2-Connaissance Et IA

Université Abdelmalek Essaâdi
École Normale Supérieure - Tétouan

Département des mathématiques, de l’informatique et des
sciences physiques
Filière : MS FUE Ingénierie Pédagogique Multimédia
S3
2022/2023
CHAPITRE 2
CONNAISSANCE ET IA
MODULE : WEB SÉMANTIQUE

AAMMOU SOUHAIB
PLAN
Connaissance
Donnée, Information et Connaissance
Modélisation des connaissances
Web sémantique et connaissances
Intelligence Artificielle et représentation des connaissances
Introduction à l’Intelligence Artificielle (IA)
Décidabilité/Calculabilité
Définition
L’indécidabilité de l’arrêt
La machine de Turing
Le Test de Turing
Définition de l’intelligence artificielle
IA : deux écoles
Les trois niveaux de l’IA :
AAMMOU SOUHAIB S3/2022-2023 2
CONNAISSANCE

DONNÉE, INFORMATION ET CONNAISSANCE
Donnée (data)
Elément fondamental servant de base à un raisonnement, à une recherche. (ex : _ _ _)
Information (information)
Elément de connaissance susceptible d'être codé pour être conservé, traité ou
communiqué.
Représentation conventionnelle d'un information sous une forme convenant à son
traitement par ordinateur. (ex: SOS)
Connaissance (Knowledge)
Ce que l'on a appris par l'étude ou la pratique. (ex : En cas d'alerte, ...).
La connaissance inclut la généralisation et l'abstraction d'un grand volume de données
[Wiederhold, 1986].

CONNAISSANCE ?
Démontrer de la connaissance => démontrer une capacité à mobiliser des

informations pour agir ou produire d’autres capacités à agir (connaissances)
Connaissance = information + mode d’emploi dans un contexte donné
En IA: Connaissance = Information + Sémantique
Pas de classement universel des différents types de connaissances

CLASSEMENT DE CONNAISSANCE: EST-CE POSSIBLE?
Floue/précise  évaluation difficile

Définition  toujours vraie
Les lendemain de fêtes ne sont pas très
Un triangle est un polygone ayant
productifs
exactement 3 côtés
Typique/universelle  peut être
Evolutive/atemporelle  peut être
contredit
modifiée
Habituellement, le prof arrive en retard
Mohamed est étudiant en Master IPM à
l’ENS Ambiguë  plusieurs significations
Incertaine/certaine Zakaria savait que Fatima allait gagner.
La lune provient d’une collision de la Savoir/se douter
Terre

CONNAISSANCE DÉCLARATIVE
Les connaissances déclaratives sont des connaissances

sur les objets qui précisent leurs composantes
élémentaires et la nature des relations entre ces
composantes. Elles sont conscientes et explicitables c’est
à dire qu’elles peuvent être exprimées par le langage.
Ce sont des concepts indépendants d’un contexte spatio-
temporel. La connaissance du code de la route fait partie des
connaissances déclaratives indispensables pour l’activité de
conduite d’un véhicule.
CONNAISSANCE PROCÉDURALE
Les connaissances procédurales concernent des séquences d’actions

organisées dans un but donné et tenant compte des possibilités d’action sur les
objets.
Exemple: « Mettre un véhicule en mouvement » fait partie connaissance
procédurale ou déclarative?
Mettre un véhicule en mouvement fait partie des connaissances procédurales :
tourner la clé de contact,
débrayer,
passer la marche avant,
embrayer doucement en accélérant.

