Chapitre 9

Chapitre 9

Systèmes experts

Sujet: Nos ordinateurs plus performantsGeorges se plaint ces jours-ci d'un mal a son coude. Il en parle a son meilleur copain: - " Aiee Aujourd'hui j'ai encore mal au coude. - Qu'est-ce que tu vas faire? - Je vais aller voir le medecin, je ne peux plus tenir. - T'es dingue! A l'aube du vingt et unieme siecle, aller chez le medecin n'est plus la solution la plus pratique et la plus efficace. Maintenant on dispose de supers ordinateurs qui savent diagnostiquer toutes les maladies efficacement et pour beaucoup moins cher que le medecin. - Ah bon? - Oui. Tu vas au supermarche du coin, il y en a un d'ordinateur, tu y vas avec un flacon d'urine, une piece de 1$ et le tour est joue.

Rentrant chez lui, Georges repense a ce que lui a dit son copain.Apres tout, s'il veut tenter l’experience, il n'a que 1$ a perdre.Le lendemain, Georges se rend au super marche avec un flacon d'urine.Il trouve l'ordinateur en question, pose le flacon d'urine al'endroit indique et met 1$ dans la fente. L'ordinateur commencea s'agiter, des lumieres multicolores se mettent a clignoter.Puis, finalement, une feuille de papier sort de la machine.

Georges la lit: " PROBLEME : VOUS SOUFFREZ D'UNE TENDINITE AU COUDE.SOLUTION: TREMPEZ VOTRE COUDE TOUS LES SOIRS DANS DE L'EAU CHAUDE PENDANTDEUX SEMAINES - EVITER DE PORTER DES CHARGES LOURDES".

Georges est effare! Rentrant chez lui il repense a l'experience qu'ilvient de vivre et admet que la science progresse. Pourtant, comme toutetre humain, il doute. Il se dit que, quand meme, un ordinateur peutetre faillible, qu'il peut etre pris en defaut.L'experience se montrant amusante, il se decide de passer a l'acte des le lendemain...Le lendemain, il prend un flacon, et le remplit partiellement avec del'eau du robinet. Il recueille un peu de la bave de son chien, y melangeun peu d'urine de sa femme et de sa fille et pour couronner le tout, setape une petite branlette par dessus le melange afin d'en assurer l'homogeneite.. .Georges se rend au super marche avec le flacon contenant la " mixture"..Dans l'ordinateur il pose le flacon d'urine a l'endroit indique et met1$ dans la fente. L'ordinateur commence a s'agiter, des lumieresmulticolores se mettent a clignoter.L'ordinateur s'agite des plus en plus, les lumieres clignotent de plusen plus. Georges se frotte les mains: la machine risque d'exploser.

Puis, finalement, une feuille de papier sort de la machine. Georges la lit: "PROBLEME : VOTRE EAU EST CALCAIRE EST IMPURESOLUTION : INSTALLER UN PURIFICATEUR D'EAU.PROBLEME : VOTRE CHIEN A DES VERSSOLUTION : METTEZ LE SOUS VERMIFUGE PENDANT UNE SEMAINEPROBLEME : VOTRE FILLE SE DROGUE A LA COCAINESOLUTION : METTEZ LA EN CURE DE DESINTOXICATIONPROBLEME : VOTRE FEMME EST ENCEINTE. CE SONT DEUX JUMELLES. ELLES NE SONT PAS DE VOUS.SOLUTION : CONTACTER DES MAINTENANT VOTRE AVOCAT.

CONSEIL DU JOUR: ARRETER DE VOUS MASTURBER, CELA NE VA PAS ARRANGERVOTRE TENDINITE AU COUDE. .. "

GPA-779 Application des réseaux de neurones et des systèmes expertsCours #11 - 3

9- Systèmes experts Plan

Vue d’ensemble Architecture Représentation des connaissances Moteur de déduction


Découverte Karkan & Tjoen, Systèmes experts: un nouvel

outil pour l’aide à la décision, Masson, 1993. Acheté à Paris, avril 2003 Bonne vue d’ensemble Couvre la plupart des principaux thèmes, mais un

peu superficiellement Giarratano & Riley, Expert Systems: Principles

and Programming, 2nd Ed. PWS Publishing, 1994. Excellente référence dans le domaine Porte essentiellement sur les S.E. et les

coquilles 2e partie: CLIPS, coquille de SE (issue de NASA)

Rich & Knight, Artificial Intelligence, 2nd Ed., McGraw Hill, 1993.

Couvre IA symbolique surtout Approche connexioniste - perceptron multi,

Hopfield Couvre beaucoup + large que ref. ci-haut

(Giarratano) Encyclopédique Livre de cours


9.1 Vue d’ensemble Un système expert est un logiciel qui tente de simuler le raisonnement humain tenu par un expert dans un domaine particulier. Les mécanismes utilisés sont généralement restreints en regard du potentiel qu’offre à cet égard notre cerveau.


