Présentation
Auteur(s)
-
Jean-Paul HATON : Professeur à l’université Henri-Poincaré, Nancy I - LORIA/INRIA - Membre de l’Institut universitaire de France
-
Marie-Christine HATON : Professeur à l’université Henri-Poincaré, Nancy I - LORIA/INRIA
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
L’intelligence artificielle (IA) a vu son importance économique s’accroître considérablement par sa capacité à s’attaquer à de nouvelles classes de problèmes, différents de ceux traités par l’informatique classique. Ces problèmes relèvent d’activités humaines variées (perception, prise de décision, planification, diagnostic, interprétation de données, compréhension du langage, conception) et présentent la particularité commune de nécessiter une exploitation raisonnée d’une grande quantité de connaissances, pour l’essentiel spécifiques du domaine étudié et acquises auprès d’experts.
La conception de systèmes à bases de connaissances (SBC) capables de réaliser des fonctions de raisonnement symbolique constitue ainsi à l’heure actuelle une part importante des recherches et des développements en IA. De tels systèmes nécessitent en particulier une représentation adéquate des connaissances mises en jeu ainsi que des mécanismes efficaces d’exploitation de ces connaissances ou de raisonnement.
Cet article présente un panorama des SBC et de leurs applications. 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. 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 les divers modes de raisonnement qui constituent les principes de base du fonctionnement des SBC. La coopération ou la concurrence entre agents dans les systèmes multiagents, qui constituent un univers de recherche et de développement important, sont ensuite développés. Un domaine très actuel est celui de la capitalisation des connaissances et de la mémoire d’entreprise, à la suite duquel est également traité le cas de la fouille de données. Nous envisageons ensuite les méthodes et outils pour le développement de systèmes à bases de connaissances, avant de donner quelques indications sur les développements actuels et de donner quelques perspectives et conclusions.
VERSIONS
- Version courante de mai 2012 par Jean-Paul HATON, Marie-Christine HATON
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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
Présentation
5. Capitalisation et gestion des connaissances
5.1 Mémoire d’entreprise
Sous l’intitulé knowledge management est apparue récemment l’idée de capitalisation et de gestion des connaissances au sein d’une organisation pour le maintien d’une mémoire de l’entreprise et une plus grande efficacité de fonctionnement. Mémoriser l’expérience et la mettre à la disposition du personnel peut être vital pour l’entreprise ; cette opération peut à l’heure actuelle être grandement facilitée par la mise en place d’un réseau interne à l’entreprise, Intranet, et d’outils de gestion de documents multimédia.
Les facteurs qui motivent la mise en place d’une telle démarche sont de nature économique et organisationnelle : concurrence du marché, limites des voies classiques d’amélioration de la productivité, risque de perte de savoir-faire lié aux départs à la retraite ou à des réorganisations sont autant d’éléments qui motivent la recherche de nouvelles voies d’amélioration du procédé ou de l’organisation.
Il est évident que pour une bonne part, la connaissance à conserver est de nature experte et que les principes et méthodes décrits dans cet article trouvent leur place dans cette approche. L’ingénierie de la connaissance et la modélisation d’entreprise sont ainsi des outils majeurs de la capitalisation de connaissances.
La connaissance dans l’entreprise est de nature diverse : savoir, savoir-faire individuels ou collectifs, données, modes opératoires, normes de qualité, expertise en management, mémoire de projet, retours d’expérience, démarches de prise de décision, modèle de circulation d’information, « système qualité », etc.
Prendre en compte ce qui fait la substance d’une organisation, c’est ainsi faire la synthèse de connaissances disparates, parfois liées à des points de vue individuels et faisant appel à des supports très divers : textes, illustrations, graphiques, organigrammes, documents électroniques, bases de données, mémoire des individus...
Il est classique de considérer que la gestion de la connaissance s’effectue suivant un cycle allant de la détection des besoins, qui est une phase majeure nécessitant souvent un véritable diagnostic de l’entreprise, à la diffusion de cette connaissance. Cette dernière est alors mise à l’épreuve de l’utilisation, ce qui...
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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
Capitalisation et gestion des connaissances
BIBLIOGRAPHIE
-
(1) - AYEL (M.), ROUSSET (M.C.) - La cohérence dans les bases de connaissances. - 1990 Cépadues Toulouse.
-
(2) - CHEN (C.H.) - Fuzzy Logic and Neural Network Handbook. - 1996 McGraw Hill.
-
(3) - DEAN (T.) et al - Artificial Intelligence, Theory and Practice. - 1995 Addison-Wesley.
-
(4) - DUCOURNAU (R.) et al. (rédacteurs) - Langages et modèles à objets. - 1998 INRIA, collection Didactique.
-
(5) - FERBER (J.) - Les systèmes multiagents : vers une intelligence collective. - 1995 InterÉditions.
-
(6) - FRON (A.) - Programmation avec contraintes. - 1994 Addison-Wesley Paris.
-
...
ANNEXES
Association française d’intelligence artificielle (AFIA)
http://cambronne.polytechnique.fr/afia
Fédération européenne des associations nationales d’intelligence artificielle (ECCAI)
American Association for artificial intelligence (AAAI)
HAUT DE PAGECet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(240 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