Une utilisation non monotone du calcul propositionnel clas - Laurent ...
Une utilisation non monotone du calcul propositionnel clas - Laurent ...
Une utilisation non monotone du calcul propositionnel clas - Laurent ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Une</strong> <strong>utilisation</strong> <strong>non</strong> <strong>monotone</strong> <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong> <strong>clas</strong>sique<br />
pour le diagnostic<br />
(Research report 1995 submitted to RFIA96 : refused)<br />
<strong>Laurent</strong> Henocque<br />
Laboratoire d'Informatique et de Mathématiques de Marseille<br />
(LIM), Université de la Méditerranée<br />
LSIS (UMR CNRS 6168)<br />
Bâtiment Henri Poincare - Case Cour A<br />
Campus Scientifique de St Jérôme<br />
avenue Escadrille Normandie Niemen<br />
13397 MARSEILLE Cedex 20<br />
e-mail : lh@lsis.org<br />
Résumé<br />
Nous étudions l’exploitation <strong>non</strong> <strong>monotone</strong> de bases de connaissances écrites en<br />
<strong>calcul</strong> <strong>propositionnel</strong> <strong>clas</strong>sique. Appelées bases d’exemples, elles permettent de<br />
décrire héritage et exceptions, pour des connaissances ne comportant pas de<br />
relations. Reposant sur la relation habituelle d’inférabilité, nous disposons de<br />
procé<strong>du</strong>res de preuve correctes, complètes et décidables, et d'un lien naturel entre<br />
les preuves sémantique et formelle. Notre approche utilise des numéros d’exemples<br />
explicites et permet de construire des bases d’exemples dites sémantiquement<br />
mo<strong>du</strong>laires : l’ajout d’exemples nouveaux ne nécessite pas de refonte globale<br />
de la formule. Nous isolons une gamme de relations d’inférabilité de sens commun<br />
qui comprennent l’inférence <strong>clas</strong>sique, et vont jusqu’à une inférence ab<strong>du</strong>ctive :<br />
cette progressivité présente un intérêt particulier pour le diagnostic. Nous avons<br />
testé nos propositions de façon informatique sur un cas concret, en utilisant pour<br />
cela un algorithme de recherche de modèles qui s’avère particulièrement adapté.<br />
Mots clef<br />
raisonnement <strong>non</strong> <strong>monotone</strong>, raisonnement de sens commun, ab<strong>du</strong>ction, représentation de la<br />
connaissance, bases d’exemples, systèmes d’identification, mo<strong>du</strong>larité sémantique.
Intro<strong>du</strong>ction<br />
Cette recherche a été motivée par la volonté de représenter à l’aide <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong> une base<br />
de connaissances permettant le diagnostic de maladies de plantes. Il ne s’agit pas ici de diagnostic<br />
au sens de Reiter (“A Theory of diagnosis from first principles” [Reiter 87], également<br />
[de Kleer et al. 90]) : déterminer les composants fautifs d’un système défectueux dont ne sont connus<br />
que les principes de fonctionnement correct. Notre problème est l’identification d’une maladie décrite<br />
au système par l’observation de ses symptômes. <strong>Une</strong> base de connaissances combine des connaissances<br />
générales sur les plantes comme "les plantes à feuilles ca<strong>du</strong>ques n'ont pas de feuilles en<br />
hiver", et des faits précis sur chaque variété, soit descriptifs de la plante comme par exemple "les<br />
aralias ont des feuilles palmées", soit descriptifs de maladies et de symptômes : "les hortensias<br />
ayant des pucerons ont les feuilles déformées et des petits insectes verts". Ce type de base de<br />
connaissances permet à volonté soit de déterminer la maladie dont est atteinte une plante en<br />
général inconnue au départ dont on décrit au système quelques propriétés (c'est un diagnostic), ou<br />
bien de lister les caractéristiques d'une plante connue par son nom (système d'information). Le<br />
système doit dé<strong>du</strong>ire “hortensia, pucerons” à partir des seules informations “feuilles rondes, boules<br />
de fleurs roses, feuilles déformées”, si cela est pertinent. L’étude d’un cas concret (cf. [Henocque 95])<br />
