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
Capitalisation et gestion des connaissances4. Systèmes multiagents
La résolution de problèmes distribuée et plus généralement l’IA distribuée représentent un courant de pensée novateur et prometteur au sein des recherches actuelles. L’idée de résolution distribuée de problèmes remonte au milieu des années 1970 avec d’une part, les langages d’acteurs et d’autre part, le modèle d’architecture de tableau noir ou blackboard, initialement proposé pour la compréhension automatique de la parole et largement repris par la suite. Le concept d’IA distribuée recouvre en réalité au moins deux démarches différentes, au demeurant non exclusives :
-
la conception de systèmes d’IA distribuée, dans lesquels les agents sont des entités logicielles raisonnantes capables de mener à bien une tâche contribuant à la résolution d’un problème complexe. Les agents peuvent être aussi des entités physiques (machines, robots manipulateurs, etc.) : le problème est alors celui des systèmes multirobots ;
-
la distribution totale des connaissances et du raisonnement sur un très grand nombre de processeurs élémentaires fortement connectés, dotés chacun de capacités de traitement très limitées : l’intelligence naît de la mise en commun de la multitude des traitements locaux. La problématique est notamment celle des systèmes connexionnistes neuromimétiques, fondés sur une modélisation plus ou moins fidèle du cortex humain.
Seuls les systèmes multibases de connaissances sont abordés dans cet article. Le raisonnement dans ces systèmes relève d’une conception « sociale » de l’intelligence consistant à faire interagir un ensemble d’agents ou de bases de connaissances capables chacun de résoudre une partie d’un problème. L’interaction relève de deux grands mécanismes parfois présents simultanément : la coopération (les agents sont complémentaires) et la compétition (les agents sont concurrents, ce qui conduit à des conflits qu’il faut résoudre).
La conception de systèmes multiagents nécessite que l’on étudie notamment deux points :
-
les mécanismes de conduite des raisonnements et les stratégies à mettre en œuvre pour parvenir de façon efficace à une solution. Ces systèmes comportent des stratégies élaborées qui influent...
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
Systèmes multiagents
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