Programmation de l’expertise : Insuffisamment structurée pour être transcrite sous forme d’algorithmes

Sujette à de nombreuses révisions Incomplète parce qu’en continuelle évolution

Sinon : Problème mieux résolu par algos classiques

Problème hors de portée (expertise difficilement formalisable)


Domaines d’utilisation des SEs Configuration Diagnostic Enseignement Interprétation Surveillance Planification Prédiction Diagnostic médical Commande de processus


Quelques SEs célèbres DENDRAL (le premier, 1965) chimie

interprétation de la structure moléculaire

CADHELP électroniqueinstructions pour la CAO

MYCIN (beaucoup d’influence) médecinediagnostic pour infections bactériennes

PROSPECTOR géologieinterprétation données géol. Minerais

XCON (beaucoup de succès) informatiqueconfiguration mini ordi. VAX de DEC

MACSYMA mathématiquerésolution symbolique de problèmes de math


Historique 1956 Conférence de Darmouth.

Le terme « IA » est adopté

1958 LISP (McCarthy)Avant le Fortran !

1965 • Logique floue (Zadeh)• DENDRAL : 1er SE

1969 MA CSYMA : SE demathématique symboliqueAncêtre de Mathematica

1970 PROLOG


Historique (suite)

1973 MYCIN : SE de diagnosticmédical. Raisonnement avecincertitude

1977 – 1978 XCON/ R1 : SE deconfiguration de mini VAXpour DEC

1979 Algorithme RETE :appariement rapide deformes

1987 SOAR : SE qui apprend desraccourcis dans l’applicationdes règles de production


Composantes de base d’un SE Connaissances

– Base de connaissances– Base de faits (mémoire de travail)

Mécanisme de raisonnement Expertise = Savoir - Faire

Connaissances correspondent à ce que nous savons du domaine considéré

Mécanismes de raisonnement correspondent à ce que nous faisons pour obtenir une solution


10.2 ArchitectureConnais- Faitssances (mémoire de travail)

Connais- Faitssances

Module Moduled’inférence d’explica-

tion

Interface

Moteur de déduction

Base de connaissances

Expert Utilisateur

acquisition consultation


Systèmes de production Architecture de SE la plus répandue

Connaissances : règles de production

Mécanisme d’inférence


Moteurs d’inférence– Cycle de base

Sélection des règles Filtrage Résolution des conflits Exécution

– Stratégies de recherche Largeur d’abord Profondeur d’abord

Stratégie irrévocable Stratégie par tentatives

Profondeur limité Recherche heuristique

– Mode d’invocation des règles Chaînage avant Chaînage arrière


9.3 Représentation des connaissances

Règles de productionSi (proposition logique) Alors (actions)

prémisse conclusions


Caractéristiques des règles de production : Les règles sont indépendantes Les règles sont déclaratives Facilité d’expression Développement aisé et formation peu exigeante des programmeurs

Large diffusion des logiciels Clarté de la connaissance (transparence des règles)

Mise-à-jour aisée Vérification et validation possible de la connaissance


9.4 Moteur de déduction Mécanisme d’inférence

Une règle se matérialise sous la forme d’une proposition logique conditionnelle

Règle Si A Alors B A BTable de vérité:

A B A B 0 0 1 0 1 1 1 0 0 1 1 1


Mécanismes d’inférence Modus Ponens (raisonnement direct)

((A B) ET A) B règle faitPermet de déduire que B est VRAI si la règle de production est vraie ET le fait A est VRAIForme la base des systèmes à base de règles

Si ma batterie est à platAlors ma voiture ne partira pas


Modus Tollens (raisonnement indirect)

((A B) ET B) A règle actionPermet de déduire que NON A est VRAI si la règle de production est vraie ET l’action NON B est VRAIRarement utilisé même si fait appel au sens commun

Si j’ai la touristaAlors je suis allé en Amérique du Sud


Moteur d’inférence

Cycles de base1- Phase de restriction

Choix du sous-ensemble de connaissances

2- Phase de filtrageChoix des règles applicables


3- Phase de sélection–Stratégies de recherche

Largeur d’abord Profondeur d’abord

Stratégie irrévocable Stratégie par tentatives

Profondeur limité Recherche heuristique

–Résout conflits lorsque plusieurs règles s’appliquent

Sélection simple (1ère de la liste, la + utilisée, etc.)

Sélection selon contexte (chaînage avant, arrière, la plus prometteuse, la plus fiable, etc.)


