Vous êtes sur la page 1sur 10

Qu’êtes-vous supposés savoir

et savoir faire après ce cours?


Représentation de
z Faire clairement la différence entre
Connaissances Information et Connaissance
z Expliquer l’engagement « inférentiel » de la
Définition, problématique, représentation de connaissance
structures, langages z Maîtriser la notion de réseau sémantique
z Expliquer les principes des graphes
Alain Mille conceptuels et des logiques de description

Référence principale : Daniel Kayser, « La représentation des connaissances »,Hermes, 1997


18/10/2004 Représentation Connaissances 2

Plan du cours Connaissance ? [1]


z Connaissance ? z L’inférence est l’élément de base de toute
z Notion de représentation de connaissance description de la cognition
z Représentation dans un modèle z Pour être efficace, l’inférence doit être guidée
z Langages de représentation (logique) par la connaissance
z Réseaux sémantiques z Inférence <> Raisonnement
z Inférence avec / sans représentation de la
connaissance

18/10/2004 Représentation Connaissances 3 18/10/2004 Représentation Connaissances 4

Connaissance ? [2] Représentation ? [1]


z Connaissance => capacité à mobiliser des z Dire que A « représente » B
informations pour agir z Ne suffit pas pour que ce soit « vrai »
z Le passage de INFORMATION à CONNAISSANCE z Il convient de vérifier que si B a un certain effet sur un
est lié à l’expérience de l’action => pas de frontière processus P, A démontre un effet « équivalent » sur un
processus « équivalent »
parfaitement définie
z A n’est cependant pas « équivalent » à B
z Définition : Connaissance = Information (donnée)
z « Une carte n’est pas le territoire » (heureusement!)
qui influence un processus.
z Une carte « représente » le territoire dans le cadre d’un
z Pas de classement universel des différents types de processus de recherche d’un itinéraire (par exemple)
connaissances (voir la tentative de Porphyre)

18/10/2004 Représentation Connaissances 5 18/10/2004 Représentation Connaissances 6

1
Représentation ? [2] Représentation [3]
=
z Représenter Ù Approximer dans le contexte z Exemple
/
d’une tâche (activité?) particulière z X=(y+2)/z x

+ z
z Représenter Ù Structure de symboles pour
« décrire » une approximation du « monde » y 3
(un modèle du monde) dans le contexte
d’une tâche particulière.
Cette composition nécessite Int(=), interprétation de l’égalité entre deux
z Interpréter une structure (une représentation) termes, dont l’un est Int(x) et l’autre obtenu par l’application de Int(/) à deux
autres termes , le premier résultant de l’application de Int(+) à Int(y) et à Int(3)
Ù Composition de l’interprétation des et l’autre étant Int(z).
différents symboles la constituant
18/10/2004 Représentation Connaissances 7 18/10/2004 Représentation Connaissances 8

Représentation ? [4] Langage de représentation


Il s’agit naturellement de langages formels.
z La propriété de compositionnalité n’est pas z
z un alphabet, ensemble de symboles pas nécessairement réduit à des caractères
« naturelle » dans la langue : tout à l’heure,par z
z
un procédé de formation des expressions, pas nécessairement la concaténation
un ensemble d'axiomes, c'est-à-dire d'expressions obéissant aux deux premiers points
exemple ne s’interprète pas facilement comme une z
ci-dessus, et dont on décide arbitrairement qu'ils appartiennent au système
des règles de dérivation qui, à partir des axiomes, permettent de produire des
composition d’interprétations de tout, à et l’heure théorèmes (c'est-à-dire des expressions appartenant au système), et peuvent ensuite
s'appliquer aux théorèmes pour en produire d'autres
z La notion d’interprétation présuppose que le modèle z Représentation de procédures ?
z Langage formel également.
(du monde) est constitué d’objets, et que parmi les z Le système PEU (voir les rappels) pourrait être considéré comme une représentation
de procédure d’addition !
symboles, il en est qui s’interprètent comme des z Une procédure peut-être l’objet d’une procédure (pas de différence essentielle)
=> λ-Calcul, machine de Turing, Algorithmes de Markov, fonctions récursives,
objets du modèle. logique combinatoire, production de Post (Si p se réalise et que p => q Alors q
peut se réaliser) = autant de méthodes pour représenter un procédé de calcul.
z Les symboles ont la capacité de déclencher des z Il a été démontré qu’un procédé décrit dans une de ces méthodes X est possible à
décrire à l’aide d’une autre de ces méthodes Y.
inférences.
18/10/2004 Représentation Connaissances 9 18/10/2004 Représentation Connaissances 10