DÉCLARATIVE VS PROCÉDURALE
Du point de vue de l’activité humaine, il semble difficile de

dissocier les connaissances procédurales des connaissances
déclaratives.
Prenons l’exemple du démarrage à un feu tricolore au volant
d’un véhicule : comme vu précédemment, la mise en
mouvement du véhicule repose sur un certain nombre de
connaissances procédurales, cependant, le conducteur doit
faire appel à des connaissances déclaratives (code de la
route) pour comprendre la signification de la couleur du feu.
MODÉLISATION DES CONNAISSANCES
Modélisation des connaissances est :

Recensement et
Structuration des connaissances
dans une représentation schématique
pour les rendre visibles, manipulables, compréhensibles,
communicables
(Paquette, 2002a)
POURQUOI FAIRE ?
Réalisation d’inférences dans un système « intelligent »

La représentation et la modélisation des connaissances sont au cœur de
l’Intelligence Articifielle
Définition de système de gestion des connaissances en entreprise
Réalisation de supports pédagogiques ou de matériel didactique (MOOC)
Clarification du domaine
Structuration des connaissances abordées
Identification des liens entre les connaissances
Représentation du modèle mental relatif aux connaissancesd’un domaine
(Basque&Pudelko, 2004)

WEB SÉMANTIQUE ET CONNAISSANCES
WS : Formalisation de connaissances disponibles sur le

Web
Représentation des connaissances sous forme d’entités
XML

INTELLIGENCE ARTIFICIELLE ET
REPRÉSENTATION DES CONNAISSANCES
IA : raisonnement, inférence (+ apprentissage, ...)

Besoin de connaissances sur le monde dans lequel le
système intervient
Inférence : formalisation de connaissances
Besoin de représenter les connaissances pour qu’un
système puisse les utiliser

REPRÉSENTATION DES CONNAISSANCES
La représentation des connaissances n’étant pas le but ultime, il

faut que les connaissances représentées puissent être manipulées
par un mécanisme de raisonnement approprié capable de
fournir une solution au problème posé. En effet, représentation et
raisonnement sont, d’une manière ou d’une autre, très liés.
Dans un système à base de connaissances on a donc besoin à la
fois :
d’un formalisme pour représenter les connaissances et
d’un mécanisme de raisonnement appelé souvent « moteur
d’inférence» qui est capable d’enchaîner des inférences sur les
représentations de ces connaissances.

INTRODUCTION À L’INTELLIGENCE
ARTIFICIELLE (IA)
INTRODUCTION
L’un des objectifs majeurs de l’I.A est la résolution de problèmes complexes et dérivant
de domaines variés.
Pour résoudre un problème donné, on a souvent besoin de manipuler des connaissances
du domaine concerné. Ces connaissances nécessitent des modèles et des formalismes
de représentation capables de les rendre utilisables sur ordinateur.
Monde réel Homme Homme (exp Machines

(cerveau) papier)
Structures de
Choses, Faits, Connaissances Représentations
données et
et. sur ces choses et de ces faits (par
langages
faits un formalisme) implémentant ces
représentations
INTRODUCTION
La machine modèle :
qu’elle comprenne un interlocuteur humain.
qu’elle soit capable de réaliser les tâches que celui-ci lui
demande.
qu’elle réagisse avec « intelligence ».

INTRODUCTION
La naissance de l’IA est liée indirectement aux trois

facteurs
le problème de la décidabilité, auquel s’associe celui de la
calculabilité
l’amélioration des capacités industrielles et des décisions
Économiques
la seconde guerre mondiale et la guerre froide

DÉCIDABILITÉ/CALCULABILITÉ
DÉCIDABILITÉ :DÉFINITION
L’existence d’une procédure générale permettant d’attribuer la

valeur « vrai » ou « faux » à toute proposition logique ce
processus est appelé « algorithme »
Un algorithme résout un problème de décision lorsque
il prend en entrée les paramètres du problème
il détermine si l’énoncé est vrai ou faux pour ces paramètres
Exemple :
déterminer si un entier naturel quelconque est premier est un problème de
décision. Ce problème est décidable : il existe un algorithme (un calcul, un
programme) qui le résout.

PROBLÈME : DÉCIDABILITÉ
Certains problèmes sont indécidables c’est-à-dire qu’il

n’existe pas d’algorithme ou de programme qui les résolve.
Il est important de savoir si un problème est décidable avant
de chercher à le résoudre.
De nombreux problèmes sont indécidables.
Le plus fameux d’entre eux est le problème de l’arrêt : être
capable de déterminer, pour tout programme informatique, s’il
s’arrêtera de lui-même ou continuera son exécution éternellement.