a con<strong>du</strong>it a observer des difficultés auxquelles ce papier tente d’apporter une réponse.<br />
En simplifiant énormément, imagi<strong>non</strong>s une base d'exemples qui ne décrive de "rouge" qu'un gros<br />
camion rouge, parmi d'autres véhicules. On veut que "rouge" permette de dé<strong>du</strong>ire "gros camion".<br />
Cette inférence est en fait une association d'idées ("rouge" évoque l'unique gros camion rouge connu)<br />
et doit évidemment disparaître en présence de faits supplémentaires décrivant d'autres objets<br />
rouges.<br />
La formulation de connaissances comme combinaison d’un ensemble de règles générales et d’un<br />
ensemble d’instances connues est fondamentale dans les logiques de description (terminological<br />
logics) où ces notions sont séparées dans deux structures indépendantes, la TBox, et la ABox (voir<br />
[Brachman et al. 85] pour les origines, également [Baader et al. 90]). Cette problématique est<br />
abordée dans un autre domaine par [Golding et al. 91] qui illustre bien l’apport <strong>du</strong> raisonnement<br />
fondé sur les cas (cf. [Edelson 93], Kass et al. 88]) aux langages à base de règles. Les logiques de<br />
description et les règles d'inférence sont au niveau <strong>du</strong> <strong>calcul</strong> des prédicats. Notre champ est limité<br />
au <strong>calcul</strong> <strong>propositionnel</strong> “brut”, avec l’ambition d’atteindre une gamme particulière d'applications de<br />
l'intelligence artificielle que l'on peut qualifier de systèmes d'identification : qui permettent<br />
d'identifier un "objet" ou un concept à partir de quelques propriétés. Notre intuition, avec d'autres<br />
auteurs ([Craddock 93]), est que l’on peut en faire plus avec des langages logiques standard que ce<br />
que l’on pense couramment. Craddock affirme dans [Craddock 93]que la complexité des techniques<br />
mises en oeuvre (via l’ajout de caractéristiques extra-logiques au langage : modalités, défauts par<br />
ex.) n’est pas nécessairement indicative de la complexité intrinsèque <strong>du</strong> problème. L’<strong>utilisation</strong> <strong>du</strong><br />
<strong>calcul</strong> <strong>propositionnel</strong> garantit l’existence de procé<strong>du</strong>res de preuve correctes, complètes et décidables.<br />
L’étude de cas concrets montre que la complexité théorique NP-difficile <strong>du</strong> problème tel qu’il est<br />
abordé n’est jamais atteinte et autorise des performances compatibles avec l’<strong>utilisation</strong> pratique.<br />
Nos bases de connaissances sont appelées bases d'exemples. Elles permettent de décrire de
l’héritage avec exceptions. La distinction entre connaissances assertionnelles (les exemples) et<br />
connaissances générales y est purement conceptuelle, et n’influe pas sur la structure <strong>du</strong> système ou<br />
de la formule : nous n’avons ni TBox ni ABox.<br />
Le langage <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong> est adapté à la représentation de données où ne figurent pas ou<br />
peu de relations entre objets. C'est pourtant un véritable casse tête de construire avec ce seul<br />
langage une base d'exemples dont tous les théorèmes sont utiles. En effet, la représentation obtenue<br />
est absolument <strong>non</strong> mo<strong>du</strong>laire : l'ajout ou la modification d'un exemple imposent parfois des<br />
modifications globales ou bien altèrent une connaissance générale qui décrit inévitablement des<br />
axiomes obtenus par in<strong>du</strong>ction. Nous dirons qu'une base de connaissances qui peut être complétée<br />
ou modifiée dans un certain cadre sans nécessiter de changements diffus est sémantiquement<br />
mo<strong>du</strong>laire. Cette mo<strong>du</strong>larité sémantique permet de concevoir des systèmes facilement, par simple<br />
ajout de données nouvelles. Toutes les approches <strong>du</strong> raisonnement <strong>non</strong> <strong>monotone</strong>, qui visent cette<br />
mo<strong>du</strong>larité, étendent les mécanismes habituels de dé<strong>du</strong>ction pour obtenir des théorèmes reconnus<br />
pertinents sans devoir effectuer à la main les adaptations <strong>non</strong> mo<strong>du</strong>laires normalement requises.<br />