Représentation dans un Notions de correction et de


modèle (approche logique) complétude
z Langage => aspects « syntaxiques » de la z Un système est « correct » si toutes les formules qui
représentation (attention langage formel!) sont des théorèmes sont des tautologies (valuées
« vrai »)
z Système de déduction => aspects z Preuve par récurrence : on montre que la première formule
« sémantiques » (attention, représente un de la preuve d’un théorème est une tautologie et que si les
calcul et peut être très éloigné d’un « sens » n-1 premières formules d’une preuve sont des tautologies,
alors la formule n est également une tautologie.
quelconque)
z Un système est « complet » si toutes les formules
z Règles de valuation => « vrai », « faux » qui sont des tautologies sont des théorèmes.
(attention, ne pas confondre avec le sens z Preuve un peu plus compliquée, mais fonctionnant
général vrai et faux…) également sur la récurrence.
18/10/2004 Représentation Connaissances 11 18/10/2004 Représentation Connaissances 12

2
Les réseaux sémantiques
Logiques modales (Argumentation Intelligence Artificielle)

z Comment exprimer : z Difficultés de la représentation à base de modèle


z « Lionel affirme que la constitution européenne logique
est une bonne chose » z Système décidable Ù logique des propositions, mais
…temps de décision exponentiels !
z « Il y a peu de chances que la vie existe ailleurs
z Autres logiques Ù plus expressives, mais semi-
que sur Terre » décidables, voire indécidables !
z « Généralement, les mollusques ont une z Comment rendre les inférences efficaces ?
coquille » z Restreindre la logique
=> Session de Pierre Lescanne, MO de Salima z Abandonner l’exigence de complétude !
Benbernou z Rendre + facile la « lecture » de la représentation ?

18/10/2004 Représentation Connaissances 13 18/10/2004 Représentation Connaissances 14

Sémantique de quelques
Définition IA relations « privilégiées »
z Un réseau sémantique est un graphe orienté et z Appartenance d’individus à une classe
étiqueté (un multi-graphe en fait car rien n’empêche d’individus AKO (A kind of) Ù appartenance
deux nœuds d’être reliés par plusieurs arcs). z B(A) /* A appartient à la classe B */
z Une « sémantique » (au sens de la logique) est z Relation de spécialisation (IsA).Ùsorte_de
associée par le biais des relations. z B(A) /* A est une classe sorte_de classe B*/
z Réseau = conjonction de formules logiques
associées à chacun des arcs
Nécessité de différencier les concepts
R individus (appartenance) des concepts classe
A B Ù R(A,B) (sorte_de) !
Prédicat binaire
18/10/2004 Représentation Connaissances 15 18/10/2004 Représentation Connaissances 16

Réseau sémantique (Argumentation


Sciences Cognitives) Réseau sémantique / phrases ?
Les représentations (humaines) de la connaissance formelle sur
z
des informations factuelles, « dénotées » peuvent se modéliser
z Le chat est un félin
avec 4 types d’entités z Le chat a pour proies la souris, l’oiseau,
z Des concepts (noms ou propositions nominales)
z Des relations étiquetées entre concepts (verbes ou propositions
l’insecte
verbales)
z Des « modificateurs » (ou marqueurs) qui sont attachés aux
z Le chat n’aime pas le chien
concepts ou aux relations (pour restreindre ou clarifier leur
portée)
z Le chat est représenté par son image par
z Des combinaisons de Concept -> Relation -> Concept avec des « id_photo »
modificateurs optionnels sont des instances de mise en relation
z L’ensemble forme de « larges réseaux d’idées » appelés z Le chat a des griffes
« réseaux sémantiques »

18/10/2004 Représentation Connaissances 17 18/10/2004 Représentation Connaissances 18

