Accueil

Orientation générale

Barre de recherche

DicoNombre

DicoMot Math

DicoCulture

Atlas des maths

Rubriques

Index alphabétique

Nouveautés

Actualités

Références

Édition du: 13/01/2023

M'écrire

Brèves de Maths

 

INDEX

 

Logique

Algorithme

Programmation

Multimédia

 

LOGIQUE et IA

Introduction

Algorithmes

Jeux

Théorie

Humaine

Machine de Turing

Systèmes experts

Rx neuronaux

Programmation

Automate

Lambda-calcul

Robots

Historique

Algorithmes TOP 15

ChatGPT

IA Avancée

 

 

SYSTÈMES EXPERT

 Knowledge Based Expert Systems (KBES)

 

Mécanisation du raisonnement pour obtenir des déductions, des conclusions.

Les systèmes experts s'appuient sur la connaissance du domaine, préalablement  (et … consciencieusement) communiquée par un expert.

D'une liste de déclarations, le système expert cherchera toutes les déductions possibles et tentera d'aboutir à une conclusion.

   

 

Sommaire de cette page

>>> Approche

>>> Déclaratif

>>> Langage et principe

>>> Sens commun

>>> Prédicat de premier ordre

>>> Deux types de systèmes décisionnels

 

Débutants

Logique

 

Glossaire

Logique

 

 

 

 

 

Il est plus facile de simuler un géologue qu'un enfant de 5 ans.

 

Sentence qui nécessite explication!

Un système expert peu raisonnablement accomplir sa tâche s'il s'agit de traiter des éléments de géologie bien connus, bien organisés, mais il est incapable de simuler le sens commun même celui d'un jeune enfant. Sans doute, une des raisons pour lesquelles les systèmes experts ont eu un moment de gloire et se sont finalement effondrés sur le marché.

 

 

 

Approche

 

Un exemple basique: règles des fourmis pour créer leur cimetière à fourmis

 

 

 

*    De la sorte, les fourmis mortes se retrouvent regroupées en tas et
la nature nettoyée des cadavres.
 

*    Vous constaterez qu'il n'est pas utile à la fourmi

*           de savoir ce qu'est un tas, ou

*           ni même de savoir communiquer avec ses congénères.

*    Pas d'intelligence particulière, en fait!
 

 

 

Déclaratif

 

Systèmes expert

 

*    On décrit les règles à suivre.
Il s'agit, ensuite, de suivre ces règles générales.
On énonce toutes les règles en vrac, sans ordre particulier.
Seule condition pour être efficace: ne pas en oublier une seule !

 

Exemple

*    Si le feu est vert alors avancer.

*    Si tu trouves un panneau indicateur, alors prendre Trifouilly.

*    Si obstacle, alors ralenti et contourne l'obstacle.

*    Etc.

 

 

*    Il faut identifier toutes les connaissances relatives au problème et les placer dans une base de connaissance.

 

*    On remarque que le système, suite aux déductions (conclusions), trouvera de lui même la solution: mécanisme de déduction qui est appelé moteur d'inférences.

 

Le système expert est un outil de déductions rapide pour l'homme.

 

 Exemple: reconnaître une fleur

*    Si la fleur est rouge et a 4 pétales, alors c'est un coquelicot avec une probabilité de 50%.

*    Si de plus elle se trouve dans un champ de blé, c'est un coquelicot à 95%.

*    Pour en être sûr à 100%, vérifiez qu'il y a 4 sépales.

 

Voir le livre  Quelle est donc cette fleur qui permet de reconnaître les fleurs sur ce principe.

  

 

 

Langage et principe d'unification

 

Langage

*      Le langage LISP (List Processor) est le premier langage d'intelligence artificielle.  Il a été développé en 1958 par J. McCarthy pour l'ordinateur IBM 704.

*      Les instructions sont de simples listes de déclaration. Le programme "fouille" dans ces déclarations pour en déduire d'autres (moteur d'inférences) et tenter d'arriver à une conclusion, un peu à la manière des logigrammes.

*      Le langage Prolog – développé en 1973 par  Alain Comerauer, université de Marseille –  a eu un certain succès du fait de son caractère pédagogique.

 

Principe d'unification

*      En algèbre, la résolution d'une équation donne la valeur de l'inconnue. Il peut y en avoir plusieurs, mais elles sont bien définies.

*      En logique (logique des prédicats), l'unification attribue, assigne une valeur aux variables et cette valeur est définitive. Plusieurs variables peuvent prendre la même valeur par transitivité: elles deviennent synonymes.

*      En Prolog, cette opération d'unification est notée simplement par le signe "=".

 

 

 

Résoudre une énigme avec Prolog

 

*       Vous connaissez le Cryptarithme ci-dessous et sa résolution conventionnelle:

                      D  O  N  A  L  D

                  +  G  E  R  A  L  D

                      R  O  B  E  R  T

 

*       Voici un exemple d'efficacité du langage Prolog (en rouge) pour chercher les solutions.

