Chapitre 9 Systèmes experts

Sujet: Nos ordinateurs plus performants Georges se plaint ces jours-ci d'un mal a son coude. Il en parle a son meilleur copain: - " Aiee Aujourd'hui j'ai encore mal au coude. - Qu'est-ce que tu vas faire? - Je vais aller voir le medecin, je ne peux plus tenir. - T'es dingue! A l'aube du vingt et unieme siecle, aller chez le medecin n'est plus la solution la plus pratique et la plus efficace. Maintenant on dispose de supers ordinateurs qui savent diagnostiquer toutes les maladies efficacement et pour beaucoup moins cher que le medecin. - Ah bon? - Oui. Tu vas au supermarche du coin, il y en a un d'ordinateur, tu y vas avec un flacon d'urine, une piece de 1$ et le tour est joue. Rentrant chez lui, Georges repense a ce que lui a dit son copain. Apres tout, s'il veut tenter l’experience, il n'a que 1$ a perdre. Le lendemain, Georges se rend au super marche avec un flacon d'urine. Il trouve l'ordinateur en question, pose le flacon d'urine a l'endroit indique et met 1$ dans la fente. L'ordinateur commence a s'agiter, des lumieres multicolores se mettent a clignoter. Puis, finalement, une feuille de papier sort de la machine. Georges la lit: " PROBLEME : VOUS SOUFFREZ D'UNE TENDINITE AU COUDE. SOLUTION: TREMPEZ VOTRE COUDE TOUS LES SOIRS DANS DE L'EAU CHAUDE PENDANT DEUX SEMAINES - EVITER DE PORTER DES CHARGES LOURDES". Georges est effare! Rentrant chez lui il repense a l'experience qu'il vient de vivre et admet que la science progresse. Pourtant, comme tout etre humain, il doute. Il se dit que, quand meme, un ordinateur peut etre faillible, qu'il peut etre pris en defaut. L'experience se montrant amusante, il se decide de passer a l'acte des le lendemain... Le lendemain, il prend un flacon, et le remplit partiellement avec de l'eau du robinet. Il recueille un peu de la bave de son chien, y melange un peu d'urine de sa femme et de sa fille et pour couronner le tout, se tape une petite branlette par dessus le melange afin d'en assurer l'homogeneite.. . Georges se rend au super marche avec le flacon contenant la " mixture".. Dans l'ordinateur il pose le flacon d'urine a l'endroit indique et met 1$ dans la fente. L'ordinateur commence a s'agiter, des lumieres multicolores se mettent a clignoter. L'ordinateur s'agite des plus en plus, les lumieres clignotent de plus en plus. Georges se frotte les mains: la machine risque d'exploser. Puis, finalement, une feuille de papier sort de la machine. Georges la lit: " PROBLEME : VOTRE EAU EST CALCAIRE EST IMPURE SOLUTION : INSTALLER UN PURIFICATEUR D'EAU. PROBLEME : VOTRE CHIEN A DES VERS SOLUTION : METTEZ LE SOUS VERMIFUGE PENDANT UNE SEMAINE PROBLEME : VOTRE FILLE SE DROGUE A LA COCAINE SOLUTION : METTEZ LA EN CURE DE DESINTOXICATION PROBLEME : VOTRE FEMME EST ENCEINTE. CE SONT DEUX JUMELLES. ELLES NE SONT PAS DE VOUS. SOLUTION : CONTACTER DES MAINTENANT VOTRE AVOCAT. CONSEIL DU JOUR: ARRETER DE VOUS MASTURBER, CELA NE VA PAS ARRANGER VOTRE TENDINITE AU COUDE. .. " Courriel daté du vendredi 30 octobre 1998. Envoyé par Denis Poussart à l’Université Laval, aux membres du LVSN.

