Représentation de la connaissance intelligence artificielle

Intelligence Artificielle AI - Prolog : Représentation de la connaissance Intelligence Artificielle

Représentation de la Connaissance en Intelligence Artificielle

Introduction

L'objectif de base de l'intelligence artificielle (IA) est de :

Réussir à doter les machines des capacités leur permettant de réaliser des tâches réputées intelligentes.
Créer une machine intelligente, possédant la faculté de raisonner, de comprendre, d'apprendre, de déduire et de réagir.

Durant les premières années de recherche (années 1950), plusieurs systèmes informatiques intégrant un raisonnement de bon sens ont été conçus. Ces systèmes datent de 1956, année où l'expression "Intelligence Artificielle" a été prononcée pour la première fois.

John McCarthy a cherché à attribuer un nom frappant à cette discipline, déclarant : "We need something more flashy". En 1956, il a également conçu le premier langage de programmation adapté à l'IA : le langage LISP (List Processing). Depuis, de nombreux résultats et outils ont été développés, mais il est devenu évident que la réalisation d'une machine intelligente, conforme au rêve initial, restait lointaine.

Des définitions plus adaptées aux résultats obtenus ou aux rêves les plus réalistes ont été proposées. Voici une combinaison courante :

L'IA est une discipline en informatique qui permet la reproduction de comportements humains intelligents. Elle vise à concevoir des programmes et des machines capables de traiter des problèmes pour lesquels nous n'avons pas de méthodes directes et assurées de résolution.

Systèmes Experts

Un système expert (SE) est un programme informatique qui exploite les connaissances dans un domaine précis et rigoureusement limité. Il est utilisé pour effectuer des tâches intellectuelles, c'est-à-dire des travaux exigeant le savoir et l'expérience de l'homme.

Un SE peut assister efficacement un utilisateur, tout comme un expert humain, sans prétendre à une compétence en dehors de sa spécialité. Il repose sur une séparation claire entre les données (base de connaissance) et le programme qui les manipule (moteur d'inférences).

Le cœur d'un SE se compose de deux éléments principaux : une base de connaissance et un moteur d'inférences.

Définitions de l'Intelligence Artificielle

L'IA peut être définie de différentes manières selon les perspectives adoptées :

La conception de systèmes informatiques intelligents (E. Feigenbaum).
L'étude des concepts permettant de rendre les machines intelligentes (Winston).
L'automatisation de comportements intelligents (Luger & Stubblefield, 1993).
La programmation des ordinateurs pour réaliser des tâches nécessitant de l'intelligence humaine (Marvin Minsky).
L'amélioration de la qualité de vie et de la compétitivité économique grâce à des systèmes comparables au raisonnement humain (Japan-Singapore AI Centre).
L'automatisation d'activités associées à la pensée humaine, comme la prise de décision ou la résolution de problèmes (Bellman, 1978).
L'IA commence là où l'informatique classique s'arrête : tout problème sans algorithme connu ou raisonnable relève de l'IA (Jean-Louis Laurière).

Caractéristiques Clés de l'IA

Les principales composantes d'un système d'IA incluent :

Les connaissances.
Le raisonnement.
La compréhension du langage naturel.
L'apprentissage.

Marvin Minsky a souligné que la question n'est pas de savoir si les machines peuvent avoir des émotions, mais si elles peuvent être intelligentes sans émotion.

Intelligence Artificielle Faible et Forte

Il existe un consensus distinguant :

L'IA forte : une machine capable non seulement de produire un comportement intelligent, mais aussi d'éprouver une impression de réelle conscience de soi, de "vrais sentiments" et de comprendre ses propres raisonnements.
L'IA faible : une approche pragmatique visant à construire des systèmes autonomes et des algorithmes capables de résoudre des problèmes spécifiques. La machine simule l'intelligence humaine et semble agir comme si elle était intelligente.

Histoire de l'IA

Les périodes clés de l'IA sont les suivantes :

1952 à 1969 : période euphorique, où l'on annonçait le remplacement des experts humains par des systèmes experts et la compréhension du langage naturel.
1966 à 1974 : compréhension des difficultés, notamment l'absence de connaissances approfondies et les limites du raisonnement, entraînant un ralentissement des recherches.
1988 à 1993 : "hiver de l'IA", marqué par un ralentissement des recherches en raison des promesses non tenues.
Depuis 2000 : émergence de nouvelles branches comme le Big Data, le Machine Learning (Deep Learning), les Web Services et la fouille de données.

Le Machine Learning vise à étudier et entraîner des algorithmes pour qu'ils apprennent à apprendre et fassent des prédictions sur de grandes quantités de données. L'apprentissage supervisé et non supervisé provient de l'exploration de données, dont l'objectif est d'extraire des connaissances à partir de bases d'informations.

Domaines d'Application de l'IA

Les réalisations actuelles de l'IA couvrent plusieurs domaines, notamment :

La reconnaissance des formes, des visages et de la parole.
Le traitement automatique des langues (traduction).
Les interfaces intelligentes.
La recherche intelligente dans des bases de données (fouille de données, fouille de textes).
La robotique.
Les diagnostics et systèmes experts (médical, bourse, panne, etc.).
Les jeux (échecs, dames, Go), où les algorithmes classiques ont échoué.

