Sur les traces de OADymPPac …

1

Chip User's Club, Paris 16/10/2008 1

Sur les traces de OADymPPac …

Le projet OADymPPac (Outils pour l'Analyse Dynamique et la mise au Point de Programmes avec Contraintes) auquel a participé Cosytec s'est terminé officiellement en 2004. L'un de ses thèmes concernait la réalisation de traces. On verra ici qu'il a tout juste servi à poser quelques jalons. C'est à suivre ses traces que nous nous inviterons ici, jusque dans leurs conséquences épistémologiques.

Pierre Deransart UR INRIA-Paris-Rocquencourt

2


Un budget de 162 M€ HTdont 20% de ressources propres

2900 scientifiquesdont 1000 doctorants

100 post doctorants 300 ingénieurs R&D

1500 emplois budgétairesdont 570 chercheurs

740 ingénieurs, techniciens et administratifs

300 stagiaires

8 centres de recherche INRIA (en 2008)

3700 personnesChiffres clésJanvier 2007

3


Localisations

Équipe-projet INRIAhors site

Centre de recherche INRIA

INRIA NancyGrand Est

INRIA Grenoble Rhône-Alpes

INRIA Sophia AntipolisMéditerranée

INRIA RennesBretagne Atlantique

INRIA BordeauxSud-Ouest

Metz

INRIA LilleNord Europe

Lannion

Marseille

Lyon

Montpellier

INRIASaclayÎle-de-France

Siège

Nantes

Besançon

StrasbourgINRIA ParisRocquencourt

Pau

4


Nancy - Grand Est

Paris - Rocquencourt

Sophia Antipolis - Méditerranée

Rennes - Bretagne Atlantique

Grenoble - Rhône-Alpes

Les centres de recherche

Bordeaux - Sud-Ouest

Saclay - Île-de-France

Lille - Nord Europe

5


Try to remember….

Sur la route de Rocquencourt par Pissaro …

2004, c’est si loin….

1999

2004

6


7


CONTEXTE, HISTOIREDe DiSCiPl à OADymPPaC

•DiSCiPl (1997-2000): améliorer le débogage des solveurs de contraintes: a produit des prototypes qui restent des outils « ad-hoc » pour la correction et l’analyse de performances. Ce projet a mis en évidence l’utilité d’approches semi automatiques basées sur l’analyse visuelle des traces.

Livre: P. Deransart and M. Hermenegildo and J. Maluszynski, Analysis and Visualization Tools for Constraint Programming, LNCS 1870, 2000

•OADymPPaC (2001-2004) URL: http://contraintes.inria.fr/OADymPPaC participants: A. Aggoun, T. Baudel, P. Deransart, M. Ducassé, F.Fages, J.D. Fekete, N. Jussien, C. de Sainte-Marie, …

Challenges pris en compte:• Interopérabilité des outils : séparation forte entre “production de la trace” et

“production d’images et analyse visuelle”

• Passage à l’échelle: possibilité de traiter des milliers de variables et contraintes en utilisant des IHM spécialisés

Il en est résulté des analyseurs sophistiqués (prototypes et produits), mais limités à un seul domaine. Plusieurs problèmes ont été mis en évidence.

8


PROBLEMES une question: cette approche est-elle généralisable?

1.Interprétation de la trace: donner un sens à une trace, modèles de reconstruction (analyse de trace, sémantique interprétative).

2.Sémantique de la génération de la trace pour une famille de processus observés (modèle de génération de trace, sémantique observationnelle).

