Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

1 Année universitaire 2012-2013 Formalismes de Représentation des connaissances

1 Année universitaire 2012-2013 Formalismes de Représentation des connaissances Formalismes de Représentation des connaissances 2 Introduction Dans le chapitre suivant, nous présentons la difficulté de concevoir la connaissance, ensuite nous introduirons les différents types de connaissances et nous terminerons avec les différents formalismes de représentations. 3 Plan  Difficulté de concevoir la connaissance  Définition de la connaissance  Les modes de représentation de connaissances  Formalismes de représentations des connaissances 4 Difficulté de concevoir la connaissance Problématique de la connaissance Le transfert de la connaissance du spécialiste vers le programme, pour une application particulière, est une tâche longue et difficile qui constitue un obstacle au développement des SE. Elle nécessite une grande collaboration entre deux corps de métiers parfois très éloignés : le domaine d'expertise et l'informatique. En effet, il existe des connaissances touchant aux principes de cheminement du raisonnement, aux prises de décision, aux diagnostiques de l'expert. Elles sont exprimées par des règles heuristiques et des métarègles. On peut dire que les traits du domaine qui révèlent du "flair" de l'expert et qui constitue une part importante de son expérience, posent parfois d'énormes problèmes de formalisme. 5 Difficulté de concevoir la connaissance La cognitique La qualité de la connaissance est déterminante pour la performance d'un SE. Cette connaissance est de deux types: Savoir indiscuté (manuels, revues spécialisées,...) Connaissance heuristique (acquise par l'expert au cours des années). La représentation de ce deuxième type de connaissance est possible grâce à des spécialistes : les ingénieurs de la connaissance ou cogniticiens. Ces cogniticiens travaillent d'une part en relation avec l'expert où ils observent, analysent et formalisent le comportement; et d'autre part, en relation avec l'ordinateur avec lequel ils communiquent par l'intermédiaire de langages plus ou moins évolués. 6 Difficulté de concevoir la connaissance Le travail du cogniticien est en quelque sorte de "décompiler" le savoir de l'expert. Actuellement, c'est à l'aide d'interviews et d'observations directes de l'expert en activité qu'a été la majorité des applications SE. Mais cette méthode présente un certain nombre d'inconvénients :  L'information recueillie auprès de l'expert manque souvent d'objectivité.  Il n'y a pas de garantie de complétude de l'information.  Les séances d'interviews sont chères et ralentissant parfois le déroulement du projet. Les psychologues ont beaucoup aidé les ingénieurs à surmonter la difficulté de ce processus de transfert qui doit passer par la mise en place d'un document formalisant les différentes facettes de l'expertise. 7 Connaissances Qu'est-ce qu’un symbole? Symbole : un signe qui représente une "chose" pour quelqu'un. Un Symbole est une relation ternaire entre : • Un signe • Une chose • Un interprète 8 Connaissances • Connaissances • Différence entre donnée, information, connaissance.  la donnée transporte l'information : ce sont des signaux non interprétés ;  l'information est une interprétation de la donnée ;  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... 9 Définition de la connaissance La connaissance est l'élément de base dans un SE, car elle permet à ce dernier de résoudre les problèmes qui lui sont posés. C'est d'ailleurs pour cela que les SE sont aussi appelés "systèmes à base de connaissances" = "knowledge based systems" (KBS). On peut définir le mot "connaissance" comme étant l'ensemble d'informations relatives au domaine d'expertise. On y trouve :  La connaissance factuelle  La connaissance opératoire  La connaissance généralisée  La méta connaissance Connaissances 10  La connaissance factuelle Ce sont :  les éléments de base, objets du monde réel liés à la perception immédiate, ils sont enregistrés tels quels Les assertions et définitions : elles caractérisent d'une façon sûre les objets de base les concepts : ce sont des regroupements ou des généralisations des objets de base relatifs à une vision "individuelle" des classes les relations : elles traduisent aussi bien des propriétés élémentaires des éléments de base, que des relations de cause à effet Connaissances 11  La connaissance opératoire  Les inférences : elles concernent l'ensemble des informations que nous avons sur les lois de fonctionnement de l'univers.  Les théorèmes et règles de réécriture : ce sont des cas particuliers de règles d'inférences qui ont la caractéristique d'être sûre.  