3
Exemple de réseau
sémantique (dénotationnel) Exercice
z Décrivez un réseau sémantique
représentant un étudiant/enseignant du
master recherche
1. Pour une tâche d’évaluation au sein du Master
(évaluation de l’étudiant)
2. Pour une tâche d’évaluation au sein du Master
(évaluation de l’enseignant)
z Tentez de donner une sémantique aux
relations proposées
18/10/2004 Représentation Connaissances 19 18/10/2004 Représentation Connaissances 20

Réseau sémantique - Réseau Sémantique


exploitation Propagation de marqueurs
L’idée est que toutes les unités d’un réseau (arcs et nœuds)
z Si on considère un réseau sémantique z
possèdent un processeur et une mémoire locales.
comme une conjonction de formules z Pour répondre à une question du genre « A est-elle
nécessairement une instance de B? »
logiques, alors mêmes méthodes que pour z On place un marqueur M1 sur A

un modèle logique z Tant que (le réseau continue à évoluer)


ƒ Tout lien AKO ayant un marqueur M1 à son origine propage ce marqueur à
son extrémité
z Si on considère un réseau sémantique ƒ Si le nœud B est marqué par M1, répondre « toute instance de A est
nécessairement une instance de B »
comme un graphe, alors on peut utiliser les z Très bonne adéquation au parallélisme ; bonne expressivité en
ajoutant des liens « rôles » ; ajout de liens « de négation » ; ajout
techniques de propagation de marqueurs de liens « exception »
z Si on propage des valeurs à la place des marqueurs, on se
rapproche sensiblement des réseaux connexionnistes !
Mécanismes d’inhibition ; activation sélective de nœuds…

18/10/2004 Représentation Connaissances 21 18/10/2004 Représentation Connaissances 22

Graphes conceptuels : notions


fondamentales S-graph / Support
z Sowa-84 : « Conceptual graphs form a z Un graphe conceptuel est constitué de deux types
de nœuds : les nœuds relations et les nœuds
knowledge representation language based on concepts.
linguistics, psychology, and philosophy ». z Les concepts représentent des entités, des attributs,
z Au niveau conceptuel, c’est donc un langage de des états et des événements, et
z Les relations montrent comment les concepts sont
communication pour différents spécialistes interconnectés.
impliqués dans une tâche cognitive commune. z Certains concepts sommets sont dits « individuels »
z Au niveau de son implantation informatique, ce Ù ont trait à des entités particulières
peut être un outil de représentation commun pour z Certains concepts sommets sont dits « génériques »
les différentes parties d’un système complexe. et représentent des concepts non spécifiés d’un
type donné.
18/10/2004 Représentation Connaissances 23 18/10/2004 Représentation Connaissances 24

4
S-Graph / Le graphe conforme
à un support. Support : exemple.
z Un graphe conceptuel est relatif à un « support », qui définit des
contraintes syntaxiques permettant décrire un domaine
d’application.
z Cette notion de support regroupe:
z Un ensemble de « types de concepts », structurés en treillis,
représentant une hiérarchie « sorte-de » acceptant l’héritage multiple.
z Un ensemble de « types de relations »
z Un ensemble de « graphes étoiles », appelés « bases », montrant
pour chaque relation quels types de concepts elle peut connecter
(signature de relation). B, Base des relations (graphes étoile)
z Un ensemble de « marqueurs » pour les « sommets concepts »: un
marqueur « générique » et un marqueur « individuel »
z Une relation de conformité, qui définit les contraintes d’association
entre un type de concept et un marqueur (si le type « t » est associé Tc, Le treillis des concepts
au marqueur « m » Ù Il existe un individu m qui « est_un » t.

18/10/2004 Représentation Connaissances 25 18/10/2004 Représentation Connaissances 26

Les S-graphes conformes au Projection et morphisme de S-


support S Graphes
z La projection d’un S-Graphe G sur un S-Graphe G’ est une liste ordonnée
de « mise-en-correspondance » g de C sur C’ (concepts) et f de R sur R’
(relations) qui préserve les étiquettes des sommets « r » et peut restreindre
les étiquettes des sommets « c ». Restreindre une étiquette d’un sommet
« c » revient à restreindre le type de « c » et/ou (si « c » est générique),
positionner un marqueur individuel à la place d’un marqueur générique
(satisfaisant la conformité de type). Autrement « dit » :

R={sommets relations r}, C={sommets concepts c}, U={arcs}, lab={étiquettes}.