3.Gestion du flot de trace entre l’observé et l’observant : filtrage, pilote de traceur, équilibrage des tâches, interactions, propriétés du transfert du flot (efficacité, préservation des sémantiques, fidélité)

Liens avec domaines d’applications: event-condition-action models, analyse de flot de données (data stream), analyses comportementales (sciences

cognitive)

9


Les deux traces d’un processus(Traces intégrales)

Deux traces pour un processus

•Trace virtuelle TV = <S0,et*> SO

•Trace effective TA = <S0,wt*> SI

TV

TE

IE

E: extraction

I: interprétation (reconstruction)

E ° I = I ° E = i

Notion de FIDELITE:

10


Petit exemple (extrait de trace Prolog)

goal:-p(X),eq(X,b).

p(a).

p(b).

eq(X,X).

chrono nu(u) lp(u) port pd(u) Etat virtuel atteint

1 1 1 Call goal S2

2 2 2 Call p(X) S3

3 2 2 Exit p(a) S4

4 3 2 Call eq(a,b) S5

5 3 2 Fail eq(a,b) S6

6 2 2 Redo p(a) S7

7 2 2 Exit p(b) S8

8 4 2 Call eq(b,b) S9

9 4 2 Exit eq(b,b) S10

10 1 1 Exit goal S11

11


Mais si on n’a que ça …?

nu(u) port

1 Call

2 Call

2 Exit

3 Call

3 Fail

2 Redo

2 Exit

4 Call

4 Exit

1 Exit

Que voit-on ?

12


13


PLAN: mises en perspective et “challenges”

1. Construction de traceurs pour l’analyse (dynamique) de programmes

2. Modélisation et abstraction

3. Fouille de données et interrogation de flots de données, Modèles ECA et WEB sémantique

4. Analyse du comportement humain

5. Cerveau, prothèse mémoire

6. Épistémologie

Idée: les traces sont partout, travailler sur les traces, c’est aussi travailler sur les idées

14


Partout ?

http://www.college-de-france.fr/default/EN/all/ger_ber/index.htm

GérardBerry2007

15


1- Construction de traceurs pour l’analyse (dynamique) de programmes

1. Développement perpétuel du traceur (trace intégrale)

2. Filtrage et interrogation de trace (langage de sélection d’événements), Pilote de traceur

3. Interactions (traceur serveur / analyseurs clients)

4. Optimisation de la communication (mais fidélité)

5. Approche MDA «composants traces » (enrichissement, fusion, abstraction, sélection)

6. Généricité

16


C4RBCP

TchromeV

TCHRV

TRslamV

TV

Et

interrogation

17


Grand Challenge 1: conception et manipulation de traces (« algèbre de traces »)

Enrichissement

Sélection

Fusion

Abstraction

Généricité

18


2-Modélisation et abstraction

Trace intégraleNiveaux d’abstractions imbriqués

19


Modélisation et abstraction (généricité)

20


Grand Challenge 2: modèles de production de trace (SO)

L’interprétation abstraite fournit un cadre théorique possible pour la SO

Représentation possible de SO avec le « Fluent calculus »

Implantation, simulations et vérifications possibles de traceurs pour un domaine de processus (« model checking », Clarke, Emerson, Sifakis, Turing 2007)

Analyse théorique de traces (liens avec les théories de trace, The Book of Traces, 1995),

21


3-Fouille de données et interrogation de flots de données WEB sémantique, Modèles ECA

Trafic ADSL brut

à la recherche du sens…

22


Fouille de données vue comme analyse de trace

Utilisation d’algorithmes d’analyse de flots de données pour identifier les objets tracés (traces optimisées)

•Recherche de zones suspectes dans les programmes (Zaidman & al, 2005)

•Techniques de « model checking » pour pour détecter des intrusions (Garavel & al. 2004) sur des traces d’exécution

•Observations de symétries

(OADymPPaC)

23


Analyse de flot de données vue comme analyse de traces d’origine inconnue

Analyse de flux massifs (algorithmes probabilistes, Rabin 1980)

Langage d’interrogation de flots de données (Arasu, 2002)

Interactions entre observateur/observé et entre traces (modèles ECA et WEB sémantique, Alferes et al. 2004)

24


Grand Challenge 3: interpréter les traces (SI)

Utilisation d’algorithmes d’analyse de flots de données pour identifier les objets tracés (identification des observables)

Langage d’interrogation de traces: filtrage efficace

Tracer les manipulations de connaissances

25


4-Analyse du comportement humain

Problème de confiance dans les données

Formalisation des contextes (fusion de données), traces des contextes et du comportement humain

Construction de scénarios à partir de traces

Jusqu’où peut-on ou doit-on aller?

