Bibliographie & annexes
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.
L'expertise technique et scientifique de référence
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
(239 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
Résolution de problèmes1. Connaissances
1.1 Généralités
La conception de systèmes à bases de connaissances, et notamment des systèmes experts, constitue un domaine majeur en intelligence artificielle (IA). De tels systèmes sont conçus pour atteindre les performances d’experts humains dans des domaines limités en exploitant un ensemble de connaissances acquises pour l’essentiel auprès de ces experts. Apparus vers 1975, ils ont eu un impact certain sur l’IA ainsi qu’un retentissement médiatique parfois exagéré. Le terme de système expert disparaît au profit du concept plus général de système à bases de connaissances (SBC) que l’on retrouve dans divers champs d’activités de l’IA. Ce concept est fondé sur une séparation entre les connaissances nécessaires pour résoudre un problème et les mécanismes de raisonnement exploitant ces connaissances (appelés selon les cas structures de contrôle, interpréteurs, moteurs d’inférence). Cette définition, illustrée par la figure 1, montre la dualité connaissances/raisonnement qui vient compléter la structure algorithmique traditionnelle de l’informatique procédurale.
Une caractéristique importante en pratique d’un tel système est liée à la nature incrémentale des connaissances mises en jeu. Cela permet une mise au point et une maintenance des systèmes par modification (en particulier par ajout) de connaissances à la base existante.
Le terme de connaissances recouvre les différentes formes du savoir : objets du monde, faits concernant ces objets (par exemple « la neige est blanche »), classifications (par exemple taxinomies en zoologie ou en géologie), événements (« la température du four s’est mise à osciller »), règles heuristiques de savoir-faire (« Si le moteur cale à froid, le gicleur est peut-être bouché »), etc. Une forme importante est la métaconnaissance, ou connaissance sur la connaissance. Elle correspond au recul que l’on prend par rapport à un certain domaine d’activité et représente de ce fait souvent une part notable de l’expertise humaine. Il faut également signaler les connaissances de bon sens (common sense knowledge) qui participent sans doute des diverses formes présentées précédemment.
Les connaissances peuvent être permanentes (« un moteur à explosion possède...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 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
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 PAGE
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 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
