6.8 KiB
6.8 KiB
| header-includes | ||||
|---|---|---|---|---|
|
Semaine 3: Les systèmes experts à base de règles
Lecture principale: Luger (2009)
Système de production
Source: Young - Production Systems in Cognitive Psychology
- Un système de production est une collection de règles
si ... alors ...qui ensemble forment un modèle de simulation et traitement de l'information d'une tâche cognitive ou d'un ensemble de tâches. - Le fonctionnement est un cycle de reconnaissance (conditions) et d'action
- Caractéristiques:
- Traitement en série et en parallèle
- Indépendance des règles
- Contrôle flexible
- Utilisés dans des domaines avec une forte concentration de connaîssances, par exemple le domaine médical et le jeu d'échecs.
- Deux mémoires:
- Mémoire de production (règles)
- Mémoire de données (informations sur la tàche en cours)
- Résolution de conflits
- Un conflit se produit si plusieurs règles sont satisfaites simultanément
- Différentes méthodes de résolution: ordre de précédence des règles, âge des données, complexité des conditions de la règle, ...
- Young and O’Shea (1981): Résolution de soustractions chez les enfants: une douzaine de règles. Les erreurs les plus fréquentes sont répliquées facilement en enlevant ou ajoutant une règle au système.
- Depuis les années 1990: Architectures cognitives intégrées:
- Soar (Newell 1990):
- ACT (Anderson and Lebiere 1998):
Définition
- Les systèmes experts représentent les connaîssances servant à résoudre les problèmes sous la forme de règles
si ... alors .... - Plus ancienne forme de représentation des connaîssances
- Un système expert à base de règles est construit à partir d'un système de production tel que défini par Newell and Simon:
- Modéliser la performance humaine dans la résolution de problèmes
- Base de connaîssances spécifique au domaine: ensemble de règles de production
- Expérimentation sur la cryptarithmétique: résolution de problèmes arithmétiques où les nombres sont encodés. Observation du processus de résolution et établissement de règles.
- Un système expert doit respecter ces conditions:
- Ouvert à l'inspection
- Facilement modifiable
- Nature heuristique
Recherche
Recherche vers l'avant
- La recherche vers l'avant est utilisée lorsqu'il est difficile de formuler une hypothèse ou un but.
- Par exemple, dans un problème d'interprétation.
- Recherche avec parcours en largeur.
Recherche vers l'arrière
- La recherche par l'arrière dans un système expert revient au test d'une hypothèse.
- L'objectif est identifié et placé en mémoire.
- Des objectifs intermédiaires peuvent être résolus en demandant à l'utilisateur des informations supplémentaires.
- Pas de mécanisme de propagation par l'arrière.
- Recherche avec parcours en profondeur.
Explication et transparence
Les deux questions auxquelles un système expert à base de règles peut répondre sont: pourquoi? et comment?
- Pourquoi demandes-tu cette information?
- Retourne la règle courante pour laquelle il manque une information.
- Comment es-tu arrivé à cette conclusion?
- Retourne la réquence de règles qui ont permis d'arriver à la conclusion.
Caractéristiques:
- Le programme peut être arrêté à chaque cycle et inspecté.
- Chaque règle représente un élément de résolution du problème, une étape logique.
- Contrairement à un programme traditionnel compilé où l'instruction courante fera peu de sens.
Avantages et inconvénients:
- Le mécanisme est simple, mais le pouvoir d'explication est remarquable.
- Si les règles sont mal divisées par contre, les réponses seront adéquates, mais les explications seront vagues, arbitraires ou illogiques.
- Ceci réduira la confiance de l'utilisateur envers le système.
Raisonnement à partir des données
Ce mode de raisonnement est une recherche avec parcours en largeur: les conditions des règles sont vérifiées une par une dans l'ordre où les règles sont enregistrées dans la base de connaissances.
Recherche opportuniste: Dès qu'un règle est déclenché et génère une nouvelle information, cette information est ajoutée comme une prémisse et sert à déterminer en priorité les prochaines règles à vérifier.
- La recherche est beaucoup moins orientée.
- L'atteinte d'un objectif n'existe pas vraiment.
- Les explications disponibles pour l'utilisateur sont plutôt limitées. On peut seulement partager la liste des règles qui ont été déclenchées jusqu'à maintenant.
Heuristiques et contrôle
Système avec objectif
-
Il est possible de contrôler la recherche par la structuration et l'ordonnancement des règles.
-
Tri des règles:
- Interprétation des règles de façon procédurale.
- Doit suivre un plan comme le ferait un expert humain.
-
Ordonner les prémisses dans une règle:
- Ce qui a le plus de chances d'échouer est le plus facile à tester en premier.
- Tenir compte du coût de calcul de chacun des tests.
Système à base de données
Trois heuristiques à haut niveau pour la résolution de conflits (Luger, section 6.2.3.):
- Réfraction:
- Si une règle a été déclenchée, elle ne peut être déclenchée à nouveau tant que les éléments qui correspondent à ses conditions n'ont pas été modifiées. Ceci prévient les boucles.
- Récence:
- Préférer les règles dont les conditions correspondent à des éléments récemment ajoutés en mémoire. Donne une seule ligne de raisonnement.
- Spécificité:
- Il est approprié d'utiliser une règle plus spécifique qu'une règle plus générale. On définit la spécificité par le nombre de conditions.
Algorithme RETE:
- Structure en réseau.
- Graphes acycliques directionnels qui représentent des ensembles de règles à plus haut niveau.
- Plus efficient que l'approche naïve qui revient à tester les règles une par une en boucle.
- Utilisé par FICO Advisor
Langages et outils utilisés
(Source: pages Wikipédia correspondantes)
- Prolog, Scheme, Java
- Langage de systèmes de production OPS5 Page Wikipédia
- CLIPS: C Language Integrated Production System (1985)
- Système Soar (John Laird, 1983), toujours très utilisé aujourd'hui
- Paquetage Rulu pour Python