Présentation

Article

1 - CONNAISSANCES

2 - RÉSOLUTION DE PROBLÈMES

3 - RAISONNEMENT

4 - AGENTS ET SYSTÈMES MULTIAGENTS

5 - CAPITALISATION ET GESTION DES CONNAISSANCES

6 - MÉTHODES ET OUTILS POUR LE DÉVELOPPEMENT DE SBC

7 - EXEMPLES

  • 7.1 - Domaines d'application
  • 7.2 - Exemples dans l'aide à la conduite de procédés

8 - PERSPECTIVES ET CONCLUSION

Article de référence | Réf : H3740 v2

Perspectives et conclusion
Systèmes à bases de connaissances

Auteur(s) : Jean-Paul HATON, Marie-Christine HATON

Relu et validé le 01 mars 2023

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

RÉSUMÉ

L'intelligence artificielle (IA) a vu son importance économique s'accroître considérablement. Ce sujet relève d'activités humaines communément liées à l'intelligence (perception, prise de décision, interprétation de données, compréhension du langage…) et met en jeu l’exploitation d'une grande quantité de connaissances. Les trois grandes approches (symbolique, connexionniste et statistique) sont à la base des systèmes actuels. La conception de systèmes à bases de connaissances (SBC) capables de réaliser des fonctions de raisonnement symbolique semble actuellement focaliser une part importante des recherches. De tels systèmes nécessitent en particulier un mode de représentation adéquat des connaissances utiles ainsi que des mécanismes efficaces d'exploitation de ces connaissances ou de raisonnement.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Knowledge-based systems

The economic importance of artificial intelligence (AI) has increased significantly. This field is related to human activities which are commonly linked to intelligence (perception, decision making, interpreting data, understanding language, etc.) and involves the exploitation of an extensive amount of knowledge. The existing systems are based upon the three main approaches (symbolic, connectionist and statistic). A significant amount of resarch appears to be focused on conceiving knowledge-based systems (KBS) which are able to perform symbolic reasoning. Such systems notably require an appropriate representation mode of useful knowledge as well as efficient systems for the exploitation of such knowledge or reasoning .

Auteur(s)

  • Jean-Paul HATON : Professeur à l'Université de Lorraine - LORIA/INRIA - Membre de l'Institut universitaire de France

  • Marie-Christine HATON : Professeur à l'Université de Lorraine - LORIA/INRIA

INTRODUCTION

L'intelligence artificielle (IA), par sa capacité à s'attaquer à des classes de problèmes différents de ceux traités par l'informatique classique, a vu son importance économique s'accroître considérablement. Ces problèmes relèvent d'activités humaines communément liées à l'intelligence (perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage, conception) et présentent la particularité commune de mettre en jeu une exploitation raisonnée d'une grande quantité de connaissances, pour l'essentiel spécifiques du domaine étudié et acquises auprès d'experts.

Parallèlement, l'IA est entrée dans la culture populaire, à travers notamment de nombreux ouvrages et films de fiction et des jeux se situant souvent dans des mondes virtuels. De même, quelques succès récents, notamment la victoire du programme de jeu d'échecs Deep Blue contre le champion du monde G. Kasparov et la mission du robot martien Mars Rover, ont médiatisé certains aspects de l'IA.

Dès l'apparition de l'ordinateur, Alan Turing et d'autres chercheurs émirent l'hypothèse qu'il était possible d'automatiser des raisonnements à l'aide d'algorithmes généraux fondés sur un ensemble de règles logiques appliquées à des structures symboliques, à la suite des travaux sur la logique mathématique. Les systèmes formels ont montré leurs limites intrinsèques (en particulier avec les travaux de Gödel et de Church) pour la modélisation du raisonnement. La nécessité de restreindre un raisonnement à un champ d'application bien délimité et d'appuyer ce raisonnement sur des connaissances de nature diverse est ainsi apparue très tôt en IA. Cette approche symbolique de l'IA a donné lieu aux systèmes à bases de connaissances.

Une autre approche, que l'on peut qualifier de connexionniste, est apparue de façon concomitante dès le début de l'IA au cours des années 1950. Elle revient à s'inspirer du fonctionnement du cortex cérébral. L'entité de base est un modèle du neurone, un système étant formé par l'interconnexion d'un grand nombre de tels « neurones » (le modèle le plus couramment utilisé est le neurone formel proposé par McCulloch et Pitts en 1943). Il s'agit d'une modélisation très rudimentaire du fonctionnement du neurone, dans laquelle l'accumulation des activités synaptiques du neurone est assurée par une simple sommation pondérée. L'interconnexion d'un ensemble de telles unités fournit un système connexionniste neuromimétique, appelé aussi réseau neuronal, qui présente des propriétés intéressantes. La principale de ces propriétés est certainement la capacité qu'a le réseau d'apprendre à partir d'exemples. De tels réseaux sont utilisés dans divers domaines : lecture optique de textes, de codes postaux ou de signatures, diagnostic de pannes, contrôle qualité, réglage de procédés industriels, estimations boursières, prévision du temps en météorologie, etc.

Par ailleurs, des modèles probabilistes et statistiques sont de plus en plus souvent mis à profit pour rendre compte de la variabilité des phénomènes étudiés. C'est notamment le cas en reconnaissance automatique de formes (parole, caractères écrits...), mais aussi en raisonnement, notamment avec les modèles markoviens et les réseaux bayésiens. Ces modèles, tout comme les modèles neuromimétiques, sont capables d'apprendre à partir d'exemples, mais l'apprentissage consiste ici à mémoriser des distributions de probabilité à l'aide d'algorithmes souvent complexes mais dont les propriétés sont parfaitement connues.