18/10/2004 Représentation Connaissances 27 18/10/2004 Représentation Connaissances 28

Isomorphisme de S-graphe
Projection : exemple (iso-projection)

Πv est une isoprojection


Πu est une projection non injective
18/10/2004 Représentation Connaissances 29 18/10/2004 Représentation Connaissances 30

5
Opérations de généralisation =
Opérations de spécialisation inverses de la spécialisation
z Règles de spécialisation z Règles de généralisation
z Suppression des sommets-r « jumeaux » (simplification). // z Addition de sommets-r « jumeaux »
2 relations de même type et ayant les mêmes voisins. z Extension élémentaire (restriction) : il s’agit de remplacer
z Restriction élémentaire (restriction) : il s’agit de remplacer une étiquette « e » d’un sommet-c par une autre étiquette
« e’ » de plus haut niveau (pour tout arc r-c avec le label i,
une étiquette « e » d’un sommet-c par une autre étiquette type(c) ≤ type du ième voisin du sommet-r du graphe étoile
« e’ » telle que e’≤e et e’ conforme au type. Btype(r))
z Fusion élémentaire : deux sommets-c « c » et « c’ » de z Eclatement élémentaire : duplication d’un sommet-c, en
même étiquette et appartenant à 2 s-graphes sont deux sommets c1 et c2, avec des étiquettes identiques, et
fusionnés pour donner un nouveau s-graphe. l’ensemble des arcs adjacents à ces nouveaux sommets
est une bi-partition de l’ensemble des arcs adjacents à c.
z G est une spécialisation de H si H appartient à une
séquence de spécialisation arrivant à G. z G est une spécialisation de H si H appartient à une
séquence de spécialisation arrivant à G.
z La relation de spécialisation s’écrit : ≤ z La relation de spécialisation s’écrit : ≤
18/10/2004 Représentation Connaissances 31 18/10/2004 Représentation Connaissances 32

Quelques propriétés Interprétation logique


∃x∃y∃z∃t polygon( x) ∧ square( y ) ∧ geo.object ( z ) ∧ rectangle(t )
z S’il existe une projection de H sur G, alors G≤H ∧ on( x, y ) ∧ on( y,g ) ∧ on( z,t ) ∧ on(t,g )
z Si G≤H alors, à toute séquence de spécialisation de
H en G, on peut associer une projection de G sur G.
z G≤H si et seulement si il existe une projection de H
sur G.
z La relation de spécialisation ≤ est un préordre (la
propriété d’antisymétrie n’est pas satisfaite).
z Si G≤H et H≤G alors H et G sont équivalents : H≡G.

18/10/2004 Représentation Connaissances 33 18/10/2004 Représentation Connaissances 34

Introduction aux logiques de


Complexité de la projection descriptions
z Le problème de la projection est NP-Complet z Langage de représentation de
z Le problème de la recherche de sous-graphe
(projection injective) est NP-Complet connnaissances
z Le problème de l’isoprojection est NP-Complet z Connaissances du domaine représentées par
(mêm si on a un ordre total sur les étiquettes des des entités qui ont une description syntaxique
sommets-c!).
z Le problème de l’équivalence est NP-Complet. à laquelle est associée une « sémantique ».
z => on peut facilement vérifier qu’un graphe est une z Logiques de descriptions Ù Logiques
projection d’un autre graphe (par exemple), mais le temps
pour établir les projections possibles d’un graphe est terminologiques Ù famille de langages
exponentiel à sa dimension…
(NP = Non-déterministe Polynomial)

18/10/2004 Représentation Connaissances 35 18/10/2004 Représentation Connaissances 36

6
Logique de descriptions Principes des LD
z Un concept permet de représenter un z Un concept et un rôle possèdent une description
ensemble d’individus structurée élaborée à partir de constructeurs
z Une sémantique est associée à chaque description
z Un rôle représente une relation binaire entre
de concept et de rôle par l’intermédiaire d’une
individus. interprétation.
z Concept Ù entité générique d’un domaine z Représentation des concepts et des rôles relèvent
z Individu Ù une entité singulière, une instance du niveau terminologique Ù TBox
d’un concept. z Description et manipulation des individus relèvent
du niveau factuel ou niveau des assertions ABox

18/10/2004 Représentation Connaissances 37 18/10/2004 Représentation Connaissances 38

