Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

SBC 1

Télécharger au format pdf ou txt
Télécharger au format pdf ou txt
Vous êtes sur la page 1sur 42

Caractéristiques des SBC Introduction

Caractéristiques des SBC

La plupart des programmes en IA utilisent une importante quantité


de connaissances humaines
➠ Les systèmes à base de connaissances (SBC) Les SBC ont émergé
dans les années 70 en Amérique au sein des équipes de recherche en IA
➽ Un survol de la discipline de l’IA facilitera la compréhension de ce
cours (situation des SBC dans le domaine de l’IA)

Intelligence Artificielle (SBC) 2


Caractéristiques des SBC Nouvelle démarche

Nouvelle démarche
— Informatique classique
— description de la méthode de RP
— connaissances imbriquées dans le processus de résolution
➠ Algo exécuté pas à pas

Intelligence Artificielle (SBC) 3


Caractéristiques des SBC Nouvelle démarche

— SBC
— Fournir les composantes élémentaires de R. du P. au système
— Le système assure l’enchaînement approprié pour avoir la S.
— Connaissance déclarée d’une façon familière à l’homme
➠ On parle de «programmation déclarative»
➠ Il faut : Représenter les C
Savoir les utiliser dans la résolution
=⇒ Les Pb. des SBC : La représentation des C.
Le contrôle

Intelligence Artificielle (SBC) 4


Caractéristiques des SBC Structure d’un SBC

Structure d’un SBC

A. Une base de «faits » (BF)


— Déf : Un ensemble de données connues relatives à un Pb.
particulier en cours de résolution par un SBC
— =⇒ Le S. est livré à lui même dans sa recherche donc il a besoin
de savoir ou il va (les données du Pb.)

Intelligence Artificielle (SBC) 5


Caractéristiques des SBC Structure d’un SBC

B. Une base de «connaissances» (BC)


— Déf : Regroupement des connaissances (description des objets,
lois et principes, règles, méthodes et éléments de raisonnement,
...) relatives à la R. des P. d’un domaine particulier
— =⇒ Ce sont des opérateurs qui manipulent les faits (des
conditions d’applicabilité et des résultats (adjonction à la BF))

Intelligence Artificielle (SBC) 6


Caractéristiques des SBC Structure d’un SBC

C. Un mécanisme de «contrôle» (MI)


— Déf : Programme effectuant la recherche d’une solution à un
Pb. (défini par la BF) en sélectionnant et appliquant des
opérateurs (contenus dans la BC)
— =⇒ Appelé moteur d’inférence (MI), il est chargé de :
— Détecter l’obtention du but
— Déterminer les opérateurs applicables
— Décider de celui qu’il faut appliquer
— Développer l’arbre de recherche

Intelligence Artificielle (SBC) 7


Caractéristiques des SBC Structure d’un SBC

Comparaison des structures de systèmes classiques et


des SBC
S. Classique SBC
Traitement de données Traitement de connaissances
• Données • faits
Valeurs numériques Structure de données complexes
Chargées de sens
• Programmes : • Connaissances :
Algorithme de résolution Opérateurs de transformation des F
Impose l’ordre des opérations
et d’acquisition des données
• Contrôle
Détection du but
Détermination des opérateurs applicables
Décision sur la sélection de celui qui va être appliqué

Intelligence Artificielle (SBC) 8


Caractéristiques des SBC Les 2 domaines techniques

Les 2 domaines techniques

A. Pb. du contrôle
— La recherche du chemin vers la solution à la charge du Sy.
— Le MI balaye les C et les applique 7−→ atteindre le but
— Décharge le programmeur d’ordonnancer les actions
B. Représentation des C.
— La description des faits et des C.
— Faits caractérisant le Pb.
— Règles générales pour transformer ces faits

Intelligence Artificielle (SBC) 9


Représentation des connaissances et raisonnement Introduction

I Introduction

Xdes connaissances C
— L’homme a : pour résoudre un
Xune représentation de ces C
Pb.
— La qualité d’un système intelligent est celle de sa B.C.
— Dans un S.I.on a 3 composantes :
— Une B.C.
— Une partie pour faire les inférences (raisonnement)appelée
moteur d’inférence ou interpréteur : (I)
— Une structure de contrôle pour orienter le raisonnement : (C)
SI = BC + I + C