Ces trois grandes approches (symbolique, connexionniste et statistique) sont à la base des systèmes actuels. La conception de systèmes à bases de connaissances (SBC) capables de réaliser des fonctions de raisonnement symbolique constitue ainsi une part importante des recherches et des développements en IA. De tels systèmes nécessitent en particulier une représentation adéquate des connaissances utiles ainsi que des mécanismes efficaces d'exploitation de ces connaissances ou de raisonnement. C'est cet aspect de l'IA qui est traité dans ce dossier.

Dans un premier temps sont envisagés les modes de représentation des connaissances utilisés dans les SBC : représentations logiques, réseaux sémantiques, règles de production, objets structurés, modèles, graphes causaux, ontologies.

Le paragraphe suivant est consacré à la démarche de résolution de problèmes complètement formalisés, tout d'abord dans une approche générale puis dans le cadre des problèmes avec contraintes. La fin de ce paragraphe traite du problème de la planification qui requiert des techniques particulières.

Sont ensuite présentés divers modes de raisonnement.

La coopération et la concurrence entre agents, qui constituent un univers de recherche et de développement important, sont ensuite développées.

Un domaine important pour le monde économique est celui de la capitalisation des connaissances et de la mémoire d'entreprise. À ce propos, nous traitons de méthodes comme la fouille de données et l'apprentissage automatique.

Nous envisageons ensuite les outils pour le développement de systèmes à bases de connaissances, avant de donner des indications sur les développements actuels puis quelques perspectives et conclusions.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

VERSIONS

Il existe d'autres versions de cet article :

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v2-h3740


Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Présentation

8. Perspectives et conclusion

Ce dossier a permis de faire le point sur les systèmes à bases de connaissances dont la mise en œuvre nécessite une réflexion sur les connaissances mises en jeu d'une part, et sur le raisonnement à leur appliquer d'autre part. Ce double travail s'effectue en premier lieu dans la phase dite d'acquisition des connaissances qui peut conduire à un véritable modèle d'expertise, à un niveau d'abstraction plus ou moins grand, indépendamment de toute idée d'implantation du système.

Des méthodes et des outils se développent pour faciliter cette phase capitale. L'apprentissage symbolique automatique, c'est-à-dire l'apprentissage de connaissances par la machine elle-même, constitue aussi à l'heure actuelle une voie de recherche active.

Parallèlement à cela se développent des environnements d'implantation de SBC. Dans les systèmes de première génération, comportant une majorité de connaissances heuristiques, le raisonnement est gouverné par le fonctionnement d'un moteur d'inférence : selon le mode de chaînage, avant ou arrière, le raisonnement est guidé par les données ou les buts poursuivis. La deuxième génération de SBC a vu l'introduction de connaissances profondes, en association avec les connaissances de surface, par exemple sous forme de modèles du procédé ou du domaine. L'émergence de la programmation par objets a bien sûr favorisé ce développement et l'on peut dire que, à l'heure actuelle, la majeure partie des SBC intègrent au minimum des connaissances sous forme de règles de production et sous forme d'objets structurés.

De grands modèles de raisonnement ont été identifiés (perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage ou conception) et peuvent être modélisés par des structures d'inférence qui deviennent de véritables briques de base pour les SBC.

L'intelligence artificielle, en particulier grâce aux systèmes à bases de connaissances, a apporté une double contribution :

  • sur le plan théorique, une meilleure compréhension de l'intelligence et des mécanismes de résolution de problèmes ;

  • sur le plan pratique, le développement d'applications en vraie grandeur dans de nombreux secteurs d'activité.

On peut penser que ces deux aspects continueront à se développer en s'enrichissant mutuellement.

Depuis quelques années, les méthodes et outils pour...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Perspectives et conclusion
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - CHEN (C.H.) -   Fuzzy logic and neural network handbook.  -  McGraw Hill (1996).

  • (2) - DUCOURNAU (R.) et al -   Langages et modèles à objets.  -  INRIA, Collection Didactique (1998).

  • (3) - FERBER (J.) -   Les systèmes multi-agents : vers une intelligence collective.  -  InterEditions (1995).

  • (4) - GANASCIA (J.-G.) -   L'intelligence artificielle.  -  Le cavalier bleu (2007).

  • (5) - GHALLAB (M.), MILANI (A.), eds -   New directions in AI planning.  -  IOS Press (1996).

  • (6) - HATON (J.P.) et coll -   Le raisonnement en intelligence artificielle – Modèles, techniques et architectures pour les systèmes à bases deconnaissances.  -  InterEditions, Paris (1991).

  • ...

1 Outils logiciels

Logic Theorist https://history-computer.com/logic-theorist/

HAUT DE PAGE

2 Sites Internet

AFIA Association Française d'IA (très riche et donnant en particulier des thèses récentes en IA) http://www.afia.asso.fr

ECCAI European Coordinating Committee for Artificial Intelligence (permet d'accéder aux sites de toutes les associations d'IA des pays européens) http://www.eccai.org/

Interstices (site géré par l'INRIA proposant des articles dans tous les domaines des STIC et pas seulement en IA) http://interstices.info/jcms/jalios_5127/accueil

AAAI Association for the Advancement of Artificial Intelligence (également très riche) http://www.aaai.org

HAUT DE PAGE

3 Annuaire

HAUT DE PAGE

3.1 Documentation – Formation – Séminaires...

Cet article est réservé aux abonnés.
Il vous reste 93% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Documents numériques Gestion de contenu

(73 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS