Réferences
1. Dan w Patterson Introduction to artificial intelligence and expert systems
2. Brachman et leversque: knowledge representation and reasoning.
3. Matt Ginsberg: Essentials of Artificial Intelligence
4. Patrick henry Winston . Artificial intelligence
5. Itisha gupta et garima. Artificial Intelligence and Expert Systems
6. K. J. Gilhooly Human and Machine Problem Solving
2. Définition de la connaissance. 2
3. Représentation des connaissances 4
4. Relation entre représentation et problème de recherche: 5
7. Les bases de la représentation des connaissances 6
8. Les parties fondamentales d’une représentation. 7
9. propriétés d’un bon système (formalisme, langage) de représentation. 7
1. INTRODUCTION
Les premiers chercheurs en IA ont cru que la meilleure approche de la résolution de problème était le développement des GPSs(general problem solver). Càd des systèmes suffisamment puissants et qui sont capables de faire la preuve d’un théorème, réaliser une tâche robotique complexe ou le développement d’un plan. Comme preuve ils ont développé différents systèmes GPS et démonstrateur de théorème.
Ces systèmes n’ont pas pu démontrer qu’ils sont des varies GPSs.
Les approches de la résolution de problème dans ces systèmes nécessite une personnalisation manuelle des descriptions de problèmes et des guides ad hoc et leurs efficacités n’est vue amélioré que lorsque des connaissances ( règles ou des faits …) spécifiques au domaine ont été ajoutés.
Cette constation a conduit à l'utilisation des connaissances spécifiques à un domaine en tant que partie intégrante d’un système et a donnée naissance à ce que nous appelons maintenant des systèmes à base de la connaissance.
Depuis l'acceptation de ce fait important, des solutions efficaces de problèmes dans de nombreux domaines ont été développées.
Donc Il est connu actuellement que la connaissance joue un rôle important dans la construction des systèmes intelligents.
Le sens de la connaissance est étroitement lié à la signification de l'intelligence. L'intelligence nécessite la possession et l'accès à la connaissance. Une caractéristique des personnes intelligentes est qu'elles possèdent beaucoup de connaissances.
Les humains utilisent les connaissances pour résoudre des problèmes et pour qu’une machine peut faire la même chose elle doit avoir une représentation formelle de cette connaissance et une approche pour les manipluler.
2. Définition de la connaissance
Savoir théorique et pratique d’un domaine acquis par l’étude, l’observation et l’expérience.
Webster English language dictionary definitions:
knowledge:
1. The act or state of knowing; clear perception of fact, truth, or duty; certain apprehension;
familiar cognizance; cognition. [1913 Webster]
Knowledge, which is the highest degree of the speculative faculties, consists in
the perception of the truth of affirmative or negative propositions—Locke. [1913 Webster]
2. That which is or may be known; the object of an act of knowing; a cognition— Chiefly used in the plural. [1913 Webster]
3. That which is gained and preserved by knowing; instruction; acquaintance; enlightenment; learning; scholarship; erudition. [1913 Webster]
Connaissance « C'est avoir une familiarité avec la langue. concepts. procédures. règles, idées, abstractions, lieux, coutumes, faits et associations, associés à une capacité à utiliser efficacement ces notions dans la modélisation de différents aspects du monde ».
Autres definitions
“Knowledge is processed information about a domain that is then used for solving problem related to that domain.”
• “Knowledge may be defined as facts, information, or skills that are obtained through several years of experience and education.”
• “Knowledge is the practical or theoretical understanding of a particular domain obtained by learning, discovery, or perceiving.”
• “Knowledge is familiarity or awareness obtained by experience of facts or situations.”
The following are some examples of pieces of knowledge:
• John is an employee of the ACTME Company.
• All employees of ACTME earn more than $25,000.
• All employees of ACTME know that they should have a good lifestyle
Informellement :
On dit “omar know that ……” et on remplit le vide par une proposition (expresssion d’une idée) qui peut etre vraie, fausse, correct/incorrecte..
Une relation entre un connaisseur et une proposition.
En opposé :
Omar craint que ….
Même contenu mais une attitude différente
Une autre notion plus proche et le concept belief; omar croit…..
Connaissance vs belief vs hypothèse (dan w patterson)
La croyance est essentiellement toute expression significative et cohérente qui peut être représentée. Ainsi, une croyance peut être vraie ou fausse.
Une hypothèse comme une croyance justifiée qui n'est pas connue pour être vrai. Ainsi, une hypothèse est une croyance qui est piratée avec des preuves à l'appui, mais elle peut encore être fausse.
la connaissance comme une vraie croyance justifiée
Epistemology is the study of the nature of knowledge
Il est important de noter que la compréhension, apprentissage, pensée, se souvenir et raisonner dépendent tous de l'utilisation des connaissances.
3. Représentation des connaissances
Representation is “a set of syntactic and semantic conventions that makes it possible to describe things."
La représentation des connaissances est un domaine d'étude concerné par l'utilisation de symboles formels pour représenter un ensemble de propositions auxquelles un agent putatif croit. On n’insiste pas sur le fait que les symboles doivent représenter toutes les propositions crues par l'agent. Il peut très bien y avoir un nombre infini de propositions crues, dont seul un nombre fini est représenté. Ce sera le rôle du raisonnement de combler le fossé entre ce qui est représenté et ce que l'on croit.
Représentation de connaissance : codage symbolique des propositions.
“Knowledge representation is a substitute or a surrogate for knowledge that helps in reasoning and deducing new facts and decision-making ability.”
• Knowledge representation provides a computational medium or environment where reasoning can be accomplished.
• Knowledge representation is a way of organizing information so that the appropriate inference can be done.
• It is a set of ontological commitments, i.e., an answer to the question “In what terms should I think about the world?”
4. Relation entre représentation et problème de recherche:
The intended role of knowledge representation in artificial intelligence is reduce problems of intelligent action to search problems.”essentials oif artificial intelligence
5. Raisonnement
En général, c'est la manipulation formelle des symboles représentant un ensemble de propositions crues pour produire des nouvelles représentations. Les symboles sont plus accessibles que les propositions qu'ils représentent.
Ils doivent être suffisamment concrets pour que nous puissions les manipuler (les déplacer, les démonter, les copier, les enchaîner) de manière à construire des représentations de nouvelles propositions.
Toutes les formes de raisonnement est basée sur la recherche et l'appariement(matching). En fait, ces deux opérations consomment la plus grande quantité de temps de calcul dans les systèmes AI. Pour cette raison, il est important de disposer de techniques qui limitent la quantité de recherche et d'appariement requise pour accomplir une tâche donnée.
De nombreuses recherches ont été menées dans ces domaines pour trouver de meilleures méthodes.
Selon nilson:
intelligent behaviour depends on the knowledge an entity has about its environment. Much of this knowledge is descriptive and can be expressed in declarative form.
Conceptualization: The formalization of knowledge in declarative form begins with a conceptualization. This includes the objects presumed or hypothesized to exist in the world and their interrelationships.
Knowledge representation is an issue that arises in both cognitive science and AI.
♦ In cognitive science, it is concerned with how people store and
process information.
♦ In AI, the primary aim is to store knowledge so that programs can process it and achieve the verisimilitude of human intelligence.
♦ AI researchers have borrowed representation theories from cognitive science.
6. Types de connaissances
Connaissance procédurale : Représente comment un problème est résolu. Indique comment réaliser une tâche. Par exemple : Règles ; stratégies ; agendas ; Procédures
Connaissance déclarative : Décrit ce qui est connu du problème ; des énoncés décrivant les objets et concepts. e.g., Concepts ; objets ; faits.
est une connaissance passive exprimée sous forme d'énoncés de faits sur le monde. Les données personnelles dans une base de données sont un exemple typiques des connaissances déclaratives.
Ces données sont des éléments explicites de connaissances indépendantes
Méta-connaissance :
Décrit la connaissance sur la connaissance, par exemple, quelle connaissance est adaptée à un moment donné pour résoudre une tâche donnée. À relier à l ’efficacité.
Connaissance heuristique :
Connaissance empirique acquise par un expert aufil de son expérience passée. Sert à guider le
raisonnement. Appelée aussi connaissance de surface (vs. profonde).
Ce sont les connaissances utilisées pour faire de bons jugements, ou les stratégies, astuces ou «règles empiriques» utilisées pour simplifier la solution des problèmes
Connaissance structurée :
Décrit un modèle mental de l ’expert sous forme de structures : concepts, sous-concepts, objets, etc. exemple
Ensemble de règles ; relations interconcepts ; relations entre concept et objet
7. Les bases de la représentation des connaissances
Knowledge should be represented in the proper format to get its benefits.
Knowledge representation and its reasoning are central to AI.
To represent knowledge, it is necessary to understand the following two entities:
• Facts: These contain the truth that we want to represent
• Representation of Facts: This refers to representing facts in some chosen format so that they can be used and manipulated easily.
These two entities can be structured at two levels:
• Knowledge Level: The description of facts occurs at this level
• Symbol Level: Facts are represented in terms of symbols
8. Les parties fondamentales d’une représentation
· lexicale : Quels sont les symboles autorisés pour représenter objets et relations ?
· structurelle : Quelles sont les contraintes d’arrangement de ces symboles ?
· procédurale : Comment créer et modifier l’information ?
· sémantique : Comment associer un sens aux descriptions formelles ?
Dans le problème du missionnaires et cannibales , la représentation comprenait :
· au niveau lexical : les noeuds et les flèches pour représenter le problème ;
· au niveau structurel : une flèche reliait deux noeuds ;
· au niveau sémantique : un noeud était associé au nombre de can, miss et lieu de la barque et une flèche à chaque changement d’état ;
· au niveau procédural : des mécanismes mentaux permettent de dessiner le graphe en fonction
de la perception du problème ainsi que de l’interprétation qui serait faite de la représentation
symbolique.
9. propriétés d’un bon système (formalisme, langage) de représentation
• Representational Adequacy: The system should have the ability to represent all types of knowledge (such as procedural and factual knowledge).
• Inferential Adequacy: The system should have ability to infer or deduce new knowledge from old knowledge.
• Inferential efficiency: The system should have the ability to focus the inferential mechanism in the most promising direction to achieve good results
• Acquisitional efficiency: This refers to the ability to acquire new information easily.
(Ad´equation représentationnelle
Adéquation et efficacité inférentielle
Efficacité acquisitionnelle et extensibilité
Simplicité (utilisable par un non informaticien))