Intelligence Artificielle (SBC) 11


Représentation des connaissances et raisonnement Introduction

❶ Les types de connaissances


On entend par C. toutes les formes de savoir de l’homme :
a- des faits : des définitions, des énoncés (la terre est ronde)
b- des évennements : aspect temporel (X a rencontré Y en 1977)
c- des inférences : Si il tousse il va prendre froid
d- des règles de savoir faire : comment faire une action (pour
sortir du parking il faut ...)
e- métaconnaissances : " C sur les C "
C’est la confiance qu’on donne à la C et comment l’utiliser

Intelligence Artificielle (SBC) 12


Représentation des connaissances et raisonnement Introduction

❷ Qualificatifs de la C
a- Complète/Incomplète
b- Cohérente/Incohérente
c- Incertaine (imprécise)
d- Générale/Spécifique
e- Profonde/de surface
utilisée dans les syst utilisée dans les syst
de 2ème génération de 1ère génération

Intelligence Artificielle (SBC) 13


Représentation des connaissances et raisonnement Introduction

❸ Nature de la C
a- C. de définition : Un carré a 4 cotés égaux
b- C. évolutives : Ali est un élève en 7ème année
(ça va changer dans le futur)
c- C. incertaines : X est né en 765 après J.C. (on n’est pas sûr)
d- C. vagues : Les
| jeunes
{z élèves} sont turbulents
| {z }
très vague ? vague
imprécise
e- typique : En général les oiseaux volent
Habituellement chaque ma-
tière dure 1 heure
C’est connu (chose typique)

f- C. ambigues Avant le conseil de classe le professeur savait que 3


élèves redoublerons
En fonction de la nature des connaissances on va avoir plusieurs
Intelligence Artificielle (SBC) 14
Représentation des connaissances et raisonnement Introduction

raisonnements :
— raisonnement temporel (avec le temps)
— raisonnement profond (avec C. profondes)
— raisonnement hypothétique (avec des hypothèses)
— ...

Intelligence Artificielle (SBC) 15


Représentation des connaissances et raisonnement Introduction

Remarques
a- Le Pb de la représentation des C est de les transcrire sous une forme
symbolique qui puisse être exploitée par un système de raisonnement
b- Un mode de représentation associe 2 aspects :
— une structure de données pour représenter l’info
— la méthode d’exploitation de cette info (raisonnement)
le raisonnement permet de découvrir de nouvelles infos et C. sur le
PB. traité (6= entre BC et BD)

Intelligence Artificielle (SBC) 16


Représentation des connaissances et raisonnement Introduction

c- Dualité : C. déclarative / C. procédurale


Rep. descriptive Rep. d’un savoir
de la C. (quoi ?) / (comment faire)

maintenant : représentation mixte


un formalisme 7−→ un savoir et les mécanismes de son utilisation
d- Dans la suite nous allons voir les formalismes de représentation

Intelligence Artificielle (SBC) 17


Représentation des connaissances et raisonnement Représentations logiques

II. Représentations logiques

— Issues du domaine de la logique formelle


— Ces rerésentations remontent aux 1er de l’IA
(logic theorist Newel, Shannon, Simon 1956)
— Représentation déclarative qui concerne :
— logique des propositions
— logique des prédicats de 1er ordre
— d’autres logiques non standards

Intelligence Artificielle (SBC) 18


Représentation des connaissances et raisonnement Représentations logiques

❶ Logique des propositions


a- Les formules logiques cohérentes :
V
— Une proposition
F z }| {
— Exp : TOTO vole 7−→ vole(TOTO)

prédicat argument
TOTO est un oiseau 7−→ Oiseau (TOTO)

Une proposition vraie

Intelligence Artificielle (SBC) 19


Représentation des connaissances et raisonnement Représentations logiques

— Un prédicat peut avoir plusieurs arguments


 (Morgon, rouge) 7−→ le Morgon a une robe rouge
Robe

 négation : ¬


 ET ∧
— OU ∨
 connecteurs logiques :


 implication logique =⇒

équivalence ⇐⇒
pour former des formules bien formées (f.b.f)
— Une f.b.f peut représenter une C. V ou F

Intelligence Artificielle (SBC) 20


Représentation des connaissances et raisonnement Représentations logiques

b-Insuffisance
— Si on veut déduire des propositions pour des ensembles
d’éléments 7−→ Pb ?
— Exp
1. Exprimer que tous les oiseaux volent :
vole(oiseau 1), vole(oiseau 2),..., vole(oiseau N)
2. Certains oiseaux ne volent pas ?

