Ressources Matrielles MC3

1
Ressources Matérielles MC3
Cours 3 (Ressources informationnelles) Systèmes
à base de connaissance, Introduction au génie
logiciel Yasmine Charif Yasmine.Charif_at_lip6.fr
2
Plan du Cours 3

• Partie 1
• Introduction à lIA
• Les systèmes experts
• Les systèmes à base de connaissance
• Partie 2
• Introduction au Génie Logiciel

3
Système à base de connaissance

• Introduction à lIntelligence Artificielle

4
Système à base de connaissance

• Lintelligence artificielle
• Définition IA

• Artificiel. désigne ce qui n'est pas un produit
  de la nature.

• 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,...).

• 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.

5
Système à base de connaissance

• 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.
• 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.
• D'après JL. Laurière, "Tout problème pour lequel
  aucune solution algorithmique n'est connue relève
  a priori de l'IA".

6
Système à base de connaissance

• 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".
• 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.

7
Système à base de connaissance

• 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.
• 1955 - 1956  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.

8
Système à base de connaissance

• 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.
• Exemples.
• Dans louvrage de Dreyfus   In spite of
  journalistic claims at various moments that
  machine translation was at last operational, this
  research produced primarily a much deeper
  knowledge of the unsuspected complexity of syntax
  and semantics".
• En 1968, la sortie du film  2001, L'odyssée de
  l'espace , de Stanley Kubrick, qui montrera un
  aspect de l'IA au grand public, à travers son
  ordinateur HAL.

9
Système à base de connaissance

• 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 l'avènement 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.
• 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.

10
Système à base de connaissance

• Débuts de lIA
• 1980-1990  Accélération du mouvement.
• 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).
• 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.

11
Système à base de connaissance

• Les systèmes experts

12
Système à base de connaissance

• 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.

13
Système à base de connaissance

• Les systèmes experts
• Un système expert se compose de 3 parties  
• une base de faits
• une base de règles
• 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.

14
Système à base de connaissance

• Les systèmes experts

15
Système à base de connaissance

• 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.
• 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.

16
Système à base de connaissance

• Historique
• Les premiers systèmes experts voient le jour aux
  USA dans les années 1970.
• 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.
• 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.
• Résultat MYCIN (500 règles avec des faits
  fortement typés).

17
Système à base de connaissance

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

18
Système à base de connaissance

• 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
• Fiable
• Manipule un grand nombre de connaissances
• Utilise des renseignements inexacts ou incomplets
• Explique et justifie ses conseils

19
Système à base de connaissance

• 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 ?
• Trace de la chaîne de raisonnement en cours.
• Comment ?
• Trace la source d'un fait.

20
Système à base de connaissance

• Raisonnement dans MYCIN
• Chaînage arrière, dirigé par un but
• Règles sous forme dabduction
• A ? B ? C
• Pour prouver C, il faut
  prouver A et B.

21
Système à base de connaissance

• Raisonnement dans MYCIN
• La base de connaissance statique comporte des
  règles
• On dispose donc dun ensemble de règles (ici,
  déduction), approximatives.

22
Système à base de connaissance

• 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 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.

23
Système à base de connaissance

• 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)
  
• Connaissances difficiles à entrer
• beaucoup de règles
• dépendantes du système d'inférence.
• 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...
• Mais il a montré qu'on peut approcher un domaine
  d'expertise.

24
Système à base de connaissance

• Systèmes à base de connaissance

25
Système à base de connaissance

• Quest-ce quun SBC ?
• Un programme construit pour
• modéliser les compétences de résolution de
  problèmes des humains.
• avoir la même performance que les humains (Test
  de Turing).

Human
Human interrogator
26
Système à base de connaissance

• 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.

27
Système à base de connaissance

• 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.

28
Système à base de 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.

29
Système à base de connaissance

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

30
Système à base de connaissance

• Types de problèmes résolus par les SBC
• Contrôle
• Conception
• Diagnostic
• Instruction
• Interprétation
• Monitoring
• Planification
• Prédiction
• Prescription
• Sélection
• Simulation

31
Système à base de connaissance

• Pourquoi utiliser un SBC ?
• Remplacer un expert
• Automatiser une tâche routinière nécessitant un
  expert
• Un expert quitte la compagnie
• Besoin dune expertise dans un environnement
  hostile.
• Exemples
• Drilling advisor (Elf-Aquitaine)
• Cooker advisor (Campbell Soup Company) 95 de
  réussite.
• Assister un expert
• Améliorer la productivité
• Gérer la complexité
• Exemples
• R1/XCON (DEC CMU), économie pour DEC de 25 M /
  an
• Lending advisor (Banques).

