Cours intro ia_2015_2016

Département Informatique
UV F2B206 Conception et modélisation des systèmes
d'information sémantiques
Intelligence Artificielle
&
Ingénierie des Connaissances :
Représentation des Connaissances
Serge Garlatti

Plan
 Introduction à la représentation de connaissances
(1h30)
• Historique et objectifs de l'I.A.
• La notion de connaissance en intelligence artificielle
• Les paradigmes de représentation de connaissances
 La logique et Prolog
• Calcul des prédicats
- Théorie des modèles
- Théorie axiomatique
• De la logique à Prolog

Plan
 Les représentations Objets et les Ontologies
• Propriétés
• Les Ontologies
• F-Logic, logiques de description et graphes conceptuels
 Le Web Sémantique
• Introduction, enjeux
• L’architecture du web sémantique
• RDF / RDFS
• OWL
• Les environnements de gestion de connaisssances

Historique de l’IA
 1834 Babage et la machine à calculer : définit le
concept de machine à calculer universelle, ancêtre
de l’ordinateur moderne et en propose les plans,
machine mécanique.
 1950 Alan Turing « Can machine think ? » :
• Déterminer qui est l'homme et la femme, au
problème prêt que l'un d'entre eux est remplacé par
une machine.

Historique
 Toute machine qui laisserait l'interrogateur dans
l'incertitude, selon Turing, pourrait être qualifiée
d'intelligente.
Homme
Femme
Interrogateur
Textes
Textes

Historique
 La question est devenue :
• Pour un calculateur C, est-il vrai qu'en augmentant
suffisamment la capacité mémoire de C en accroissant sa
rapidité d'exécution et en la programmant correctement, C
puisse jouer au jeu de l'imitation.
 Comment aborder ce problème ?
• Prendre des problèmes formalisables aisément tels que les
mathématiques, les jeux (échecs, poker, ...) ce qui fut la
démarche suivie par Newell et Simon.
- Echec OK maintenant, Jeux de go actuellement
• Mais ce n'est pas suffisant, d'autres activités requièrent de
l'intelligence comme par exemple la compréhension de la
langue naturelle.

Historique
 Fondements de l'informatique : toute machine numérique
peut être simulée par une machine à états discrets,
équivalence de toutes les machines à états discrets qui
disposent d'une mémoire infinie.
 1956 Naissance de l'I.A. s'est faite à Dartmouth Collège à
l'été 1956
• The LOGIC THEORIST : démonstrateur de théorèmes en
logique des propositions qui utilise la notion
d'HEURISTIQUES.
- Prendre logique des propositions et montrer comment on peut faire
• Langage formel, algorithme + heuristiques.
• Premier langage de manipulation de listes appelé Information
Processing List ou IPL.

Historique
 1956 Terme IA [John Mac Carthy]
 1959 Le langage Lisp [John Mac Carthy], manuel 1962
• LISt Processing
 1959 GPS, General Problem Solver [Newell, Shaw,
Simon] :
• Un Problème = un état, un but, et un ensemble
d'opérateurs.
• Résoudre le problème = passer de l'état initial à l'état
final ou but par application d'une série d'opérateurs.
– Exemple des échecs, 64 Case, des mouvements de
pièces (opérateurs), état intitial et état final.

Historique
 La décennie 1970 Les « systèmes experts » :
• 1969 DENDRAL , Lindsay, Buchanan, feigenhbaum,
Lederberg, reconstitue la formule développée d’un
composant chimique.
• 1976 MYCIN, Diagnostic des infections
bactériennes, Shortliffe
 La décennie 1980 : vers l’industrialisation
• Systèmes experts comme systèmes autonomes,
séparés des autres systèmes d’information d’une
entreprise

Historique
 La décennie 1990 : Age de raison ?
• Systèmes à base de connaissances, SBC, Systèmes
interactifs
• SBC comme systèmes coopératifs et intégrés dans des
systèmes d’informations de l’entreprise et/ou inter-entreprise
 La décennie 2000
• Nouveau champ d’application : Le « Semantic Web »
- KM, Portails, Intranet, B2E, B2B, E-commerce, etc…

Une définition de l’I.A
 L'avènement de l'I.A. s'est faite autour d'une
utopie, rendre les machines intelligentes,
capables de penser
 Plusieurs définitions de l'I.A. ont été proposée
depuis de nombreuses années. Parmi celles-ci,
une bonne définition est la suivante :
• Définition : L'intelligence artificielle est un domaine des
sciences et de l'ingénierie qui a pour but de résoudre des
problèmes en étudiant les comportements communément
appelés "intelligents" et de créer des artefacts qui exhibent de
tels comportements ou les comportements les plus proches
possible.