4- Phase d’exécution–Appliquer la règle sélectionnée

Modification de l’ensemble de faits (générer des états intermédiaires)

Questionner l’usager Exécuter les actions externe


Stratégies de recherche1. La recherche en largeur d’abord2. La recherche en profondeur

d’abord3. La recherche en profondeur

limitée4. La recherche heuristique


1. Largeur d’abord On parcourt à l’horizontal un

niveau de l’arbre de décision avant d’aller au suivant

On commence par explorer toutes les possibilités présentes avant d’entrer dans les détails


Avantages :–Atteint toujours son but–Si une solution existe, c’est le chemin le + court en terme de noeuds

Inconvénient :–Pas très efficace


b

b

b

1

2 3

4 56 7

8 910

11

14

1213

15

16

Largeur d’abord


2. Profondeur d’abord On s’enfonce dans l’arbre de

décision en passant d’état en état jusqu’à ce que le chemin se termine

On cherche à explorer au maximum une possibilité en appliquant les règles de façon à obtenir le plus de détails


Profondeur d’abord (suite) Chaînage arrière : ajout du retour-arrière

Chaînage avant : imposition d’une limite de recherche (éviter voie sans issue)


b

b

b

1

10

9

11

12

13

14

15

16

8

2

3

4

5

6

7

Profondeur d’abord


3. Profondeur limitée La recherche en profondeur limitée

combine les deux approches précédentes : profondeur d’abord et largeur d’abord.

L’arbre des états est découpé en k niveaux.

Une recherche en profondeur est effectuée dans chaque tranche avant de passer à la tranche inférieure.


b

b

b

1

2

3 4

5

6 7

13

14

15

8 12

911

10

16

Profondeur limitée


4. Recherche heuristique Des connaissances spécifiques sur

le problème à traiter sont exploitées pour trouver une solution

La connaissance du problème à traiter prend la forme d’une fonction d’évaluation qui mesure la « promesse » de se trouver sur un chemin intéressant

Une heuristique garantit une bonne solution mais pas nécessairement la solution optimale


Exemple: jeu du taquin Heuristique:minimiserF(E) = L + MPavecE= état courantL= longueur du chemin de l’état initial à EMP= le nombre de carrés mal placés par rapport à la configuration finale

1 2 3

8 6 *

7 5 4

État initial État final

1 2 3

8 * 4

7 6 5

G * déplacé à gaucheD * déplacé à droiteH * déplacé vers le hautB * déplacé vers le bas


Largeur d’abord


Profondeur d’abord


Profondeur limitée


Heuristique


Invocation des règles : chaînage avant Part des faits pour arriver au but Ne sélectionne que les règles dont la partie prémisse est vérifiée par les faits présents

Ajoute les nouveaux faits à l’ensemble des faits

S’arrête :–Avec succès dès que le but est atteint–Avec échec quand il n’y a plus de règles applicables


Chaînage avant (suite) Avantage : répond plus rapidement à tout nouvelle information

Inconvénients :–Déclenche toutes les règles, même celles sans intérêt

–Pas intéractif–L’ensemble des faits doit contenir suffisamment de faits

–Risque d’explosion combinatoire


Chaînage avant (suite et fin) Approprié :

–Réponse rapide–Nombre de buts possibles est très élevé–On ne connaît pas a priori le but à atteindre

–On cherche à obtenir le maximum de faits correspondant à une situation donnée


Invocation des règles : chaînage arrière Part du but ou d’une hypothèse de but et essaie de remonter aux faits pour le démontrer

Ne sélectionne que les règles dont la partie conclusion contient le but à vérifier

Détermine autant de sous-buts à démontrer qu’il y a de conditions inconnues dans la partie prémisse de la règle

S’arrête :–Avec succès lorsque tous les sous-buts sont vérifiés

–Avec échec lorsqu’il ne peut plus sélectionner de règles


Chaînage arrière (suite) Avantages :

–Pose uniquement des questions quand cela est nécessaire et après avoir exploré toutes les possibilités

–Le processus est intéractif–L’arbre de recherche est souvent plus petit qu’en chaînage avant

Inconvénient : bouclage–Pour démontrer A, il faut démontrer B–Pour démontrer B, il faut démontrer A ...


Chaînage arrière (suite et fin) Approprié :

–Aux problèmes présentant un nombre relativement restreint de solutions puisque l’on n’applique que les règles qui sont directement reliées aux buts à vérifier


Illustration: labyrinthe


Base de connaissance: règles de déplacement R1: Si dans un couloir

Alors continuer dans la même direction

R2: Si à une intersectionAlors tourner à droite

R3: Si à une intersectionAlors tourner à gauche

R4: Si à un coinAlors tourner le coin


Recherche en profondeur d’abord Toujours tourner à gauche aux intersections (choix irrévocable)


Recherche en profondeur d’abord Tourner à gauche aux intersections sauf si échec (choix par

tentatives)


Recherche en largeur d’abord

Chapitre 9

Documents

Transcript of Chapitre 9