L’INDÉCIDABILITÉ DE L’ARRÊT
Un programme prend un entier en entrée et s’arrête (1) ou boucle éternellement (0).

On suppose qu’il existe un programme h(p; q)
qui renvoie 1 si le programme p s’arrête sur la donnée q
renvoie 0 sinon
On construit un programme d(x) qui
s’arrête si h(x; x) vaut 0
boucle indéfiniment sinon.
On montre par l’absurde que h(p; q) n’existe pas : d(x) boucle indéfiniment si et
seulement si h(x; x) vaut 1, si et seulement si d(x) s’arrête.
(Turing, 1936)

PROBLÈME : INCOMPLÉTUDE
Kurt Gödel (1931) : théorème d’incomplétude

dans tout système axiomatique il existe inévitablement des
propositions pour lesquelles ce même système est incapable de
démontrer si elles sont vraies ou fausses ainsi quel que soit la
puissance d’un langage de formalisation, il existera toujours
dans l’Univers des faits qu’il ne pourra pas démontrer

SOLUTION : CALCULABILITÉ
Alain Turing (1936) : notion de calculabilité

S’il est possible de calculer le résultat d’une fonction dans toutes les
circonstances, alors la question associée à cette fonction est décidable
Machine « de Turing » : pour toute fonction, on y trouve une machine qui, à
la fin de son calcul, fournit le résultat de cette fonction

LA MACHINE DE TURING
Une machine de Turing (MT) déterministe est un 7-uplet

M = (Q, Σ, Γ, δ, q0, B, qF )
Où:
Q est un ensemble d’états fini ;
Σ est l’alphabet d’entrée ;
Γ est l’alphabet de ruban (il contient tous les symboles qui peuvent apparaître sur le ruban. En
particulier Σ ⊂ Γ car l’entrée est initialement écrite sur le ruban. On supposera que Q∩Γ = ∅ pour
qu’il n’y ait pas de confusion entre états et symboles du ruban) ;
δ est une fonction de transition décrite ci-après ;
q0 ∈ Q est l’état initial ;
B ∈ Γ \ Σ est un symbole blanc spécial (ne fait pas partie de l’alphabet d’entrée) ;
qF ∈ Q est l’état final.

La fonction de transition δ est une application (partielle) de l’ensemble

(Q \ {qF }) × Γ dans l’ensemble Q × Γ × {L, R}.
L’application est partielle : elle peut être indéfinie pour certains
arguments, auquel cas la machine n’a pas de mouvement suivant et
s’arrête. En particulier, il n’y a pas de transition depuis l’état final qF .
Une transition
δ(q, a) = (p, b, L)
signifie que dans l’état q et en lisant le symbole de ruban a, la machine
passe dans l’état p, remplace a par b sur le ruban, et déplace la tête de
lecture/écriture d’une cellule sur la gauche (L pour left et R pour right).

Initialement, le mot d’entrée est écrit sur le ruban et toutes les

autres cellules contiennent le symbole blanc B.
La machine est dans l’état q0, et la tête de lecture/écriture est
positionnée sur la lettre la plus à gauche de l’entrée. Il y a trois
possibilités :
acceptation si au cours des transitions la machine entre dans l’état final qF
(et donc s’arrête),
rejet si au cours des transitions la machine s’arrête dans un état non final
(s’il n’y a pas de mouvement suivant `a réaliser),
rejet si la machine ne s’arrête jamais.

EXERCICE
Ecrire une machine de Turing qui trouve une séquence

et en remplacer les 0 par des 1.
Une séquence de 0 et de 1 est écrite sur le ruban et la
tête est à gauche de cette séquence.