Pour cela, on utilise soit (1) des ajouts au langage (logiques de défaut ([Reiter 80]), logiques modales<br />
([McDermott 82], [Schwind et al. 94]), possibilistes ([Dubois et al. 93])), soit (2) des algorithmes de<br />
transformation partiellement automatisables (complétion de prédicat ([Console et al. 91]), fermeture<br />
d'arbres d'héritage ([Asady et al. 93])), soit (3) des algorithmes en oeuvre à l'exploitation de la<br />
formule (cirsconscription ([Mc Carthy 80], modèles préférentiels en général [Besnard et al. 88]),<br />
statistiques ([Kyburg 83], [Craddock 93])). On trouve dans [Kraus et al. 90] et [Lehmann et al. 92]<br />
une étude détaillée des propriétés des relations de dé<strong>du</strong>ctions <strong>non</strong> <strong>monotone</strong>s. [Schwind et al. 94]<br />
montre que la logique des défauts est d’une puissance expressive moindre que les logiques modales.<br />
Toutes ces approches possèdent des avantages et des inconvénients. Nous nous plaçons dans le cas<br />
(3) (une formule <strong>clas</strong>sique est exploitée sans transformation), arguant <strong>du</strong> fait que les relations <strong>non</strong><br />
<strong>monotone</strong>s d'inférabilité que nous définissons sont intuitives (i.e. leurs effets sont conformes à ce<br />
qu'attend un humain), sont assez riches pour être utilisables, et permettent un degré élevé de<br />
mo<strong>du</strong>larité sémantique. Nous évitons des difficultés pointées par certains auteurs. Asady et<br />
Narayanan ([Asady et al. 93]) discutent des difficultés liées aux algorithmes de plus court chemin<br />
qui nécessitent de mentionner des liens d’héritage redondants dans les logiques terminologiques.<br />
[Console et al. 91] évoque les difficultés liées au contrôle des techniques de complétion de prédicats,<br />
qui permettent d’obtenir de façon dé<strong>du</strong>ctive des théorèmes qui ne peuvent être atteints qu’ab<strong>du</strong>ctivement<br />
dans la formule de départ. [Baader et al. 93] montre dans les logiques terminologiques de<br />
défauts la nécessaire prise en compte d’un ordre partiel sur les défauts pour atteindre les fonctionnalités<br />
voulues.<br />
hypothèse fondamentale<br />
Nous distinguons (a) la théorie qui décrit les propriétés générales <strong>du</strong> monde ("tous les oiseaux<br />
volent sauf les autruches") et les exemples, et (b) le contexte qui justifie un raisonnement à un<br />
moment donné, en décrivant une situation observée sur laquelle on doit raisonner ("je vois une<br />
autruche : vole t'elle?"). Notre approche utilise ce contexte de façon <strong>non</strong> <strong>clas</strong>sique. Habituellement,<br />
étant donnés ψ une formule représentant une théorie, et C une formule représentant une situation
observée, on considère que les conséquences de ψ dans le contexte de C sont décrites par la<br />
fermeture dé<strong>du</strong>ctive Th(ψ∧C). Notre approche permet d'atteindre <strong>non</strong> seulement ces théorèmes<br />
<strong>clas</strong>siques, mais également plusieurs <strong>clas</strong>ses de théorèmes obtenus de façon <strong>non</strong> <strong>monotone</strong><br />
relativement au contexte. Ce dernier sert <strong>non</strong> seulement à décrire les propriétés logiques de la<br />
situation observée, mais également les associations d'idées qui permettent de ré<strong>du</strong>ire le champ des<br />
possibilités. On ne peut dans ce cadre raisonner sur la base des seules conséquences de ψ∧C. La<br />
théorie et le contexte sont clairement séparés.<br />
Plan<br />
Nous présentons de façon informelle notre cadre de travail dans la partie 1. En partie 2 on trouve un<br />
exposé formel <strong>du</strong> langage et des relations d’inférabilité <strong>non</strong> <strong>monotone</strong>s. La partie 3 explore plus en<br />
détail certaines propriétés intéressantes de ces relations par rapport aux raisonnements <strong>clas</strong>sique<br />
et ab<strong>du</strong>ctif. La partie 4 étudie un exemple de façon détaillée, et illustre les différents aspects <strong>du</strong><br />