32
Système à base de connaissance

• 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

33
Système à base de connaissance

• 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 ?

4 litres
3 litres
2 litres
34
Système à base de connaissance

• 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.

35
Système à base de connaissance

• Exemple de problèmes
• Un problème de crypto-arithmétique
• Une lettre correspond à un nombre (entre 0 et 9)
  et un seul, décrypter laddition.

S E N D M O R E M O N E Y
36
Système à base de connaissance

• 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 .
• Jacques  Si Bernard est coupable alors Sylvain
  est coupable .
• Sylvain  Je suis innocent mais au moins un des
  deux autres est coupable .
• Qui est coupable ?

37
Système à base de connaissance

• 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.
• Patrick et le guitariste font de la montagne
• Antoine et le saxophoniste aiment les chats
• Le violoniste habite lappartement 13 au 13ième
  étage.
• Qui est qui ?

38
Système à base de connaissance

• 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.

39
Système à base de connaissance

• Architecture dun SBC

Interface
Base de connaissances
Moteur dinférence
Utilisateur
Base de faits
40
Système à base de connaissance

• Représentation des connaissances

41
Système à base de 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
• Cest le transfert des connaissances dun expert
  vers une machine ? Psychologie cognitive
• Changement de media
• Changement de forme de représentation
• Cest une tâche de modélisation linguistique
• puissance expressive
• applicable pour le raisonnement
• efficace

43
Système à base de connaissance

• Types de connaissance

44
Système à base de connaissance

• Ontologies, quest-ce que cest ?
• Selon le dico du net
• Organisation hiérarchique de la connaissance sur
  un ensemble d'objets par leur regroupement en
  sous-catégories suivant leurs caractéristiques
  essentielles.
• Plus généralement
• Ensemble des connaissances du domaine d'action
  d'un agent (pour la réalisation de sa tâche)
• Ne pas confondre avec
• Taxinomie Classification de concepts
• Thésaurus
• Ensemble de termes organisé (hiérarchique ou
  thématique en général)
• Chaque terme représente un concept du domaine
• Relations entre les termes (synonymie,
  hyperonymie...)
• Exemple. WordNet http//wordnet.princeton.edu/

45
Système à base de connaissance

• Ontologies, quest-ce que cest ?
• La définition la plus cité en IA, due à T. Gruber
  
• an ontology is an explicit specification of a
  conceptualization.
• conceptualization pour lexistence dun modèle
  abstrait dun certain aspect du monde, qui se
  compose dun ensemble de définitions de concepts
  et de relations.
• explicit specification pour la spécification du
  modèle dans un langage non ambigu, qui peut être
  compris et manipulé aussi bien par les machines
  (agents logiciels) que par les personnes (agents
  humains).

46
Système à base de connaissance

• Les ontologies
• Ensemble de concepts
• Reliés entre eux
• Regroupement en classe (structure hiérarchique)

47
Système à base de connaissance

• Les ontologies
• Ensemble de termes (représentant des concepts)
• Liens entre les concepts
• Liens hiérarchiques (is-a, part-of...)
• Liens sémantiques (relations)
• Idée
• La définition d'un terme est l'ensemble de ses
  relations dans l'ontologie.
• Différentes formes d'ontologies selon
• Nature des connaissances à inclure
• Niveau de détail (granularité)
• Tâche, domaine, application

48
Système à base de connaissance

• Exemple dontologie (liens is-a)

49
Système à base de connaissance

• Exemple Lontologie dAristote

50
Système à base de connaissance

• Les ontologies
• Lutilisation effective dune ontologie nécessite
  
• un langage de représentation des ontologies bien
  défini
• et des modules associés de raisonnement qui
  soient efficaces.

51
Système à base de connaissance

• Représentation des connaissances
• Triplets ltobjet, attribut, valeurgt
• Réseaux sémantiques
• Frames
• Logique
• Règles

52
Système à base de connaissance

• Triplets ltobjet, attribut, valeurgt
• Syntaxe
• Objet (sujet) la ressource (URI ou nud local)
• Attribut (prédicat) la propriété
• Valeur (objet)
• Exemple.
• la ressource http//www.w3c.org/ a un propriété
  titre dont la valeur est World Wide Web
  consortium.

titre
http//www.w3c.org
World Wide Web Consortium
53
Système à base de connaissance

• Réseaux sémantiques
• Il s'agit de réseaux dont les nuds 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
sorte-de
possède
sorte-de
Avion
Aile
sorte-de
Voiture
est-un
Avion de chasse
est-un
Citroën C4
Airbus A380
54
Système à base de connaissance

• 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.

