Exopsée universitaire

1. Université Ahmed Draïa –Adrar
FACULTE DES SCIENCES DE LA MATIERE, MATHEMATIQUES ET INFORMATIQUE
Département Mathématiques et nformatique
Module: Logique pour l’intelligence artificielle
1er année master SI
Présenter par:
 Harouache Mebarek
 Bekhti Abdellah
Exposé sur:
Le Raisonnement Automatique
Suivée par:
Dr: Rabhi Seddik
• 2023/2024

2.  Définition de Raisonnement Automatique
 L'histoire du raisonnement automatique
 Fondements du raisonnement automatique
 Types de Raisonnement Automatique
 Approches en intelligence artificielle pour le raisonnement automatique
 Techniques avancées en raisonnement automatique
 Défis et limites du raisonnement automatique
 Applications et domaines d'avenir
 Conclusion

5. Historique du raisonnement automatique
1
Années 1950 : La naissance de l'intelligence artificielle (IA) : Le
concept de l'IA et du raisonnement automatique a été
largement popularisé par Alan Turing et sa machine Turing,
ainsi que par le travail de John McCarthy et Marvin Minsky, qui
ont posé les fondements de ce domaine.
2
Logique symbolique : Dans les années 1950 et 1960, des
chercheurs tels que Herbert Simon et Allen Newell ont développé
la logique symbolique pour représenter le raisonnement humain
en utilisant des symboles formels et des règles logiques. Ils ont
créé le programme Logic Theorist, capable de démontrer des
théorèmes mathématiques. 3
Moteurs d'inférence et systèmes experts : Dans les années
1970 et 1980, des progrès ont été réalisés dans les moteurs
d'inférence, qui sont des outils informatiques capables de
déduire de nouvelles connaissances à partir de connaissances
existantes. Ceci a mené au développement des systèmes
experts, tels que MYCIN (utilisé en diagnostic médical) et
DENDRAL (utilisé en chimie).
4
Apprentissage automatique et raisonnement probabiliste : À
partir des années 1980, l'intégration de l'apprentissage
automatique dans le raisonnement automatique a été
explorée. De plus, des approches basées sur la probabilité ont
commencé à être utilisées pour modéliser l'incertitude et la
prise de décision dans le raisonnement.

6. Suite
5
Raisonnement par analogie et réseaux neuronaux : Dans les
années 1980 et 1990, le raisonnement par analogie a gagné en
importance, utilisant des structures de données pour établir des
similitudes entre des cas similaires. Parallèlement, les réseaux
neuronaux ont été explorés pour simuler les processus cognitifs
humains, offrant de nouvelles approches pour le raisonnement
automatique.
6
Développements récents : Depuis les années 2000 jusqu'à nos
jours, l'émergence de l'apprentissage profond et des réseaux
de neurones profonds a révolutionné le domaine du
raisonnement automatique. Ces avancées ont permis
d'aborder des problèmes complexes en utilisant des modèles
de plus en plus sophistiqués et des données massives.
Aujourd'hui, le raisonnement automatique continue de se développer avec l'intégration croissante de
l'apprentissage automatique, des réseaux neuronaux et de l'intelligence artificielle dans de nombreux
domaines tels que :

7. La médecine
Le raisonnement automatique est utilisé dans l'analyse des
images médicales, le diagnostic de maladies et la découverte
de traitements personnalisés.
La finance
Le raisonnement automatique est utilisé pour la détection de
fraudes, la prédiction de tendances du marché et la gestion
d'investissements.
L'agriculture
Le raisonnement automatique est utilisé pour gérer les
L'exploration spatiale
Le raisonnement automatique est utilisé pour planifier les

8. Les modèles de logique formelle, comme la logique propositionnelle et
la logique du premier ordre, sont utilisés pour représenter les
connaissances. Par exemple, dans le cadre de la logique
propositionnelle, l'exemple classique du raisonnement serait
l'utilisation de modus ponens : si "A implique B" et "A est vrai", alors "B
est vrai".
Dans la résolution de problèmes, des algorithmes comme l'algorithme
A* sont utilisés pour trouver des chemins optimaux dans des
environnements complexes, comme dans la planification de trajets pour
des robots ou des véhicules autonomes.
Fondements du raisonnement automatique

9. Raisonnement Déductif
Raisonnement Inductif
Raisonnement Abductif
Types de Raisonnement Automatique

10. 1 Raisonnement Déductif :
Ce type de raisonnement part de généralisations pour tirer des conclusions spécifiques. Il
part d'affirmations générales (appelées prémisses) pour parvenir à des conclusions
spécifiques.