système. 5 compare notre approche avec d’autres. La partie 6 conclut et présente différentes<br />
perspectives de recherche pour ce problème très ouvert.<br />
1. Présentation générale et hypothèses de travail<br />
Soit L un langage <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong>, basé sur un ensemble V de variables <strong>propositionnel</strong>les.<br />
<strong>Une</strong> <strong>clas</strong>se remarquable de propositions de L est constituée par les exclusions mutuelles : pour p1,<br />
…pn n propositions, l'exclusion mutuelle de p1,…pn signifie : "exactement une des propositions p1,<br />
…pn est vraie", et est représentée par la formule :<br />
(p1 ∨ p 2 ∨…∨ p n) ∧ (∧ 1
ψ 1 ⏐− noir ⇒(aigle ∧ oiseau ∧ vole)<br />
ψ 1 ⏐− doré⇒(aigle ∧ oiseau ∧ vole)<br />
ψ 1 ⏐− gris ⇒(autruche ∧ oiseau ∧¬vole)<br />
Ces théorèmes de ψ 1 dépendent de contraintes très fortes. Les exclusions mutuelles ré<strong>du</strong>isent le<br />
nombre de modèles possibles, et permettent ainsi de les obtenir. Or maintenir des contraintes très<br />
fortes est toujours difficile, car elles résistent mal à l'incorporation d'exemples nouveaux. ψ 1 possède<br />
une structure de base d'exemples explicite <strong>du</strong> type ψ 1 = (φ ∧ E), ou E décrit les exemples, et φ les<br />
règles qui s'y appliquent. On voit que l'on peut utiliser le <strong>calcul</strong> <strong>propositionnel</strong> pour réaliser des<br />
systèmes de diagnostic, avec des connaisances par défaut (tous les oiseaux volent sauf les<br />
autruches), et on pourrait même s'interroger sur la nécessité d'étendre ce cadre naturel. Etudions<br />
maintenant un cas typique de <strong>non</strong> mo<strong>du</strong>larité. Pour cela, voyons ce qui se pro<strong>du</strong>it si nous désirons<br />
décrire un peu mieux l'exemple de l'aigle doré. Remplaçons la ligne 8 par la suivante :<br />
"8:(aigle ∧ doré ∧ marahuté)".<br />
La proposition "marahuté" est ici volontairement <strong>non</strong> discriminante : c'est une propriété de "aigle ∧<br />
doré" ; mais elle est logiquement compatible avec tous les (autres) exemples. On se convainc<br />
aisément de ce que la plupart des théorèmes originaux demeurent. On souhaiterait toutefois<br />
disposer <strong>du</strong> raisonnement <strong>non</strong> <strong>monotone</strong> suivant :<br />
ψ 2 ∧ marahuté ⏐− (aigle ∧ doré ∧ vole)<br />
Cette inférence est une association d'idées (et même ici un raisonnement ab<strong>du</strong>ctif), mais elle est<br />
utile à la réalisation de systèmes de diagnostic (citationXXX). Pour l'atteindre de façon <strong>clas</strong>sique<br />
dans notre exemple, il faudrait ajouter la négation de "marahuté" à tous les exemples. Si un<br />
nouveau nom d'exemple devait apparaître, il faudrait décrire une nouvelle exclusion mutuelle, et<br />
prévoir également le cas des exemples dont le nom est inconnu, ce qui devient difficile (un nom<br />
réputé inconnu n'est normalement incompatible avec aucun autre nom). Le problème posé ici est<br />
clairement celui de la mo<strong>du</strong>larité. L'apparition d'une propriété nouvelle requiert des modifications<br />
répétitives dans toute la formule pour permettre de continuer à raisonner de façon <strong>clas</strong>sique. On<br />
pourra objecter que ce n'est pas si difficile, une fois qu'une exclusion mutuelle a été définie, de lui<br />
ajouter un symbole nouveau. Un examen approfondi, et dans notre cas la démarche d'utiliser le<br />
<strong>calcul</strong> <strong>propositionnel</strong> pour décrire un système complet de diagnostic de maladies de plantes, montre<br />
que les exclusions mutuelles posent encore d'autres problèmes <strong>non</strong> triviaux, dont celui de la<br />
composition : comment décrire la couleur "bleu vert", ou le prénom "Jean Pierre" de façon naturelle?<br />
En effet, si les propositions "Jean" et "Pierre" sont exclusives, "Jean ∧ Pierre" est universellement<br />
faux. Et utiliser la formule "Jean ∨ Pierre" n'est pas <strong>non</strong> plus satisfaisant pour d'autres raisons. Un<br />
intérêt majeur de notre modèle est de permettre d'éviter le recours aux exclusions mutuelles<br />