Intelligence Artificielle (SBC) 21


Représentation des connaissances et raisonnement Représentations logiques

❷ Logique des prédicats du 1er ordre


Déf
— La logique des prédicats du 1er ordre est la logique des
propositions à laquelle on rajoute :
— L’introduction des variables (u, v, ..., z)
— Le qualificateur universel (∀)
— Le qualificateur existentiel (∃)
1. ∀x oiseau (x) ⇒ vole (x)
2. ∃ x oiseau (x) ∧ ¬ vole (x)

Intelligence Artificielle (SBC) 22


Représentation des connaissances et raisonnement Représentations logiques

Remarques
V
— Les f.b.f de la logique des prédicats
F
(pour une interprétation donnée)
— 1er ordre car les variables sont quantifiées mais pas les prédicats
ni les fonctions
Exp
— Tout curé a un vélo
∀x ∃y [curé (x)⇒ vélo (y) ∧possède (x, y)]
— Tout chien est un animal
∀x[chien (x) ⇒ animal (x)]

Intelligence Artificielle (SBC) 23


Représentation des connaissances et raisonnement Représentations logiques

Raisonnement en logique des prédicats


— Raisonner en logique −→ démontrer de nouvelles formules à
partir d’un ensemble de formules existantes
— Règles :
a)- Règle du modus ponens :
P ⇒ Q et P alors Q
b)- Règle du modus tollens
P ⇒ Q et ¬Q alors ¬P
c)- Unification et filtrage :
[Français(y)−→ région(y, Europe)] et [ Français(Jean)]
modus ponens
région(Jean, Europe)
avec substitution de la cte Jean à la variable y
d)- Spécialisation universelle : ∀x P (x) alorsP (a)
— La résolution
— Utilise des règles d’inférences
Intelligence Artificielle (SBC) 24
Représentation des connaissances et raisonnement Représentations logiques

— Une règle permet de déduire une clause nouvelle à partir de 2


clauses parents
— Une clause ≡ formule atomique V f.a V f.a
— Tout f.b.f peut être transformée en un ensemble de clauses
(algorithme de Skolem)
— Méthode −→ clause1 clause 2
Cp C¬p
clause 3
— Exp : |A1 ∨ A2{z· · · ∨ An} ¬A1 ∨ F1 ∨ · · · Fp
| {z }
(1) (2)
A2 ∨ · · · An ∨ F1 ∨ · · · Fp (3)
— Résolution par réfutation (ou les systèmes de déduction
logique par refutation)
— Prouver qu’une formule logique X est une conséquence logique
d’un ensemble de formules logiques FL (FL|=X)

Intelligence Artificielle (SBC) 25
Représentation des connaissances et raisonnement Représentations logiques

— On considère que ¬X est vraie


— On rajoute ¬X à FL FL∪(¬X)=C
— On déroule le mécanisme de résolution sur C

Intelligence Artificielle (SBC) 26


Représentation des connaissances et raisonnement Représentations logiques

— On démontre que le système conduit à une aberration (P et


¬P)
P ¬P

Nil 
=⇒ On a prouvé que C est contradictoire donc que X est une
conséquence logique de FL
FL ∧ ¬X

P ¬P
Nil absurde donc X est vrai ⇒ FL |=X


Intelligence Artificielle (SBC) 27


Représentation des connaissances et raisonnement Représentations logiques

Inconvenients 
V - ne permet pas d’exprimer des choses nuancées
Prédicat ⇒ - ne peut pas décider avec des infos manquantes
F
Contrairement à l’homme (qui fait du raisonnement par
défaut)

Intelligence Artificielle (SBC) 28


Représentation des connaissances et raisonnement Représentations logiques

Autres logiques
a- Logiques multivaluées
b- Logiques modales
c- Logiques non monotones
d- Logique temporelle
e- Logique floue
f- Logique 3 valeurs ...

Intelligence Artificielle (SBC) 29


Représentation des connaissances et raisonnement Réseaux sémantiques

III. Réseaux sémantiques

Définition
Un R. S. est un graphe étiqueté où les nœuds re-
présentent des concepts et les arcs des relations de
nature sémantique entre ces concepts
nœuds = concepts ou objets (ou instances)
arcs = des liens liés au sens :
lien s → sorte de (kind of)
lien e → est un (is a)

Intelligence Artificielle (SBC) 30


Représentation des connaissances et raisonnement Réseaux sémantiques

Exp
Jacquot possède un nid :
e s
Jacquot Perroquet Oiseau
possède
e
Nid1 Nid concepts génériques
un Nid1 ∈ au C. G. Nid
relation de particulier → général
(hérite des choses de ce dernier)
- héritage -