55
Système à base de connaissance

• 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)
• surtable(A)
• surtable(B)
• libre(C)
• 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.
• Exemple sur(A,B). A partir de cette information
  et de la règle 3, le système déduit libre(A),
  libre(B) et empiler(C,A). La règle 2 conduit à
  l'action ôter(C,A).

56
Système à base de connaissance

• Logiques de description
• Les RS mélangeaient plusieurs types de liens. Les
  LD donnent une place à part entière aux relations
  entre concepts (relation ? rôle).
• Exemple
• Humain Homme ? Femme
• Humain ? ?est_parent
• Femme Personne ? Féminin
• Parent Personne ? ?a_enfant.Personne
• Gandmère Femme ? ? a_enfant.Parent

57
Système à base de connaissance

• Règles
• Connaissance servant à faire le lien entre des
  informations connues et dautres informations que
  lon peut déduire ou inférer.
• Exemple.
• Si ltballe, couleur, rougegt alors jaime la balle
• Si jaime la balle alors jachète la balle
• Peut exécuter des procédures.
• Si délailt30 et âge_étudiantlt28 "oui" et
  présent_communication "oui" alors
  réduction_congrés 50

58
Système à base de connaissance

• Règles
• Représentent des formes de connaissances variées
  
• Relation
• Recommandation
• Directive
• Stratégie
• 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
59
Système à base de connaissance

• Règles avec variables
• Réaliser la même opération sur un ensemble
  dobjets.
• Exemple.
• Si ?x est employé ?x âge gt 65
• alors ?x peut prendre sa retraite

60
Système à base de connaissance

• Règles incertaines
• Traduisent des associations incertaines entre
  prémisses et conclusions.
• Exemple.
• Si inflation élevée
• alors taux dintérêt élevé CF0.8

61
Système à base de connaissance

• 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.

62
Système à base de connaissance

• Ensemble de règles
• Les règles sont divisées en ensembles.
• Chaque ensemble est applicable à un problème
  donné.

63
Système à base de connaissance

• Raisonnement dans les SBCs

64
Système à base de connaissance

• 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.

65
Système à base de connaissance

• Types de raisonnements

Raisonnement
Déductif
Inductif
Du sens commun
Abductif
Analogique
66
Système à base de connaissance

• Types de raisonnements
• Raisonnement
• A est vrai
• A ? B est vrai
• On en déduit que B est vrai
• Raisonnement
• Un ensemble dobjets a, b, c, d,
• Une propriété P vraie pour les objets a, b, c,
  de lensemble
• On induit que P est vraie pour tout x de
  lensemble
• Raisonnement
• Cest une inférence plausible.
• B est vrai
• A ? B est vrai
• on abduit que A est vrai

Déductif
Inductif
Abductif
67
Système à base de connaissance

• Types de raisonnements
• Raisonnement
• Faire une analogie entre 2 situations, rechercher
  les similarités et différences, etc.
• 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.

Analogique
Du sens commun
68
Système à base de connaissance

• Raisonnement à base de règle
• 3 composants essentiels
• un ensemble de règles
• un ensemble de faits
• un moteur dinférence
• Avantages
• Facile à comprendre, naturel, modulaire.
• Utilisation
• Gérer les problèmes de contrôle.

Base de faits initiale
Moteur dinférence
Base de connaissance
Base de faits enrichie
69
Système à base de connaissance

• Raisonnement à base de règle
• Principe de fonctionnement
• Trouver parmi les règles celles candidates
• Choisir une de ces règles
• Exécuter la règle
• Résolution de conflits
• 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.)

70
Système à base de connaissance

• 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
• Cest une conjonction de conditions, i.e. une
  suite de comparaison dattributs et de valeurs à
  laide dopérateurs.
• Y est la conclusion
• La conclusion est une affectation.
• Exemple base de règles
• si lâge du patient lt 18 et
• si il a de la fièvre gt 39 et
• si présence dun germe X
• alors le patient a peut-être une méningite

71
Système à base de connaissance

• 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
• Fièvre est 40
• Germe X
• Sexe féminin

72
Système à base de connaissance

• 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 arrière 
• 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.