“naturelles”.<br />
Notons que les langages de défauts visent à atteindre une mo<strong>du</strong>larité sémantique qui ne nous<br />
intéresse pas à ce stade. La ligne 5 de ψ 1 décrit le fait que les oiseaux volent par défaut, mais n'est<br />
pas mo<strong>du</strong>laire : toutes les exceptions doivent y être mentionnées. Le modèle que nous décrivons
permet aussi d'atteindre la mo<strong>du</strong>larité sur les défauts, mais nous ne voulons pas compliquer<br />
inutilement le présent exposé.<br />
Voici maintenant quelle est la structure d'une base d'exemples selon notre modèle. Nous étendons le<br />
langage L pour former L' par l'addition d'un ensemble remarquable de symboles <strong>propositionnel</strong>s: N=<br />
{1,2,3,4,5…} soumis à une exclusion mutuelle implicite. Les noms de symboles 1,2,…n représentent<br />
les numéros des exemples et n'ont aucune connotation arithmétique autre que celle de décrire un<br />
nombre illimité de symboles remarquables. La base d'exemples ψ 2 se récrit en ψ 3 ou la ligne 2 est<br />
supprimée, et les lignes 7,8,9 sont changées comme suit :<br />
1: "exclusion mutuelle entre espèces : aigle, autruche…"∧<br />
2': vrai ∧<br />
3: (aigle ⇒ oiseau) ∧<br />
4: (autruche ⇒ oiseau) ∧<br />
5: (¬oiseau ∨ vole ∨ autruche) ∧<br />
6: (autruche ⇒ ¬vole) ∧ (<br />
7': 1 ∧ aigle ∧ noir ∨<br />
8': 2 ∧ aigle ∧ doré ∧ marahuté ∨<br />
9': 3 ∧ autruche ∧ gris )<br />
La signification intuitive de 8' est : le deuxième cas d'animal connu est un aigle doré dont le nom est<br />
"marahuté". L'exclusion mutuelle implicite entre n1,n2 et n3 représente en puissance toutes les<br />
exclusions mutuelles pertinentes, et permet des raisonnements utiles via une relation d'inférabilité<br />
adéquate. Nous aurons à la fois la possibilité d'étendre de façon mo<strong>du</strong>laire la connaissance décrite<br />
par une telle base d'exemples, et celle de dé<strong>du</strong>ire (par association d'idées) que "marahuté est un<br />
aigle" comme celle de dé<strong>du</strong>ire (de façon <strong>clas</strong>sique) que "les aigles volent".<br />
2. Langage et sémantique<br />
Définition : Soit L un langage <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong> défini à l'aide des connecteurs usuels ∧, ∨, ¬<br />
("et", "ou", "<strong>non</strong>"), et d'un ensemble V de propositions contenant un ensemble fini N = {1, 2, ..., n}<br />
dont les éléments représentent les numéros d'exemples.<br />
SL est l'ensemble des formules satisfiables de L.<br />
AL est l'ensemble des littéraux de L.<br />
BL est l'ensemble des bases d'exemples de L, définies ci après.<br />
2.1. Bases d'exemples<br />
Définition : ∀ ψ ∈ SL (satisfiable), ψ est une base d'exemples ssi ψ implique logiquement<br />
l'exclusion mutuelle des propositions de N = {1,2, ..., n} :<br />
ψ ⏐− (1 ∨ 2 ∨…∨ n) ∧ (∧ 1
de démonstrateurs automatiques), mais facilite l'obtention de certaines propriétés, ainsi que la<br />
compréhension générale <strong>du</strong> problème. Elle permet par ailleurs de formuler les bases d'exemples<br />
comme ci avant plutôt que sous forme d'une conjonction de règles (<strong>du</strong> type<br />
"1 ⇒ (aigle ∧ noir ∧ vole ∧ oiseau)"). Nous verrons par la suite comment elle autorise la suppression<br />
d'exclusions mutuelles normalement nécessaires pour une représentation d'informations utilisable,<br />
i.e. fournissant des théorèmes utiles et pertinents.<br />
Etant donnée ψ une base d'exemples, nous notons N(ψ) l'ensemble (<strong>non</strong> vide par définition) des<br />
numéros des exemples "décrits" par ψ :<br />
Définition : ∀ ψ ∈ BL, N(ψ) = {n ∈ N ⏐ ψ ∧ n ∈ SL (est satisfiable)}.<br />
Dans notre exemple, N(ψ) = {1, 2, 3}.<br />
2.2. Théorèmes caractéristiques<br />
Pour toute formule F de L, nous considérons l'ensemble A(F) de ses théorèmes caractéristiques.<br />
Définition : ∀ F ∈ L, A(F) l'ensemble des théorèmes caractéristiques de F est :<br />
A(F) = AL ↔ Th(F)<br />
Par définition de AL, ces théorèmes sont les théorèmes atomiques, ou monolittéraux. Ce choix n'est<br />
pas le seul possible - nous aurions pu choisir comme formules caractéristiques toutes les formules à<br />