Intelligence Artificielle (SBC) 31


Représentation des connaissances et raisonnement Réseaux sémantiques

−→ Pb
possède est une instance (6= posséder cahier)

Intelligence Artificielle (SBC) 32


Représentation des connaissances et raisonnement Réseaux sémantiques

Remarque Si on veut calquer un S.I. on aurait :


BC + I| +{zC}
- mise en correspondance structurelle
les réseaux
(pattern matching)
sémantiques
- héritage de propriétés

Intelligence Artificielle (SBC) 33


Représentation des connaissances et raisonnement Réseaux sémantiques

Raisonnement
Définition
Raisonner revient à tenter de calculer un R. S.
représentant le Pb sur un R. S. de connaissances
par une mise en correspondance structurelle
Exp ❶ : Q : Que possède Jacquot ?
— On construit un R. S. correspondant à la question
— on le met en correspondance avec le R. S. qu’on a
mise en correspon-
Jacquot dance
sujet
objet ↓
poss1 ? réponse immédiate
e c’est Nid
possède

Intelligence Artificielle (SBC) 34


Représentation des connaissances et raisonnement Réseaux sémantiques

EXP PROLOG :(PROgrammation LOGique)


possede (yolande, automobile)
pere-de (yolande, jean)
pere-de famille (jean)
coquin (fils-de (andré)
On tape ? pere-de (yolande, jean) (unification)
et l’interpreteur répond yes
? chien (maxo) non
une Question ? possede (Qui , automobile)
les variables avec majuscule
réponse : Qui = yolande
Q : ? coquin (fils de (x))
R : x=andré

Intelligence Artificielle (SBC) 35


Représentation des connaissances et raisonnement Réseaux sémantiques

Règle : dinosaure (x) ⊢ poids (x, y)


y > 4000.000
animal-terrestre (x)
Programme
grand-pere (x, z) ⊢ pere-de (x, y), pere-de (y, z)
pere-de (x, pere(x)) ⊢
fait x a toujours un père qui est le terme pere(x)
Q : ? grand-pere (jean, T) qu’elle est la grand-père de Jean ?
La réponse est : T = pere (pere (jean))

Intelligence Artificielle (SBC) 36


Représentation des connaissances et raisonnement Réseaux sémantiques

Démonstration :

pere-de (Jean, y) à partir de la


pere-de (y, T) règle 1

pere-de (Jean, pere (Jean) on applique


le fait

donne y = pere (Jean)


on applique
pere-de (pere (Jean), T) le fait
pere-de (pere (Jean), pere(pere(Jean)))
}
donc T = pere (per (Jean))

Remarques :
— Les logiques non classiques
« cet ordinateur est peut être intelligent »
« l’O sera un jour I »
— Logique modale
Intelligence Artificielle (SBC) 37
Représentation des connaissances et raisonnement Réseaux sémantiques

Introduit 2 opérateurs :
— l’opérateur de nécessité (« il est nécessairement vrai que ... »)
— l’opérateur de possibilité (« il est possible que ... »)
avec la logique et ces opérateurs nous pouvons définir :
« il est nécessairement vrai que l’ordinateur est branché et il est
possible qu’il soit intelligent »
Dans la même lignée il y a le Sys de logiques temporelles qui permet
d’exprimer des événements avec des conditions temporelles à la valeur
de réalité d’une proposition

Intelligence Artificielle (SBC) 38


Représentation des connaissances et raisonnement Réseaux sémantiques

Les R.S trop liés à la compréhension du langage naturel issus de travail


en psychologie [Quillian 1968]

Ali rend visite à son père

Ali rend Père de


visite Ali
ne donne pas la relation entre Ali et le père d’Ali : il manque son

Intelligence Artificielle (SBC) 39


Représentation des connaissances et raisonnement Réseaux sémantiques

EXP 2
personne

e e
e
père de
personne1 rend personne2
personne3
visite

nom nom nom

Ali Mohamed

Ali rend visite au père de Mohamed

Intelligence Artificielle (SBC) 40


Représentation des connaissances et raisonnement Réseaux sémantiques

Donc 1)

personne
e e

rend visite
P1 P2
père de
nom nom

Ali
...

Intelligence Artificielle (SBC) 41


Représentation des connaissances et raisonnement Réseaux sémantiques

Les dates de validité


Fares loue une maison de Janvier à Août

Personne

e
nom
Fares P1 Maison

locataire e
située
e L1 Maison 1 b b b

chose à
louée
louer
date
Janvier e
début
Date
e
date
Août
fin

Intelligence Artificielle (SBC) 42

Vous aimerez peut-être aussi