11. 2 Raisonnement Inductif
À l'inverse du raisonnement déductif, le raisonnement inductif part d'observations
spécifiques pour tirer des généralisations. Il se base sur des exemples particuliers pour
établir des affirmations générales. Par exemple, si j'ai vu plusieurs corbeaux noirs et qu'ils
sont tous noirs, alors j'en déduis que tous les corbeaux sont noirs (même si cela pourrait
être inexact).
Quel est le nombre suivant ?
3 ; 12 ; 13 ; 52 ; 53 ; ?

12. 3 Raisonnement Abductif
3. Ce type de raisonnement est utilisé pour formuler des hypothèses ou des
explications plausibles en se basant sur des preuves incomplètes. Il est souvent
utilisé pour générer des suppositions ou des scénarios probables à partir de
données partielles ou limitées.
Par exemple,
si la route est mouillée, on peut abductivement supposer qu'il a plu.

13. • Le but de l’abduction est d’expliquer des observations.
La vie de tous les jours Diagnostic médical
observations
cause possible
Connaisances
générales
47

18. Limitations du raisonnement
automatique
1 Les défis et les obstacles rencontrés dans le développement du
raisonnement automatique
Les défis incluent la complexité des tâches de raisonnement, le manque de données
fiables et la difficulté de modéliser l'intelligence humaine.
2 Les limites de la capacité humaine à automatiser le raisonnement
Il y a des limites à ce que les humains peuvent automatiser, notamment la
compréhension de l'ironie et de l'humour, la créativité et l'empathie.

19. Perspectives futures
Technologies avancées
Les avancées en matière
de traitement du langage
naturel et de
l'apprentissage en
profondeur signifient que
les capacités de
raisonnement
automatique continueront
de croître, tout comme
leur impact sur notre vie
quotidienne.
Éthique
Le développement du
raisonnement
automatique soulève des
questions éthiques
importantes, telles que la
responsabilité des
erreurs et la prédiction du
comportement humain.
Innovation
Les opportunités
potentielles du
raisonnement
automatique sont vastes,
des voitures autonomes
aux soins de santé
personnalisés en passant
par l'analyse de données
massive sur les
changements climatiques.
Les seules limites sont
celles de notre propre
imagination.

20. Conclusion
En conclusion, le raisonnement automatique est
un domaine riche en applications pratiques et en
défis éthiques. Les avancées futures doivent être
accompagnées d'une réflexion approfondie sur
l'éthique et la transparence pour garantir un
impact positif dans notre société.

21. Biblioghraphie
Présentations PPT
1- Représentation des conaissances et Raisonnement Automatique /ben ayad wafa et elamine maryam /these de master - university SAFEX
2- Cours en Représentation des connaissances et raisonnements - Pr. Okba KAZAR -Université de Biskra
3- Raisonnement automatique L’approche “logique” Matthieu Amiguet
Projets Fin d’étude :
Intégration de services de raisonnement automatique basés sur les logiques de description dans les applications d’entreprise
par Jacques Bergeron Université de Montréal
Sites :
01- https://fr.wikipedia.org/wiki/Raisonnement dernière visite 06-12-2023
02- https://www.linkedin.com/pulse/inductive-reasoning-ai-sumit-s-patil dernière visite 06-12-2023
03- https://www.slideshare.net/VincenzoLomonaco/machine-learning-for-automated-reasoning-an-overview dernière visite 06-12-2023