   X = [D,O,N,A,L,G,E,R,B,T],

Toutes ces lettres sont des variables

   all_intin(X, 0, 9),

Toutes à l'intérieur de l'intervalle 0 à 9

   gt(D, 0),

   gt(G, 0),

La valeur 0 est exclue pour D et G

   all_diff(X),

Toutes les variables ont des valeurs différentes

   100000.*.D .+. 10000.*.O .+. 1000.*.N .+. 100.*.A .+. 10.*.L .+. D .+.

   100000.*.G .+. 10000.*.E .+. 1000.*.R .+. 100.*.A .+. 10.*.L .+. D =

   100000.*.R .+. 10000.*.O .+. 1000.*.B .+. 100.*.E .+. 10.*.R .+. T,

Mise en équation

   enum_list(X).

Rechercher toutes les valeurs compatibles avec les informations données ci-dessus

 

D'après le site Internet Small Projects

 

Voir Programmation

 

 

Sens commun

 

Quelques exemples

 

*       Un objet est à un seul endroit à la fois.

*       Le temps est le même pour tout le monde.

*       Un mort n'est plus vivant.

*       S'il pleut, on se mouille.

*       Les plats sucrés sont très souvent appréciés.

*       Si je marche, c'est que je suis debout.

*       Au restaurant, si je paie l'addition, c'est que j'ai fini le repas.

*       Si Gérard est le père de Guillaume c'est que Guillaume est le fils de Gérard.

*       Si une personne meurt ce sera pour toujours.

*       Si un objet est sur la table, il y est posé, il ne flotte pas.

*       Un saucisson coupé en deux reste saucisson; ce n'est pas le cas pour une bouteille, etc.

*      
 

Douglas Lenat - à partir de 1984

 

Lenat s'est donné comme objectif de constituer la liste complète de toutes les règles de sens commun. Une base de données du sens commun. Il suffirait de les charger dans les ordinateurs pour les rendre "intelligents", capable de d'interpréter et d'exécuter des ordres. Le logiciel d'utilisation de ces données ferait partie des utilitaires comme le sont aujourd'hui les traitements de texte ou autres tableurs.

C'est le projet OpenCyc dont la dernière version a été éditée en 2012. Il utilise les prédicats de premier ordre.

 Visions de Michio Kaku - Chapitre sur la révolution informatique

 

 

 

Prédicat de premier ordre

 

Raisonnement symbolique dans lequel on trouve un sujet suivi d'un prédicat.

 

Par exemple:

*    le chien (sujet) est un animal (prédicat);

*    le chat est un animal;

*    E est P avec E = {chien, chat, cheval, foumi …) et P = est un animal.

*   
 

Anglais;: first-order logic, first-order predicate calculus, first-order functional calculus

 

 

Deux types de systèmes décisionnels

Système expert.

Moteur de raisonnement (sémantique).

Calcul en logique formelle.

Arbre de décision.

Réseaux de neurones.

Systèmes à apprentissage (profond).

Machine learning, deep learning.

Intelligence artificielle (IA).

Travail sur les règles.

Nécessite  l'identification de toutes les règles (si ceci, alors cela).

Aucune erreur ou omission permise.

Travail sur les données.

Nécessite la confrontation à des milliers de cas pour renforcer la robustesse des décisions.

Requiert la disponibilité d'un large volume de données pertinentes et de bonne qualité.

Résultats rapides.

Investissement dans l'apprentissage.

Usage:

Travaux simples.

Environnement stable.

Domaine d'application limité.

Usage:

Travaux complexes.

Environnement variable.

Grand nombre de variables ou de critères.

Algorithmes définis et maitrisés par l'homme

Évolution au gré des concepteurs.

Système décisionnel maitrisé par l'homme.

Algorithme engendré par la machine.

Évolution continue selon l'apprentissage.

Système décision développé par la machine.

Risques de chevauchements ou de conflits lors de la croissance du système.

Complexification croissante avec son évolution.

L'identification des données utiles et leur contrôle nécessitent une équipe d'experts en science des données (data scientists et data engineers).

Grande fiabilité.

Résultats stricts, rigoureux (hors maladresse dans l'établissement des règles).

Risque d'erreur.

Risque de décisions erronées (le système est à la mesure des cas appris et peut créer des faux positifs).

Exemple:

Approbation de dépenses selon des seuils nécessitant une approbation de la hiérarchie.

Exemple:

Détection de fraude fiscale parmi une grande population et une grande variété d sources d'informations.

 

 

 

Suite

*    Réseaux neuronaux

*    Raisonnement

*    Informatique

*    Algorithme et humanité – Le Théorème d'hypocrite

Voir

*      Dualité

*      Énigmes et paradoxes

*      Événements chronologiques

*      Fractales

*      Histoire de l'informatique

*      Histoire des ordinateurs

*      Incomplétude

*      Intelligence

*      Intelligence des animaux

*      LogiqueIndex

*      Multimédia et informatiqueIndex

*      Ontologie

*      Outils de la logique

*      Puissance de calcul

*      Systèmes experts

*    Turing et le Bureau 47

Cette page

http://villemin.gerard.free.fr/Wwwgvmm/Logique/IAexpert.htm