Les stratégies et les heuristiques : ce sont des règles de comportements, innées ou acquises, qui permettent d'inférer des actions à envisager dans une situation précise Connaissances 12  La connaissance généralisée  les algorithmes de résolution: ils accomplissent certaines tâches agencées, ensuite ordonnées d'actions mémorisées en blocs. Habituellement, ces procédures sont de courtes séquences les événements : ils se composent de l'ensemble des actions que les objets accomplissent ou subissent et des états dans lesquels ils se trouvent les scénarios : ils représentent en IA des agrégations événements Connaissances 13  La méta connaissance Définition 1 : La connaissance étant vue comme édifiée sur des paliers successifs, la méta connaissance est introduite pour renseigner sur cette édification en forme et en contenu. Elle est souvent définie comme "connaissance sur la connaissance". Il faut noter que cette définition est difficile à transcrire. De même, les stratégies et les heuristiques sont intégrées dans cette famille. Connaissances 14  La méta connaissance (suite) Définition 2 : La connaissance est un ensemble lié de données et d’inférences. Le concept de connaissance est lié à l’interprétation des données. Il exige un « interprète ». Le rôle de l’interprète est la génération de nouveaux faits à partir de données. Ce mécanisme est aussi appelé « Inférence ». La connaissance est aussi assimilée à la compétence. C’est-à-dire qu’elle est définie par sa fonction. Elle se caractérise par ce qu’elle fait, non pas par son contenu structurel Connaissances 15 Les modes de représentation des connaissances Une question fondamentale à se poser concerne le formalisme selon lequel sera exprimé l'ensemble des connaissances dont on dispose au sujet du domaine abordé. Plusieurs formalismes existent. Néanmoins, on arrive à discerner deux grandes familles :  Les règles de productions et le calcul des prédicats. Un formalisme basé sur des fondements mathématiques.  Les représentations structurées telles que : les réseaux sémantiques, les frames et les scripts. Les techniques de représentation des connaissances sont le langage interne utilisée pour l’acquisition des connaissances. 16 Les modes de représentation des connaissances Une autre distinction est la connaissance « superficielle » et la connaissance « profonde »  Connaissance superficielle : expression symbolique des associations des faits permettant un raisonnement « abstrait »  Connaissance profonde : un modèle permettant le raisonnement par simulation La plupart des systèmes experts fonctionnent avec une « connaissance superficielle ». 17 Les modes de représentation des connaissances  Procédural:  Les automates finis  Les programmes  Déclaratif:  règles de production  La logique  Les réseaux sémantiques  Les scripts et les plans  Les objets structurés  Les frames  Les langages orientés objet Les modes de représentation des connaissances 18  Procédural C'est la représentation qui mélange données factuelles et contrôle. Elle a un certain nombre d'inconvénients:  Difficile à modifier et à étendre en fonction de l'évolution de la connaissance.  Ne permet ni une vision globale ni partielle des connaissances utilisées.  Exclut toute justification des solutions trouvées. Elle englobe les automates d'états finis et les programmes. Procédural 19  Les automates d'états finis Un automate est un ensemble fini d'états reliés entre eux par des arcs. Les états représentent les actions à entreprendre, les arcs représentent les règles de décision ou prédicats pour passer d'un état à un autre. Procédural q1 q3 q2 q0 F a b b a b Automate fini déterministe de aab|bbb. 20 Les programmes Un programme est une suite finie d'opérations ordonnées bien définies, exécutables sur un ordinateur et qui permet d'arriver à la solution en un temps raisonnable. Procédural 21  Déclaratif Les systèmes déclaratifs sont issus des démonstrations de théorèmes basés sur le principe de résolution.  Règles de production  La logique  Les réseaux sémantiques  Les scripts et les plans Déclaratif 22  règles de production A l'heure actuelle, les règles de production connaissent un réel succès en tant que moyen de représentation de connaissances dans les SE. La majorité des SE ont été développés en utilisant ce type de formalisme. La connaissance est exprimée sous forme de règles du type: Si < Prémisses > Alors < Conclusions >. Déclaratif 23 Déclaratif (logique) 1. Assertion et prédicat 2. Les connecteurs logiques 3. Propriétés 4. Les quantificateurs mathématiques 5. Résolution Introduction à la logique mathématique 24 Déclaratif (logique) 1. Assertion et prédicat 25 Déclaratif (logique) Assertion Définition 1.1 Une assertion est un énoncé mathématique auquel on peut attribuer la valeur de vérité vrai (V) ou faux (F), mais jamais les deux à la fois. C’est le principe du tiers-exclu. Exemple 1.1 L’énoncé « Alger est la capitale de l’Algérie » est vrai (V). L’énoncé « 24 est un multiple de 2 » est vrai (V). L’énoncé « 19 est un multiple de 2 » est faux (F). 26 Déclaratif uploads/Philosophie/ chapitre-2 7 .pdf