73
Système à base de connaissance

• 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.

74
Système à base de connaissance

• 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.

75
Système à base de connaissance

• 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.

Exemple. MYCIN
76
Système à base de connaissance

• 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.

Exemple. MYCIN
77
Système à base de connaissance

• Comparaison

78
Système à base de connaissance

• 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
79
Système à base de connaissance

• 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.

80
Système à base de connaissance

• Raisonnement monotone vs. non monotone

81
Système à base de connaissance

• 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

Différentes stratégies de parcours de lespace !
82
Système à base de connaissance

• Stratégies de parcours darbre

• Parcours en profondeur d abord
• Parcourir le graphe verticalement dabord, pour
  ensuite explorer dautres nuds (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.

83
Système à base de connaissance

• Stratégies de parcours darbre

• Parcours en largeur dabord
• Parcourir dabord les nuds dun même niveau,
  avant de considérer les nuds 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).

84
Système à base de connaissance

• Stratégies de parcours darbre

• Parcours  meilleur  dabord
• Cest une solution non aveugle.
• Elle exploite des connaissances du problème pour
  guider la recherche.
• À chaque nud, 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.

85
Génie Logiciel

• Introduction au Génie Logiciel

86
Génie Logiciel

• Introduction
• Objectif conception des SI avec une vision plus
  générale sur la conception de tout système
  informatique.
• Système informatique

données
traitement
Propriétés dynamiques
Propriétés statiques
87
Génie Logiciel

• Introduction
• Dans les logiciels classiques , les traitement
  revêtent le plus souvent une part prépondérante
  dans la conception du logiciel.

données
traitement
Propriétés dynamiques
Propriétés statiques
88
Génie Logiciel

• Introduction
• Dans les SI, orientation données entrepôt de
  données
• Persistance des données.
• Les systèmes actuels accordent une part
  croissante aux traitements fouille de
  données (data mining), aide à la décision (SIAD).

données
traitement
Propriétés dynamiques
Propriétés statiques
89
Génie Logiciel

• Objectif du génie logiciel
• Connaître les méthodes qui permettent de
  développer les systèmes logiciels complexes (SI,
  traitement, conception objet).
• ? pour être méthodique.
• ? pour le développement en équipe.

90
Génie Logiciel

• Pourquoi connaître le génie logiciel ?
• Vos compétences programming-in-the-small
• Programmation individuelle sur de petits
  problèmes.
• Structures de données, algo, langages de
  programmation.
• (parfois) un peu de méthodologie analyse
  descendante.

spécifications
Spécifications données complètes et précises
analyse
Analyse descendante décomposition fonctionnelle
implémentation
Implémentation un seul langage de programmation
validation
Validation jeux dessais
91
Génie Logiciel

• Pourquoi connaître le génie logiciel ?
• Étapes du processus de développement / Exemple de
  coûts

Projet concernant 5 personnes, durée 12 mois,
avec maintenance longue (plusieurs années)
92
Génie Logiciel

• Pourquoi connaître le génie logiciel ?
• En entreprise programming-in-the-large
• Travail en équipe sur des projets longs et
  complexes.
• Spécifications de départ peu précises.
• Dialogue avec le client/utilisateur.
• Organisation, planification, gestion du risque.
• ? démarche ingénierique génie logiciel
  (software engineering).

93
Génie Logiciel

• Quest-ce que le génie logiciel ?
• Définition
• Méthodologie de construction en équipe dun
  logiciel complexe et à multiples versions.
• Programmation vs. Génie logiciel
• Programmation activité personnelle.
• Génie logiciel activité déquipe.
• Suivant les projets, la partie programmation
  (codage) ne représentera quentre 10 et 30 du
  coût total !

94
Génie Logiciel

• Logiciel Aspects économiques
• Importance économique du logiciel
• Importance croissante de linformatique dans
  léconomie.
• 1985 150 Mrd 1995 450 Mrd
• Coût du logiciel supérieur à celui du matériel.
• Coût maintenance supérieur au coût de conception.
• ? Améliorer la qualité du logiciel.