SOLUTION
Pour cet algorithme, on utilise deux états :

À l’état 1
la tête devra se déplacer à droite tant qu’elle lira un blanc, dès qu’elle trouve
un 0 ou un 1 elle passe à l’état 2.
À l’état 2
si elle lit un 0, elle écrit 1 et se déplace à droite ;
si elle lit un 1, elle n’écrit rien et se déplace à droite ;
enfin, si elle lit un blanc, c’est qu’elle a fini de parcourir la séquence, elle passe
à l’état final et s’arrête.

SOLUTION
On construit le diagramme de la machine de la façon

suivante :
Les états sont écrits sous la forme q1, q2, etc. et qF représente
l’état final.
Les déplacements à gauche et à droite sont représentés par les
lettres L et R (Left et Right)
Les triplets indiqués représentent (lecture ; écriture ;
déplacement) et la flèche indique le prochain état.
SOLUTION
Dans l’état 1 (q1) :

Le triplet (b ; ; R) avec la flèche signifie que si la tête lit un blanc,
elle n’écrit rien, elle se déplace d’une case à droite et elle reste
à l’état 1.
Les triplets (0 ; ; ) et (1 ; ; ) signifient que si la tête lit un 0 ou un
1, elle n’écrit rien, elle ne se déplace pas et elle passe à l’état 2.

SOLUTION
Dans l’état 2 (q2) :

Le triplet (0 ; 1 ; R) signifie que si la tête lit un 0, elle écrit 1, elle
se déplace à droite et elle reste à l’état 2.
Le triplet (1 ; ; R) signifie que si la tête lit un 1, elle n’écrit rien,
elle se déplace à droite et elle reste à l’état 2.
Le triplet (b ; ; ) signifie que si la tête lit un blanc, elle n’écrit
rien, elle ne se déplace pas et elle passe à l’état final qF.

SOLUTION
Le diagramme complet est le suivant :
Et voila le résultat

SOLUTION
La table des transitions correspondant:

Déplace
Nouvelle
Etat Lecture Ecriture ment
état
(Tête)
b R
q1 0 q2
1 q2
b qF
q2 0 1 R
1 R
Calculabilité d’une fonction

il existe une procédure déterminée permettant de calculer sa
valeur en un nombre fini d’étapes quels que soient ses
arguments
Décidabilité d’une fonction
il existe une procédure déterminée (ou démonstration)
permettant de résoudre cette question en un nombre fini
d’étapes
Turing a démontré
l’existence de machines qui pouvaient ne jamais s’arrêter de
calculer
« machine universelle » :
Turing a montré ensuite que, parmi les machines de Turing, il existe une
pouvant simuler toutes les autres
elle constitue le modèle théorique des ordinateurs, premier étape sur le
chemin de l’IA

Un problème ne pouvant pas être résolu par une

machine de Turing ne peut pas l’être par l’esprit humain.
Le principe de l’IA : toute forme de pensée humaine
susceptible d’être exprimée dans un langage peut être
simulée par la machine universelle.

LE TEST DE TURING
1950 : jeu de l’imitation ou test de Turing

Lors de ce test, le succès permet de déterminer le caractère
intelligent,
L’échec ne permet aucune conclusion
Ce test se base sur le comportement de l’interlocuteur,
en ignorant les mécanismes de ce comportement

DÉFINITION DE L’INTELLIGENCE
ARTIFICIELLE
Une présupposition essentielle pour agir intelligemment d’une

manière générale est la capacité de produire et de manipuler des
structures symboliques.
(Allen Newell)
Le but de l’intelligence artificielle est l’étude de la structure de

l’information et de la structure de processus de résolution de
problèmes, indépendamment des applications et indépendamment
d’une réalisation.
(John McCarthy.)
DÉFINITION DE L’INTELLIGENCE
ARTIFICIELLE

QU’EST CE QUE L’IA CONCRÈTEMENT.
Idée 1= Rechercher (analyser, résoudre des problèmes, trouver

des méthodes de résolution)
Idée 2= Représenter des connaissances (logique, règles,
mémoire, cas, langue naturelle, etc.)
Mettre en application les idées 1 et 2
Systèmes Experts, Pilotes automatiques,
Planification, Data Mining,
Agents d’interfaces, fouille de texte, système de dialogue
Robots, avatars, chatbots, etc.