Domaines d'Application des Systèmes Experts

Les systèmes experts sont développés dans divers secteurs, tels que :

La médecine.
La détection de pannes dans les réseaux.
La perception géologique.
L'analyse chimique.
Le calcul automatique de la configuration optimale d'un système d'information.
L'évaluation de la fiabilité des opérateurs humains et machines dans une entreprise.
Les systèmes d'aide à la décision.

Dangers Potentiels de l'IA

Certains auteurs soulignent que l'IA pourrait présenter des inconvénients si les machines devenaient plus intelligentes que les humains et finissaient par les dominer, voire les exterminer.

Logique des Propositions et Logique des Prédicats du Premier Ordre

Logique des Propositions

La logique des propositions est une approche classique pour représenter la connaissance en IA. Elle formalise le raisonnement et la déduction.

Une proposition est un énoncé ayant une valeur de vérité (vraie ou fausse). Exemples :

L'IA est une science cognitive.
La salle est grande.
Driss est père d'Ali.
La droite D1 et la droite D2 sont parallèles.
C'est une série convergente.

Pour manipuler une proposition, on lui associe un symbole (généralement une lettre, comme P, Q, R).

Les connecteurs logiques permettent de combiner des propositions pour former de nouvelles expressions :

Négation (¬).
Conjonction (∧).
Disjonction (∨).
Implication (→).
Équivalence (↔).

Les types de propositions incluent :

Atome : proposition élémentaire sans connecteur logique.
Littéral : atome ou négation d'un atome.
Expression bien formée (e.b.f) : littéral ou combinaison de littéraux avec des connecteurs.

Les formes normales sont :

Forme normale conjonctive (f.n.c) : proposition sous la forme d'une conjonction de disjonctions.
Forme normale disjonctive (f.n.d) : proposition sous la forme d'une disjonction de conjonctions.

Les règles d'inférence de base sont :

Modus Ponens.
Modus Tollens.

Exemple de Logique des Propositions

Considérons un meurtre dans un hôtel avec les assertions suivantes :

La bonne dit qu'elle a vu le maître d'hôtel dans la salle de séjour.
La salle de séjour est adjacente à la cuisine.
Le coup de feu a été tiré dans la cuisine et peut être entendu dans toutes les pièces adjacentes.
Le maître d'hôtel, qui entend bien, déclare ne pas avoir entendu le coup de feu.

On veut prouver que si la bonne dit la vérité, alors le maître d'hôtel ment.

Solution

Définissons les propositions suivantes :

P : La bonne dit la vérité.
Q : Le maître d'hôtel ment.
R : Le maître d'hôtel était dans la salle de séjour.
S : Le coup de feu peut être entendu dans toutes les pièces adjacentes à la cuisine.
T : La salle de séjour est adjacente à la cuisine.
U : Le coup de feu peut être entendu dans la salle de séjour.
V : Le maître d'hôtel a entendu le coup de feu.
W : Le maître d'hôtel, qui entend bien, déclare ne pas avoir entendu le coup de feu.

Les propositions vraies sont : P, S, T et W.

Logique des Prédicats du Premier Ordre (LPO)

La logique des propositions ne permet pas de formaliser des énoncés généraux. Elle se limite à des informations rigides et non paramétrables.

Exemple : "Si x est père de y et x est père de z, alors y et z sont frères". Cet énoncé ne peut être représenté en logique des propositions, car il est trop général et indépendant des noms propres.

En LPO, cet énoncé peut être formalisé comme suit :

Père(x, y) ∧ Père(x, z) → Frère(y, z).

Où Père et Frère sont des prédicats.

Définitions et Propriétés en LPO

Un prédicat est une fonction propositionnelle qui peut être appliquée à des paramètres (variables ou constantes) pour énoncer une proposition.

Exemples :

Homme(x).
Rigoureux(Travail(x)).
Père(x, y).

Un terme est une constante, une variable ou une fonction appliquée à des termes.

Un atome en LPO est un symbole de proposition (prédicat d'arité 0) ou l'application d'un prédicat à des termes.

Un littéral est un atome ou la négation d'un atome.

Une formule bien formée (f.b.f) est un littéral ou une combinaison de littéraux avec des connecteurs.

Forme Normale de Prénexe

Une formule bien formée (f.b.f) F est une forme normale de prénexe si F est sous la forme :

Q1x1 Q2x2 ... Qnxn M(x1, x2, ..., xn).

Avec Qi des quantificateurs (∀ ou ∃) et M une formule sans quantificateurs appelée Matrice.

Forme Standard de Skolem

La skolémisation consiste à supprimer les quantificateurs existentiels (∃). Pour transformer une f.b.f F en forme standard de Skolem, on suit ces étapes :

Mettre F sous forme normale de prénexe.
Mettre M sous forme normale conjonctive.
Pour chaque quantificateur existentiel (∃), si aucun quantificateur universel (∀) ne précède, remplacer la variable par une constante non existante. Sinon, remplacer par une fonction de Skolem.

FAQ

Qu'est-ce qu'un système expert ?

Un système expert est un programme informatique qui exploite des connaissances spécifiques pour résoudre des problèmes intellectuels, comme un expert humain.

Quelle est la différence entre l'IA faible et l'IA forte ?

L'IA faible simule des comportements intelligents humains, tandis que l'IA forte vise à créer une machine dotée d'une réelle conscience et compréhension de ses actions.

Pourquoi la logique des propositions est-elle insuffisante pour l'IA ?

La logique des propositions ne permet pas de formaliser des énoncés généraux ou paramétrables, limitant ainsi sa capacité à représenter des connaissances applicables dans divers contextes.