95
Génie Logiciel

• La crise du logiciel
• Démarche ingénierique encore mal intégrée.
• Pannes logicielles
• Avion F1 retourné au passage de léquateur non
  prise en compte du référentiel hémisphère sud.
• Échec sonde Venus virgule remplacée par un
  point.
• Bug de lan 2000.
• Instabilité de Windows.
• Coût global
• 1998 80 Mrd 2000 175 Mrd
• Systèmes critiques
• Nucléaire, transport (? 10-10 pannes/h), systèmes
  bancaire,

96
Génie Logiciel

• La crise du logiciel
• Échec de projet
• Abandon du projet dinformatisation de la bourse
  de Londres
• 4 années de travail et 100 M perdus.
• Abandon du système de trafic aérien américain.
• Retard (1 an) du système de livraison des bagages
  de Denver.
• Coût global (USA)
• 1995 80Mrd

97
Génie Logiciel

• La crise du logiciel
• Influence de la taille du projet

98
Génie Logiciel

• Qualité du logiciel
• Privilégier la qualité à lefficacité
• La prévention des erreurs coûte des dizaines de
  fois moins cher que leur correction.
• Démarche qualité ISO 9126 (http//www.osil.ch/no
  de15.html)
• Qualité externe vs. Qualité interne
• Externe vision client.
• Interne vision développeur.

99
Génie Logiciel

• Facteurs de qualité
• Qualité externe
• Complétude fonctionnelle réalise les tâches
  attendues (ISO)
• Ergonomie facilité dutilisation (ISO
  usability)
• Fiabilité fonctionne même dans les cas
  atypiques (ISO)
• Adaptabilité adaptation aux modifications (ISO
  maintenability)
• Qualité interne
• Réutilisabilité de plus en plus importante
  aujourdhui
• Traçabilité capacité à retracer tout le
  parcours d'un logiciel
• Efficacité bonne utilisation des ressources
  matérielles (ISO)
• Portabilité adaptation à de nouveaux
  environnements (ISO)

100
Génie Logiciel

• Complexité croissante du logiciel
• Complexité croissante du logiciel
• Systèmes offrant de plus en plus de
  fonctionnalités.
• Exemple. SI BD SIAD
• Systèmes distribués machines hétérogènes en
  réseau.
• Mutation technologiques rapides langages et
  environnement de développement, O.S.
• Évolution des besoins du client en cours de
  projet.
• Solutions proposées par le génie logiciel
• Séparer aspects fonctionnels et technologiques.
• Décomposition en sous-systèmes ? approche objet.
• Démarche itérative ? approche objet.

101
Génie Logiciel

• Génie logiciel
• Le GL doit fournir des méthodes de conception de
  systèmes complexes permettant
• Une prise en compte du client.
• Une démarche qualité.
• Une organisation du travail en équipe.
• Le GL ce sont aussi des outils associés
• AGL (Ateliers de Génie Logiciel)
• AGL méthodologiques
• Exemple Rational Rose (UML)

102

• Bibliographie

103
Bibliographie

• LIA
• Arsac, Jacques Les machines à penser, Le Seuil,
  Paris, 1987.
• Crevier, Daniel A la recherche de l'IA,
  Flammarion, collection champs, Paris, 1999.
• Les SBC
• C. L. Paris. Systèmes Experts Explicatifs. In
  EXPL 92 pp 3-23.
• D. Kayser, La représentation des connaissances,
  Hermès
• (Paris), 1997.
• J.L. Laurière, Intelligence Artificielle
  (résolution de problèmes par lhomme et la
  machine), Eyrolles, Paris, 1987.
• M. Stefik, Introduction to Knowledge Systems,
  Morgan Kaufmann Publishers, San Francisco (CA),
  1995.
• A. Thayse et al., Approche logique de
  lIntelligence Artificielle (5 tomes), Dunod
  Informatique (Paris), 1988.
• P.H. Winston, Artificial Intelligence,
  Addison-Wesley, Reading (MA), 1982.
• E. Rich, Artificial Intelligence, Mac Graw Hill
  (New York), 1983.
• Génie logiciel
• Christian Bénard. Les 9 points clés de la
  conduite d'un projet informatique. Collection
  Homme et Technique. Les Éditions d'Organisation,
  Paris, 1992.
• Marie-Claude Gaudel, Bruno Marre, Françoise
  Schlienger, and Gilles Bernot. Précis de génie
  logiciel. Enseignement de l'Informatique. Masson,
  Paris, 1996.
• Patrick Jaulent. Génie Logiciel les méthodes.
  Armand Colin, Paris, 1990.