un ou deux atomes par exemple - mais est justifié par sa pertinence en pratique (l'être humain<br />
détermine assez facilement des théorèmes atomiques, mais rencontre des difficultés au delà).<br />
2.3. Contextes<br />
<strong>Une</strong> base d'exemples décrit un ensemble de situations connues, clairement distinguées puisqu'on<br />
peut les numéroter. Nous voulons définir un mode de raisonnement par lequel une situation<br />
observée, appelée contexte, caractérise de façon <strong>non</strong> <strong>monotone</strong> des ensembles d'exemples<br />
pertinents, sur lesquels on raisonne ensuite de façon <strong>clas</strong>sique.<br />
Définition : Un contexte C est une formule satisfiable de L.<br />
Exemple : supposons que vous connaissiez divers véhicules par leurs marques, couleurs, modèles<br />
etc.…. Si l'on vous dit "rouge" (c'est le contexte), vous restreignez le champ de votre connaissance à<br />
l'ensemble des véhicules rouges (ce processus n'est pas purement dé<strong>du</strong>ctif), pour ensuite dé<strong>du</strong>ire (ici<br />
véritablement) "camion" si les seuls véhicules rouges connus par vous en sont.<br />
2.4. Classes de référence<br />
Etant donnés un contexte C, et ψ une base d'exemples, nous caractérisons les ensembles d'exemples<br />
décrits par ψ qui sont pertinents pour C. Ces ensembles sont appelés les <strong>clas</strong>ses de référence<br />
de ψ pour C. <strong>Une</strong> <strong>clas</strong>se de référence est par définition un ensemble d'exemples compatibles
avec le contexte et ayant un nombre minimal de conséquences caractéristiques en commun avec lui :<br />
Définition : ∀ ψ ∈ BL, ∀ C ∈ SL, ∀ i ∈ [0,⏐A(C)⏐], R(ψ,C,i), la <strong>clas</strong>se de référence de ψ pour C de<br />
rang i, est définie par :<br />
R(ψ,C,i) = {n ∈ N ⏐ ψ ∧ C ∧ n ∈ SL et ⏐A(ψ ∧ n) ↔ A(C)⏐≥ i}<br />
Le terme "<strong>clas</strong>se de référence" est emprunté à [Craddock 93] et [Kyburg 83], bien qu'il diffère de<br />
l'acception qu'en donnent ces auteurs, qui se situent dans un cadre probabiliste. L'intuition<br />
justifiant le choix de cette distance est la suivante : les <strong>clas</strong>ses de référence servent à définir des<br />
relations d'inférabilité dont le bien fondé est attesté par l'utilité reconnue des méthodes de "pattern<br />
matching".<br />
Exemple : pour C = noir ∧ gris, dans l'exemple intro<strong>du</strong>ctif, on a :<br />
R(ψ,C,0) = {1,2,3},<br />
// tous les oiseaux<br />
R(ψ,C,1) = {1,3},<br />
R(ψ,C,2) = ∨.<br />
// l’aigle noir et l’autruche<br />
// rien<br />
Exemple : avec C = vole∧ doré, on a :<br />
R(ψ,C,0) = {1,2},<br />
// les deux aigles<br />
R(ψ,C,1) = {1,2},<br />
R(ψ,C,2) = {2}.<br />
// les deux aigles<br />
// le seul aigle doré<br />
Note : la condition ⏐A(ψ ∧ n) ↔ A(C)⏐≥ i est équivalente à ⏐A((ψ ∧ n)∨ C)⏐≥ i.<br />
Propriété : une <strong>clas</strong>se de référence ne peut jamais contenir d'exemples logiquement incompatibles<br />
avec le contexte. En particulier, la <strong>clas</strong>se de référence de rang 0 contient tous les numéros d'exemples<br />
logiquement compatibles avec le contexte :<br />
R(ψ,C,0) = ∅ ssi ψ ∧ C ∉SL(est inconsistant).<br />
Bien sûr, plus le rang i augmente, plus la <strong>clas</strong>se de référence associée est petite :<br />
∀ i,j ∈[0,⏐A(C)⏐], i < j implique R(ψ,C,i) ⊇ R(ψ,C,j)<br />
Lorsque ψ ∧ C ∈ SL, on définit Imax(ψ,C) comme le plus grand i ∈ [0,⏐A(C)⏐] tel que R(ψ,C,i) est<br />
<strong>non</strong> vide.<br />
2.5. La relation d'inférabilité ⏐~ψ,C,i<br />
Définition : à toute <strong>clas</strong>se de référence R(ψ,C,i) nous associons une formule disjonctive S(ψ,C,i) =<br />
∨R(ψ,C,i) décrivant l'alternative des exemples qui y figurent.<br />
Le rôle de la formule S(ψ,C,i) est de restreindre les modèles de ψ ∧ C aux seuls qui nous<br />
intéressent, afin de définir la relation d'inférabilité ⏐~ψ,C,i :
Définition : ∀ ψ ∈ BL, ∀ C ∈ SL, ∀ i ∈ [0,⏐A(C)⏐], nous définissons ⏐~ψ,C,i par:<br />
∀ F,G ∈ SL : F ⏐~ψ,C,i G ssi F ∧ ψ ∧ C ∧ S(ψ,C,i) ⏐− G<br />
Sur cette base, on définit également Thψ,C,i(F) pour tout F.<br />
Exemple : avec C = vole∧ doré, dans l'exemple <strong>du</strong> début, on a :<br />
