Ressources Matrielles MC3 - PowerPoint PPT Presentation

1 / 103
About This Presentation
Title:

Ressources Matrielles MC3

Description:

Syst mes base de connaissance, Introduction au g nie logiciel ... Antoine et le saxophoniste aiment les chats ; Le violoniste habite l'appartement 13 au ... – PowerPoint PPT presentation

Number of Views:148
Avg rating:3.0/5.0
Slides: 104
Provided by: wwwpole
Category:

less

Transcript and Presenter's Notes

Title: 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.
Write a Comment
User Comments (0)
About PowerShow.com