Cours intro ia_2015_2016

Département InformatiqueUV 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



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,

Département Informatique

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 ?

http://fr.wikipedia.org/wiki/Karat%C3%A9#Shotokan-ryu

http://fr.wikipedia.org/wiki/Karat%C3%A9#Goju-ryu

http://fr.wikipedia.org/wiki/Karat%C3%A9#Wado-ryu

http://fr.wikipedia.org/wiki/Karat%C3%A9#Shito-ryu

http://fr.wikipedia.org/wiki/Shorin-ryu


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



http://mecamotos.free.fr/moteur/moteur.htm

http://mecamotos.free.fr/moteur/moteur.htm


Données, Informations, Connaissances et 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)



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



• 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



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 factsto interpret ATLAS Knowledge

1 1

Text

32 connaissances sources

caractéristiqueséléments



connaissances contextuelles

objectifs domaines

anatomie

neurologie

neurophysiologie

ang iolog ie

interprétation examens

radiologiques

d escrip t ion ang iog rap h ie

est -u nsou s-d omain e anatomie

neurologie

neurophysiologie


Knowledge Acquisition

Decision Support

Access torelevantcases

Access torelevant

Knowledge

KnowledgeAcq.

Process

ModelingProcess

Access torelevant

Knowledge

Decision Process

NewCase

New Knowledge / New org. of Knowledge

New organization of case informationNew case interpretation

GeneralKnowledge

Situated Knowledge

(CaseDatabase)


Domain Structures Attributes Information type Cutaway Domain Structures Attributes Information type Cutaway

Domain Structures Attributes Information type CutawayHierarchy

Anatomical structures White matter

Liquid spaces

Vessels

Lobes

Sulci

Gyri

Cranial nerves

Grey nucleiDeep grey nulcei

Brain stem nulcei

Ventricules

Bundle

Commissure

Domain

Anatomical Structures

Attributes

Information type

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

Engineering

Transcript of Cours intro ia_2015_2016