IA : DEUX ÉCOLES
Héritiers de la cybernétique (1)

Se préoccupent des processus d’apprentissage
Leur démarche est dans le cadre de la simulation numérique
sur le base des travaux de Marvin Minsky
École du MIT
Travaux dans le domaine de la robotique et des systèmes
experts

IA : DEUX ÉCOLES
L’école Carnegie-Mellon (2)

Guidée par les idées d’Allan Newell, Herbert Simon sur le
traitement symbolique
Logic Theorist [Newell, Shaw et Simon, 1956] : démonstration
de théorèmes de la logique des propositions
1957 : un système réellement « intelligent » le General
Problem Solver ou GPS: Se caractérise sur les travaux sur la
résolution de problèmes et sur la nature de raisonnement
3 NIVEAUX D’IA
La majorité des spécialistes de l’IA sont aujourd’hui d’accord sur une typologie à trois
niveaux de l’IA :
ANI : Artificial Narrow Intelligence ou IA mono activité. Le logiciel créé par
DeepMind, filiale de Google, capable de battre les meilleurs joueurs de Go est une
solution A N I.
AGI : Artificial General Intelligence ou IA capable de résoudre des problèmes très
variés, à l’image de ce que peut faire un homme ou une femme.
ASI : Artificial Super Intelligence ou IA ayant des capacités supérieures à celles de
l’espèce humaine.

HISTORIQUE DE L’INTELLIGENCE
ARTIFICIELLE
1943 : McCulloch et Pitts créent le modèle du neurone formel

1948 : Création de la cybernétique (science des systèmes) par
Norbert Wiener.
1949 : Hebb établit la première règle d'apprentissage neuronal
1950 Shannon, 1952 Samuel, 1953 Turing : machine pour jouer aux
échecs
1956: Dartmouth Workshop - John McCarthy propose le terme
« Artificial Intelligence »
1958: MIT – John McCarthy crée le « langage LISP »
HISTORIQUE DE L’INTELLIGENCE
ARTIFICIELLE
1960-1966: Représentation des connaissances et inférences en logique

formelle (Méthode de la résolution Robinson)
1965: Zadeh crée la logique floue
1965: Une équipe de Stanford University, sous la direction d'Ed
Feigenbaum, réalise le 1er système expert (DENDRAL)
1966:Weizenbaum, J., ELIZA - A computer program for the study of
natural language communication between man and machine.
Communications of the ACM, 9.1:36-45.
General Problem Solver (1969): résolveur de problèmes général
1970: PROLOG

HISTORIQUE DE L’IA
Le renouveau (les premiers systèmes experts) 1969-1979

DENDRAL réalise l'analyse automatique des spectres de masse pour
déterminer la structure moléculaire du corps chimique étudié. “Heuristics
Dendral : A program for generating explanatory hypotheses in organic
chemistry.” de B. Buchanan, Sutherland, Feigenbaum, Machine Intelligence, 1969
MYCIN diagnostique les maladies infectieuses du sang et propose un
traitement approprié. “ Computer based medical consultations : MYCIN” de E.
Shortliffe, 1976
L’IA institutionnalisée 1980-aujourd’hui
Une industrie (SE, Systèmes d’apprentissage, interfaces ergonomiques, Data
Mining, etc.)

HISTORIQUE DE L’IA
Les principaux langages de l’intelligence artificielle

Lisp (1960, J. MacCarthy)
Prolog (1973,A. Colmerauer), Prolog avec contraintes
SmallTalk (1972,A. Kay)
JAVA (1994) , C++, Scheme, ...