9- Systèmes experts Plan Vue d’ensemble Architecture Représentation des connaissances Moteur de déduction

Découverte Karkan & Tjoen, Systèmes experts: un nouvel outil pour l’aide à la décision, Masson, 1993. Acheté à Paris, avril 2003 Bonne vue d’ensemble Couvre la plupart des principaux thèmes, mais un peu superficiellement Giarratano & Riley, Expert Systems: Principles and Programming, 2nd Ed. PWS Publishing, 1994. Excellente référence dans le domaine Porte essentiellement sur les S.E. et les coquilles 2e partie: CLIPS, coquille de SE (issue de NASA) Rich & Knight, Artificial Intelligence, 2nd Ed., McGraw Hill, 1993. Couvre IA symbolique surtout Approche connexioniste - perceptron multi, Hopfield Couvre beaucoup + large que ref. ci-haut (Giarratano) Encyclopédique Livre de cours

9.1 Vue d’ensemble Un système expert est un logiciel qui tente de simuler le raisonnement humain tenu par un expert dans un domaine particulier. Les mécanismes utilisés sont généralement restreints en regard du potentiel qu’offre à cet égard notre cerveau. Karkan & Tjoen, p.10-11

Programmation de l’expertise : Insuffisamment structurée pour être transcrite sous forme d’algorithmes Sujette à de nombreuses révisions Incomplète parce qu’en continuelle évolution Sinon : Problème mieux résolu par algos classiques Problème hors de portée (expertise difficilement formalisable)

Domaines d’utilisation des SEs Configuration Diagnostic Enseignement Interprétation Surveillance Planification Prédiction Diagnostic médical Commande de processus Configuration Assembler les composantes d’un système dans le bon ordre Diagnostic Inférer les problèmes sous-jacents en se basant sur les évidences observées Enseignement Enseignement intelligent de sorte que l’étudiant peut poser des questions de type Pourquoi, Comment et Quoi tout comme si un professeur lui enseignait Interprétation Expliquer les données observées Surveillance Comparer les données observées à celles prévues pour évaluer les performances Planification Planifier des actions pour obtenir un résultat désiré Prédiction Prédire le résultat d’une situation donnée Diagnostic médical Prescrire un traitement pour un problème Commande Régulariser un processus. Peut requérir interprétation, diagnostic, surveillance, planification, prédiction et diagnostic médical

Quelques SEs célèbres DENDRAL (le premier, 1965) chimie interprétation de la structure moléculaire CADHELP électronique instructions pour la CAO MYCIN (beaucoup d’influence) médecine diagnostic pour infections bactériennes PROSPECTOR géologie interprétation données géol. Minerais XCON (beaucoup de succès) informatique configuration mini ordi. VAX de DEC MACSYMA mathématique résolution symbolique de problèmes de math Dendral: tentative d’identifier la structure moléculaire d’un corps inconnu MYCIN: diagnostic médical tentant de cerner les germes responsables de maladies infectieuses au niveau du sang et du liquide céphalo-rachidien (méningites). Prospector: système expert utilisé dans le domaine de la géologie minérale. Il tente de déterminer le type de gisement. XCON: système expert aidant à configurer les systèmes informatiques. Il a été développé conjointement par Digital Equipment Corporation et l’Université de Carnegie Mellon pour les systèmes de type Vax. Macsyma: résolution de problèmes mathématiques (intégrales, différentielles, systèmes d’équations, …). Ancêtre de Mathematica.

Historique

Historique (suite)

Composantes de base d’un SE Connaissances Base de connaissances Base de faits (mémoire de travail) Mécanisme de raisonnement Expertise = Savoir - Faire Connaissances correspondent à ce que nous savons du domaine considéré Mécanismes de raisonnement correspondent à ce que nous faisons pour obtenir une solution

10.2 Architecture Connais- Faits sances (mémoire de travail) Base de connaissances Module Module d’inférence d’explica- tion Moteur de déduction Connais- Faits sances consultation acquisition Expert Interface Utilisateur

Systèmes de production Architecture de SE la plus répandue Connaissances : règles de production Mécanisme d’inférence

Moteurs d’inférence Cycle de base Stratégies de recherche Sélection des règles Filtrage Résolution des conflits Exécution Stratégies de recherche Largeur d’abord Profondeur d’abord Stratégie irrévocable Stratégie par tentatives Profondeur limité Recherche heuristique Mode d’invocation des règles Chaînage avant Chaînage arrière