Données, Informations, Connaissances et
Savoir-faire
 Tout système informatique est un système de
traitement de l'information dans lequel il va être
nécessaire de distinguer les termes suivants :
• données, d'informations
• et de connaissances déclaratives
• et/ou procédurales ou savoir-faire

Savoir-faire
 Définition de données :
• Nous appellerons données tout signifiant
susceptible d'être capté, enregistré, transmis ou
modifié par un agent cognitif de traitement de
l'information, naturel ou artificiel (l'ensemble de ces
fonctions n'est pas une obligation)
• Propriétés : Le signifiant est appréhendé au moyen
de signes (aspect sémiotique). (cf. Kanellos)
- Exemples: images,

Problématique
Comment donner du
sens
aux Données

Problématique
Comment attribuons-nous du sens aux données ?
Que voyez-vous ?

Problématique
Que voyez-vous ?

Problématique
 Shotokan-ryu
 Goju-ryu
 Wado-ryu
 Shito-ryu
 Shorin-ryu
Que voyez-vous ?

Problématique

Problématique
 Pour Donner du sens aux données
• Nous utilisons nos connaissances
dans des domaines spécifiques
pour identifier / reconnaître ces données
• Connaissances partagées par des
communautés

Savoir-faire
http://mecamotos.free.fr/moteur/moteur.htm

Savoir-faire
 Définition d’Information
• L'information est un signifié transporté par une
donnée. Ce signifié est dépendant des procédures
de décodage des données (c'est-à-dire d'extraction
de l'information) et de l'univers cognitif des agents
qui mettent en oeuvre ces procédures.
• Propriétés : l'information a un "sens" dépendant de
trois facteurs
- La tâche, ou grille à travers laquelle la donnée est décodée,
- Les procédures de décodage existantes,
- L'agent décodeur et son propre univers cognitif (Engalbert
89, 93)

Savoir-faire
 Définition de connaissances
• La connaissance est le mode d'emploi permettant de
transformer les données en informations. C'est donc ce qui est
associé au passage entre le signifiant et le signifié.
• Propriétés : elle représente un niveau d'abstraction difficile à
matérialiser de façon simple.
 Les formes peuvent être les suivantes :
• Une procédure d'affectation du sens (information) à un
signifiant (donnée)
• Une loi exprimant des relations entre informations

Savoir-faire
• Un mode de transformation de données, informations,
connaissances en d'autres données, informations et
connaissances (raisonnement).
• Un protocole de génération : de données, par application d'un
raisonnement déductif ou abductif, de lois par application de
l'induction
 Sont considérés comme connaissances pour notre domaine
• Les descriptions ou représentations dites génériques, Les
descriptions ou représentations dites spécifiques,
• Les procédures, Les règlements, les raisonnements

Savoir-faire
 Définition de savoir-faire :
• Le savoir-faire, pour un agent cognitif naturel ou
artificiel, est un mode d'optimisation de l'attribution
de sens à des données (en acquisition ou en
génération), "court-circuitant" le passage par les
connaissances nécessaires qui auraient abouti au
même résultat.
• Propriétés : le savoir-faire ne nous apparaît pas
admettre le principe de compositionalité, peu
verbalisable donc difficile à acquérir (pb acquisition
de connaissances), les modes d'acquisition de
ceux-ci ne semblent pas facilement descriptibles.

Images and facts
to interpret
ATLAS Knowledge
1
1
Text
3
2 connaissances sources
caractéristiqueséléments
connaissances contextuelles
objectifs domaines
anatomie
neurologie
neurophysiologie
angiologie
interprétation
examens
radiologiques
description
angiographie
est-un
sous-domaine anatomie
neurologie
neurophysiologie

Knowledge Acquisition
Decision
Support
Access to
relevant
cases
Access to
relevant
Knowledge
Knowledge
Acq.
Process
Modeling
Process
Access to
relevant
Knowledge
Decision Process
New
Case
New Knowledge / New org. of Knowledge
New organization of case informationNew case interpretation
General
Knowledge
Situated
Knowledge
(Case
Database)

Domain Structures Attributes Informationtype Cutaway Domain Structures Attributes Informationtype Cutaway
Domain Structures Attributes Informationtype CutawayHierarchy
Anatomicalstructures White matter
Liquid spaces
Vessels
Lobes
Sulci
Gyri
Cranialnerves
Grey nuclei
Deep grey nulcei
Brainstemnulcei
Ventricules
Bundle
Commissure
Domain
Anatomical Structures
Attributes
Informationtype
Structures
Viewpoint update

L’intelligence Artificielle
L’Intelligence artificielle intervient dans
des domaines et pour des problèmes où
l’on ne peut construire des programmes
avec des solutions algorithmiques
simples et pour lesquels les
connaissances à utiliser sont
difficilement formalisables.

Les paradigmes de représentation de
connaissances
 La logique
• Prolog, Frames-Logic
 Les Ontologies ou représentations objets
• Les logiques de descriptions
• Les Frames-Logic
• Les Graphes conceptuels
 Les règles
 Les contraintes

Les paradigmes de représentation de
connaissances
 Un Paradigme =
• Une catégories de représentation
- Formules logiques, classes/relations, contraintes, règles, .
+
• Des mécanismes d’inférences spécifiques

Cours intro ia_2015_2016

Contenu connexe

Tendances

En vedette

Similaire à Cours intro ia_2015_2016

Plus de Serge Garlatti

Cours intro ia_2015_2016