Approche des limites de l’automatisation

26


Confiance dans les données (accès à la connaissance)

Base de connaissance = système de règles = calculs

L’utilisation requiert plus que du calcul: exploration, repérages, raisonnement (sans stratégie prédéfinie)

Exemple: problème de certification des sites internet (ex loi du 13 août 2004 sur la certification des sites internet dédiés à la santé (Haute Autorité à la Santé))

HON code (Health On the Net): ex

•Qualification des rédacteurs

•Justification des affirmations

•Séparation contenus éditoriaux et publicitaires

•Transparence du financement

•Confidentialité des données personnelles, traces de la visite

•…

27


TRACESTRACES

Construction d’un monde virtuel (Lyon1/INRETS)

Trace virtuelle

Trace effective

28


An “Infernal” ExampleLe Monde de l'Intellligence, num 11 janv-fev-mars 08 Sudoku infernal p 60 (par Bernard Gervais)

29


30


Expérience

Construire et comparer des traces d’observation du joueur et d’observation de l’automate permettant

•D’analyser le comportement du joueur

•D’identifier la règle utilisée par le joueur

•De mesurer la satisfaction du joueur

•De comparer avec la résolution automatique

•D’identifier les points de réelle difficulté du joueur

•De corréler de la difficulté pour le joueur et la difficulté théorique

31


Grand Challenge 4:

Analyse d’un domaine de connaissance

Construction de scénarios

Limites de la formalisation (début du travail « humain »)

La capacité à construire de « bonnes » traces est déterminant pour mener à bien une analyse

32


5-Cerveau: lieu privilégié de fusions

33


Trace effective Twt = <(S0,)wt*>

séquence non bornée d’évènements de trace wt de la forme

wt : (t, At)

•t : chrono: temps de la trace

•At: ensemble de valeurs d’attributs

34


La mémoire

Mémoire personnelle: Memex (Vannevar Bush, 1945)

Accumulation d’événements de trace (multimédia)

-------------------------------

Mécanismes liés à la mémorisation humaine:

Axes (Chapoutier, 2006):

•Sensoriel

•Temporel (travail, épisodique / référence, durable)

•Abstrait (mémoire procédurale et mémoire implicite)

Chaque mémoire a son mode de rappel (implicite, inconscient / explicite, conscient)

35


Gand Challenge 5: artéfact de mémoire personnelle

Axes: digitalisation/numérisation (sensoriel), rémanence et support (temporel), rappel conscient (abstrait)

Vers une prothèse mémorielle?

•base de stances (Kiss, Quinqueton 2004)

•mécanismes de déduction et de rappel (LISFS, logical information system, Padiolo, Sogonneau, Ridoux 2004)

•mécanismes de tri (ontologies) et d’oubli

Système de gestion de connaissances personnelles

36


6- Épistémologie vue comme théorie de la connaissance

Discrétisation-spatialisation/numérisation/manipulation

Etapes:

•20 siècles après début du néolithique premières numérations (astro)

•12ième siècle AC système alphabétique (grammatisation)

•Imprimerie permet à l’écrit d’envahir la société

•17ième siècle machine outil (reproduction du geste discrétisé)

•1834 discrétisation sons et images

•Économie de l’immatériel (gestion des connaissances)

Le traitement de l’information joue un rôle dominant dans tous les domaines d’activité (industrie ou recherche) et dont la base repose sur une accumulation continue de traces….

37


Grand Challenge 6: société vue comme systèmes de traces en interactions

http://www.inria.fr/40ans/forum/video.fr.php

Le réseau numérique, à l'origine d'un nouveau modèle industriel Conférence de Bernard Stiegler

Les nouvelles technologies : révolution culturelle et cognitive Conférence de Michel Serres

etc…

38


Sur les traces de ….

Thank you!Jusqu’où ne risque-t-on pas d’aller trop loin?L’homme réinventé?

Sur les traces de OADymPPac …

Documents

Transcript of Sur les traces de OADymPPac …