9.3 Représentation des connaissances Règles de production Si (proposition logique) Alors (actions) prémisse conclusions

Caractéristiques des règles de production : Les règles sont indépendantes Les règles sont déclaratives Facilité d’expression Développement aisé et formation peu exigeante des programmeurs Large diffusion des logiciels Clarté de la connaissance (transparence des règles) Mise-à-jour aisée Vérification et validation possible de la connaissance

9.4 Moteur de déduction Mécanisme d’inférence Une règle se matérialise sous la forme d’une proposition logique conditionnelle Règle Si A Alors B A  B Table de vérité: A B A  B 0 0 1 0 1 1 1 0 0 1 1 1

Mécanismes d’inférence Modus Ponens (raisonnement direct) ((A B) ET A) B règle fait Permet de déduire que B est VRAI si la règle de production est vraie ET le fait A est VRAI Forme la base des systèmes à base de règles Si ma batterie est à plat Alors ma voiture ne partira pas

Modus Tollens (raisonnement indirect) ((A B) ET B) A règle action Permet de déduire que NON A est VRAI si la règle de production est vraie ET l’action NON B est VRAI Rarement utilisé même si fait appel au sens commun Si j’ai la tourista Alors je suis allé en Amérique du Sud Je n’ai pas la tourista, donc je ne suis pas allé en Amérique du Sud Je ne suis pas allé en Amérique du Sud, je n’ai donc pas la tourista

Moteur d’inférence Cycles de base 1- Phase de restriction Choix du sous-ensemble de connaissances 2- Phase de filtrage Choix des règles applicables phase de restriction: a pour objet de trier et de rassembler en un sous-ensemble les faits et les règles de la base de connaissances qui méritent plus d’attention que d’autres. Cette étape de restriction permet une économie de temps au profit de la phase suivante de filtrage. phase de filtrage: le moteur d’inférence compare la partie prémisse des règles sélectionnées avec les faits de la base de faits pour déterminer l’ensemble des règles applicables.

3- Phase de sélection Stratégies de recherche Largeur d’abord Profondeur d’abord Stratégie irrévocable Stratégie par tentatives Profondeur limité Recherche heuristique Résout conflits lorsque plusieurs règles s’appliquent Sélection simple (1ère de la liste, la + utilisée, etc.) Sélection selon contexte (chaînage avant, arrière, la plus prometteuse, la plus fiable, etc.) phase de sélection: c’est la phase de résolution de conflits qui se concrétise par le choix de la règle à appliquer. Cette phase, de loin la plus importante, manifeste également une stratégie qui peut être très simple et sans rapport avec le contexte (e.g. la première règle de la liste, la moins complexe, la moins utilisée, etc.) ou plus complexe en tenant compte du contexte (la plus prometteuse, la plus fiable, etc.). De la qualité de ce choix dépendent les performances du moteur d’inférence qui va déduire plus ou moins rapidement la solution finale.

4- Phase d’exécution Appliquer la règle sélectionnée Modification de l’ensemble de faits (générer des états intermédiaires) Questionner l’usager Exécuter les actions externe L’application de la règle sélectionnée permet en général d’ajouter un ou plusieurs faits à la base de faits de la mémoire de travail. Le SE peut questionner l’usager afin d’apporter des faits nouveaux pour continuer la recherche.

Stratégies de recherche La recherche en largeur d’abord La recherche en profondeur d’abord La recherche en profondeur limitée La recherche heuristique

Largeur d’abord On parcourt à l’horizontal un niveau de l’arbre de décision avant d’aller au suivant On commence par explorer toutes les possibilités présentes avant d’entrer dans les détails

Avantages : Inconvénient : Atteint toujours son but Si une solution existe, c’est le chemin le + court en terme de noeuds Inconvénient : Pas très efficace

Largeur d’abord 1 b 2 3 4 5 6 7 8 9 10 11 14 12 13 Les solutions se trouvent aux nœuds buts, identifiés par un état dont le cercle renferme la lettre b Dans cet exemple, la recherche s’effectue niveau par niveau, de gauche à droite La recherche s’arrête après 11 itérations Le principal avantage de cet algorithme réside dans le fait que si on trouve un chemin vers un but, on est certain qu’il s’agit du chemin le plus court en terme de nœuds (1-3-7-11) S’il existe une solution au problème, l’algorithme le trouvera. 15 16