R(ψ,C,0) = {1,2}, Thψ,C,0(true) = {oiseau, vole, aigle}<br />
R(ψ,C,1) = {1,2},<br />
R(ψ,C,2) = {2},<br />
Thψ,C,1(true) = {oiseau, vole, aigle}<br />
Thψ,C,2(true) = {oiseau, vole, aigle, doré, marahuté}.<br />
Pour le rang 2, ⏐~ψ,C,i a donc permis de "retrouver" l'unique exemple qui vole et qui est doré. (Noter<br />
que le contexte "C = doré" aurait suffi dans ce cas). Cela illustre la capacité à cette relation<br />
d'inférabilité à combiner raisonnement <strong>clas</strong>sique (on démontre "aigle" et "oiseau" pour le rang 0) et<br />
raisonnement "ab<strong>du</strong>ctif.<br />
Exemple : pour C = noir ∧ gris, on a :<br />
R(ψ,C,0) = {1,2,3}, Thψ,C,0(true) = {oiseau} // l’aigle noir ou l’autruche<br />
R(ψ,C,1) = {1,3}, Thψ,C,1(true) = {oiseau} // l’aigle noir ou l’autruche<br />
R(ψ,C,2) = ∨.<br />
// <strong>non</strong> significatif<br />
Ici le contexte est ambigu, car il décrit des propriétés jamais observées simultanément pour un<br />
exemple. Cela explique que l'on n'obtienne aucun théorème intéressant. Dans les deux cas toutefois,<br />
on remarque que la relation d'inférabilité ⏐~ψ,C,0 fournit tous les théorèmes <strong>clas</strong>siques de ψ ∧ C.<br />
3. Propriétés de ⏐~ψ,C,i<br />
Les relations d'inférabilité ⏐~ψ,C,i dépendent de façon <strong>non</strong> <strong>monotone</strong> de la base d'exemples et <strong>du</strong><br />
contexte. Par contre, ces éléments étant constants, ⏐~ψ,C,i est définie sur la relation <strong>clas</strong>sique<br />
d'inférabilité, et donc possède les propriétés habituelles <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong>.<br />
L'ensemble des relations ⏐~ψ,C,i présentent l'intérêt de décrire de façon progressive des mécanismes<br />
de raisonnement qui vont de l'inférence <strong>clas</strong>sique (obtenue pour i valant 0) à une inférence fondée<br />
sur une sélection ab<strong>du</strong>ctive des exemples (obtenue pour i valant ⏐A(C)⏐ lorsque c'est possible). Les<br />
valeurs croissantes de i déterminent des théorèmes de plus en plus faibles.<br />
D’un point de vue épistémique, cette méthode permet aussi de tenir compte à priori de la possibilité<br />
d'obtenir ces théorèmes afin de construire une formule plus simple pour représenter une information<br />
donnée. Il est notamment possible d'économiser l'écriture des exclusions mutuelles “naturelles”.<br />
Les relations ⏐~ψ,C,i obtenues pour les valeurs limites de i sont intéressantes par leur lien avec le<br />
raisonnement <strong>clas</strong>sique et le raisonnement ab<strong>du</strong>ctif, ce que nous étudions maintenant.<br />
2.1. ⏐~ψ,C,0 correspond à l'inférence <strong>clas</strong>sique<br />
∀ ψ ∈ BL, ∀ C,F ∈ SL : ⏐~ψ,C,0 F si et seulement si ψ ∧ C ⏐− F.
Preuve : Par l'exclusion mutuelle portant sur les éléments de N dans ψ, il ne peut exister un modèle<br />
de ψ ∧ C qui ne soit un modèle de S(ψ,C,0), sauf à contredire la définition de R(ψ,C,0)<br />
= {n ∈ N ⏐ ψ ∧ C ∧ n ∈ SL}. Donc ψ ∧ C ⏐= S(ψ,C,0), et ψ ∧ C ⏐- S(ψ,C,0), et ψ ∧ C ⏐- ψ ∧ C ∧ S(ψ,C,<br />
0) ⏐- F.<br />
3.1. Lien entre ⏐~ψ,C,i et l'ab<strong>du</strong>ction<br />
Un cas limite remarquable est celui ou Imax(ψ,C) = ⏐A(C)⏐. Les conséquences caractéristiques des<br />
exemples sélectionnés contiennent alors celles <strong>du</strong> contexte :<br />
∀ n ∈ R(ψ,C,⏐A(C)⏐), A(C) χ A(ψ ∧ n)<br />
(Par définition de R(ψ,C,⏐A(C)⏐): {n∈N ⏐ ψ ∧ n ∈ SL et ⏐A(ψ ∧ n) ↔ A(C)⏐=⏐A(C)⏐}).<br />
Il n'est pas possible toutefois d'en dé<strong>du</strong>ire que les exemples sélectionnés impliquent logiquement le<br />
contexte, ce qui correspondrait à un mécanisme d'ab<strong>du</strong>ction vrai. Cette propriété est cependant<br />
atteinte dans un cas particulier utile : celui où le contexte C est équivalent à l'ensemble de ses<br />
théorèmes caractéristiques :<br />
Propriété : si Imax= ⏐A(C)⏐, et A(C) Η C : ∀ n ∈ R(ψ,C,⏐A(C)⏐), ψ ∧ n ⏐- C<br />
Preuve : Th(ψ ∧ n) contient A(ψ ∧ n) qui contient A(C).<br />
Sous les conditions ci dessus, R(ψ,C,⏐A(C)⏐) contient l'ensemble des exemples décrits par ψ qui<br />