GRANDS DOMAINES DE L'IA
Reconnaissance et synthèse de la parole (ex: réservation d’hôtel)

Reconnaissance et synthèse d'images (ex. recherche d’info)
Reconnaissance de l'écriture (ex: recon. cheques, codes postaux)
Langage naturel (ex: interfaces, text mining,Web Mining)
Aide à la décision (ex: SE temps réels et autonome: contrôle de trajectoire du satellite Voyager)
Aide à la programmation (ex: agents d’interface)
Apprentissage / Adatptatif (ex: construction de systèmes experts, classification automatique de
galaxie, contrôleurs de robots ...)
Jeux (e.g. Echecs)
Médecine: Aide à la décision (SE), prédiction de patients à risques, analyse automatique d’images
médicales

2-Connaissance Et IA

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2-Connaissance Et IA

Transféré par

Droits d'auteur :

Formats disponibles

Université Abdelmalek Essaâdi

École Normale Supérieure - Tétouan

MODULE : WEB SÉMANTIQUE

AAMMOU SOUHAIB S3/2022-2023 3

AAMMOU SOUHAIB S3/2022-2023 4

Démontrer de la connaissance => démontrer une capacité à mobiliser des

Pas de classement universel des différents types de connaissances

AAMMOU SOUHAIB S3/2022-2023 5

Floue/précise  évaluation difficile

AAMMOU SOUHAIB S3/2022-2023 6

Les connaissances déclaratives sont des connaissances

Les connaissances procédurales concernent des séquences d’actions

AAMMOU SOUHAIB S3/2022-2023 8

Du point de vue de l’activité humaine, il semble difficile de

Modélisation des connaissances est :

Réalisation d’inférences dans un système « intelligent »

AAMMOU SOUHAIB S3/2022-2023 11

WS : Formalisation de connaissances disponibles sur le

AAMMOU SOUHAIB S3/2022-2023 12

IA : raisonnement, inférence (+ apprentissage, ...)

AAMMOU SOUHAIB S3/2022-2023 13

La représentation des connaissances n’étant pas le but ultime, il

AAMMOU SOUHAIB S3/2022-2023 14

Monde réel Homme Homme (exp Machines

AAMMOU SOUHAIB S3/2022-2023 17

La naissance de l’IA est liée indirectement aux trois

AAMMOU SOUHAIB S3/2022-2023 18

L’existence d’une procédure générale permettant d’attribuer la

AAMMOU SOUHAIB S3/2022-2023 19

Certains problèmes sont indécidables c’est-à-dire qu’il

AAMMOU SOUHAIB S3/2022-2023 20

Un programme prend un entier en entrée et s’arrête (1) ou boucle éternellement (0).

AAMMOU SOUHAIB S3/2022-2023 21

Kurt Gödel (1931) : théorème d’incomplétude

AAMMOU SOUHAIB S3/2022-2023 22

Alain Turing (1936) : notion de calculabilité

AAMMOU SOUHAIB S3/2022-2023 23

Une machine de Turing (MT) déterministe est un 7-uplet

AAMMOU SOUHAIB S3/2022-2023 24

La fonction de transition δ est une application (partielle) de l’ensemble

AAMMOU SOUHAIB S3/2022-2023 25

Initialement, le mot d’entrée est écrit sur le ruban et toutes les

AAMMOU SOUHAIB S3/2022-2023 26

Ecrire une machine de Turing qui trouve une séquence

AAMMOU SOUHAIB S3/2022-2023 27

Pour cet algorithme, on utilise deux états :

AAMMOU SOUHAIB S3/2022-2023 28

On construit le diagramme de la machine de la façon

Dans l’état 1 (q1) :

AAMMOU SOUHAIB S3/2022-2023 30

Dans l’état 2 (q2) :

AAMMOU SOUHAIB S3/2022-2023 31

Le diagramme complet est le suivant :

AAMMOU SOUHAIB S3/2022-2023 32

La table des transitions correspondant:

Calculabilité d’une fonction

AAMMOU SOUHAIB S3/2022-2023 35

Un problème ne pouvant pas être résolu par une

AAMMOU SOUHAIB S3/2022-2023 36

1950 : jeu de l’imitation ou test de Turing

AAMMOU SOUHAIB S3/2022-2023 37

Une présupposition essentielle pour agir intelligemment d’une

Le but de l’intelligence artificielle est l’étude de la structure de