Profondeur d’abord On s’enfonce dans l’arbre de décision en passant d’état en état jusqu’à ce que le chemin se termine On cherche à explorer au maximum une possibilité en appliquant les règles de façon à obtenir le plus de détails

Profondeur d’abord (suite) Chaînage arrière : ajout du retour-arrière Chaînage avant : imposition d’une limite de recherche (éviter voie sans issue)

Profondeur d’abord 1 b 2 3 4 5 6 7 11 12 13 14 10 15 16 9 Le gros inconvénient de l’algorithme est que son efficacité est dépendante de la position des buts dans l’arbre. En effet, si les buts se trouvent par exemple à droite, la recherche sera longue. S’il existe une branche infinie (une branche sans solution et non terminante) avant une branche contenant un but, la recherche cycle indéfiniment. 8

Profondeur limitée La recherche en profondeur limitée combine les deux approches précédentes : profondeur d’abord et largeur d’abord. L’arbre des états est découpé en k niveaux. Une recherche en profondeur est effectuée dans chaque tranche avant de passer à la tranche inférieure.

Profondeur limitée 1 b 2 3 4 5 6 7 8 12 9 11 10 13 14 15 16

Recherche heuristique Des connaissances spécifiques sur le problème à traiter sont exploitées pour trouver une solution La connaissance du problème à traiter prend la forme d’une fonction d’évaluation qui mesure la « promesse » de se trouver sur un chemin intéressant Une heuristique garantit une bonne solution mais pas nécessairement la solution optimale

Exemple: jeu du taquin Heuristique: minimiser F(E) = L + MP avec E= état courant L= longueur du chemin de l’état initial à E MP= le nombre de carrés mal placés par rapport à la configuration finale État initial État final G * déplacé à gauche D * déplacé à droite H * déplacé vers le haut B * déplacé vers le bas

Largeur d’abord

Profondeur d’abord

Profondeur limitée

Heuristique

Invocation des règles : chaînage avant Part des faits pour arriver au but Ne sélectionne que les règles dont la partie prémisse est vérifiée par les faits présents Ajoute les nouveaux faits à l’ensemble des faits S’arrête : Avec succès dès que le but est atteint Avec échec quand il n’y a plus de règles applicables

Chaînage avant (suite) Avantage : répond plus rapidement à tout nouvelle information Inconvénients : Déclenche toutes les règles, même celles sans intérêt Pas intéractif L’ensemble des faits doit contenir suffisamment de faits Risque d’explosion combinatoire

Chaînage avant (suite et fin) Approprié : Réponse rapide Nombre de buts possibles est très élevé On ne connaît pas a priori le but à atteindre On cherche à obtenir le maximum de faits correspondant à une situation donnée

Invocation des règles : chaînage arrière Part du but ou d’une hypothèse de but et essaie de remonter aux faits pour le démontrer Ne sélectionne que les règles dont la partie conclusion contient le but à vérifier Détermine autant de sous-buts à démontrer qu’il y a de conditions inconnues dans la partie prémisse de la règle S’arrête : Avec succès lorsque tous les sous-buts sont vérifiés Avec échec lorsqu’il ne peut plus sélectionner de règles

Chaînage arrière (suite) Avantages : Pose uniquement des questions quand cela est nécessaire et après avoir exploré toutes les possibilités Le processus est intéractif L’arbre de recherche est souvent plus petit qu’en chaînage avant Inconvénient : bouclage Pour démontrer A, il faut démontrer B Pour démontrer B, il faut démontrer A ...

Chaînage arrière (suite et fin) Approprié : Aux problèmes présentant un nombre relativement restreint de solutions puisque l’on n’applique que les règles qui sont directement reliées aux buts à vérifier

Illustration: labyrinthe

Base de connaissance: règles de déplacement R1: Si dans un couloir Alors continuer dans la même direction R2: Si à une intersection Alors tourner à droite R3: Si à une intersection Alors tourner à gauche R4: Si à un coin Alors tourner le coin

Recherche en profondeur d’abord Toujours tourner à gauche aux intersections (choix irrévocable)

Recherche en profondeur d’abord Tourner à gauche aux intersections sauf si échec (choix par tentatives)

Recherche en largeur d’abord