F alors A R8 : si X et C alors A R4 : si B alors X R9 : si X et B alors D R4 : si B alors X R9 : si X et B alors D R5 : si D alors E R5 : si D alors E Base de faits : B, C Base de faits : B, C But : H But : H


Télécharger ppt "Système à base de connaissance. Système à base de connaissance Lintelligence artificielle Lintelligence artificielle –Définition IA LIA est une discipline."

Présentations similaires


Annonces Google