Principes des LD (suite) Définitions


z La relation de subsomption organise concepts et z Un concept dénote un ensemble d’individus (l’extension du
rôles par niveau de généralité. C subsume D si C concept)
est plus général que D au sens que l’ensemble z Un rôle dénote une relation binaire entre individus.
d’individus représenté par C contient l’ensemble z La description structurée d’un concept est faite par des
constructeurs introduisant les rôles associés au concept et les
d’individus représenté par D Ù hiérarchie de restrictions attachées à ces rôles:
concepts et (parfois) hiérarchie de rôles. z Restrictions en général sur le co-domaine du rôle (le concept
z Opérations de base : classification et instanciation. avec lequel le rôle établit une relation) et la cardinalité du rôle
(nombre minimal et maximal de valeurs élémentaires que peut
z Classification de concepts (ou rôles) et détermine la prendre le rôle : les valeurs élémentaires sont des instances de
position d’un concept (d’un rôle) dans une hiérarchie. concept ou des types de base –entier, réel, chaînes de
Construction et maintenance de la hiérarchie est assistée caractères-).
par le processus de classification. z Concepts primitifs Ù atomes servant de base à la construction
z L’instanciation permet de retrouver les concepts dont UN des concepts définis.
individu est susceptible d’être une instance (sens différent z Concept défini, concept possédant une définition.
dans les langages à objet).
18/10/2004 Représentation Connaissances 39 18/10/2004 Représentation Connaissances 40

Concept primitif
Exemple La famille de langage AL
Est_subsumé_par

Rôle

Définition de concept

Constructeurs
Éléments syntaxiques

18/10/2004 Représentation Connaissances 41 18/10/2004 Représentation Connaissances 42

7
Satisfiabilité, équivalence,
Notion d’interprétation incompatibilité de concepts

18/10/2004 Représentation Connaissances 43 18/10/2004 Représentation Connaissances 44

Exercice : satisfiabilité des


exemples de concepts suivant ? Relation de subsomption

18/10/2004 Représentation Connaissances 45 18/10/2004 Représentation Connaissances 46

Niveau terminologique Test de subsomption


z Deux déclarations terminologiques : z Méthodes de type « normalisation-
z introduction de concepts primitifs comparaison » (algorithmes NC)
z Introduction de définitions z Méthode dérivée de la méthode des tableaux
z Déclaration = équation terminologique sémantiques
z Nom de concept utilisé une seule fois en partie
gauche (pas de circuit terminologique).
z Ù possibilitéde substituer tout nom de concept
par sa définition dans n’importe quelle expression
conceptuelle (développement des définitions).
18/10/2004 Représentation Connaissances 47 18/10/2004 Représentation Connaissances 48

8
Méthodes des tableaux
Normalisation-Comparaison sémantiques
z Développement et factorisation des z La question « Est-ce que C subsume D » est
définitions remplacée par « Est-ce que DΠ⌐C est non
satisfiable ? ».
z Production des « formes normales » de
z La méthode est la réfutation.
description.
z Il est possible de donner à la démonstration une
z Comparaison forme d’arbre fini étiqueté qui est appelé
« tableau sémantique » où chaque branche
mémorise une série d’évaluations possibles pour
les énoncés testés.

18/10/2004 Représentation Connaissances 49 18/10/2004 Représentation Connaissances 50

Base de connaissances
terminologique Exemple

TBox

ABox

18/10/2004 Représentation Connaissances 51 18/10/2004 Représentation Connaissances 52

Exemple (explication) Exemple - Interprétation

18/10/2004 Représentation Connaissances 53 18/10/2004 Représentation Connaissances 54

9
Complexité de la Conclusion sur la représentation
subsomption? de la connaissance
z Si le langage est pauvre (pas de and ni z Richesse expressive Ù complexité
restrict par exemple) alors Complet et z Lecture toujours difficile
Polynomial z Mécanismes de « calcul » (projection,
z Si le langage est expressif, alors NP- subsomption, etc.) ne permettent pas des
Complet, voire Incomplet et exponentiel… expressions de requêtes toujours « simples »
(il faut reformuler).
z Ne règle pas le « frame » problem…

18/10/2004 Représentation Connaissances 55 18/10/2004 Représentation Connaissances 56

18/10/2004 Représentation Connaissances 57

10