impliquent C pour la relation <strong>clas</strong>sique d'inférabilité. Lorsqu'elle est définie, la relation d'inférabilité<br />
⏐~ψ,C,⏐A(C)⏐ repose donc sur un mécanisme d'ab<strong>du</strong>ction. Noter que la situation A(C) ⏐− C est<br />
fréquente en pratique. Lorsque AL est l'ensemble des formules ré<strong>du</strong>ites à un unique littéral, un<br />
contexte présenté sous la forme C = p1 ∧ p 2 … ∧ p n possède cette propriété.<br />
Plus le rang i grandit, pour ψ et C donnés, plus le nombre de théorèmes est susceptible d'augmenter.<br />
(Cette condition est vérifiée même pour i > Imax(ψ,C) s'il existe : S(ψ,C,i) = false, et toute<br />
formule est un théorème).<br />
Dans certains cas, Thψ,C,0(ψ) = Th(ψ ∧ C) est vide. Alors, si Thψ,C,⏐A(C)⏐(ψ) ≠ ∨, il existe une<br />
plus petite valeur de i ∈[0,⏐A(C)⏐] pour laquelle Thψ,C,i(ψ) ≠ ∨. Nous appelons cette valeur de i :<br />
Imin(ψ,C).<br />
Les nombres Imin et Imax sont caractéristiques. Imin est le rang de la plus "forte" relation<br />
d'inférabilité pour laquelle il est possible de dé<strong>du</strong>ire quelque chose de ψ dans le contexte C, Imax<br />
est le rang de la relation d'inférabilité qui permet de dé<strong>du</strong>ire le plus grand nombre de théorèmes<br />
"significatifs". Pour récapituler, on dispose de<br />
⏐~ψ,C,0<br />
⏐~ψ,C,Imin<br />
⏐~ψ,C,Imax<br />
inférence <strong>clas</strong>sique<br />
donne les premiers théorèmes (les plus forts)<br />
donne tous les théorèmes
⏐~ψ,C,⏐A(C)⏐<br />
inférence "ab<strong>du</strong>ctive" (<strong>non</strong> toujours atteinte)<br />
3.2. Utilisation des ⏐~ψ,C,i pour le diagnostic<br />
Le système logique que nous avons décrit peut être utilisé dans une optique de diagnostic. Dans ce<br />
cas, l'objectif est de compléter progressivement le contexte jusqu'à ce qu'une <strong>clas</strong>se de référence<br />
devienne de cardinal un. Le contexte permet alors d'identifier un exemple de manière <strong>non</strong> ambiguë,<br />
pour un rang donné.<br />
Définition : Un contexte C ∈ SL est dit <strong>non</strong> ambigu pour ψ ∈ BL ssi<br />
∃ i∈[0,⏐A(C)⏐] tel que ⏐R(ψ,C,i)⏐ = 1<br />
Plus il existe i proche de 0 tel que ⏐R(ψ,C,i)⏐ = 1, plus le caractère <strong>non</strong> ambigu de C est fort. Le cas<br />
extrême ou ⏐R(ψ,C,0)⏐ = 1 peut se pro<strong>du</strong>ire : dans ce cas, tous les exemples sont incompatibles avec<br />
C sauf un. Cet exemple est alors sélectionné par élimination, par dé<strong>du</strong>ction vraie.<br />
3.3. Raisonnement in<strong>du</strong>ctif<br />
<strong>Une</strong> autre <strong>utilisation</strong> possible est de raisonner à partir d'une base d'exemples pour dé<strong>du</strong>ire d'un<br />
exemple nouveau des propriétés <strong>non</strong> observées. L'approche présentée ici permet de fonctionner<br />
correctement dans un cadre déterministe, où l'on espère que les propriétés logiques des exemples<br />
sont liées par des lois (même inconnues) et où les mêmes causes pro<strong>du</strong>isent les mêmes effets. Il ne<br />
s'agit pas d'une vision probabiliste comme celle développée dans [Craddock 93].<br />
4. Etude détaillée de l'exemple<br />
Reve<strong>non</strong>s sur la base d'exemples ψ 3 présentée plus haut. L'expression des exemples sous forme<br />
d'une disjonction de modèles partiels (aigle ∧ noir) est plus mo<strong>du</strong>laire que sous forme d'une<br />
conjonction de "règles" (autruche ⇒ gris), car elle résiste bien à l'ajout de cas nouveaux. Pour<br />
permettre la formulation des exceptions dans l’arbre d’héritage, nous devons conserver l’exclusion<br />
mutuelle sur les espèces. C’est possible, et légitime, car ce type de <strong>clas</strong>sification arbitraire est décrite<br />
par l’homme. L’exclusion sur les couleurs, où toute autre de ce type - i.e. naturelle - , est quand à elle<br />
impossible à maintenir dans la pratique (voir pour cela les exemples listés dans [Henocque 95]).<br />
0: "exclusion mutuelle entre 1, 2, 3, 4…, n… pour tout n ∈ N"<br />
1: "exclusion mutuelle entre espèces : aigle, autruche" ∧<br />
2’: true ∧ // n'est plus nécessaire<br />
3: (aigle ⇒ oiseau) ∧<br />
4: (autruche ⇒ oiseau) ∧<br />
5: (¬oiseau ∨ vole ∨ autruche) ∧<br />
6: (autruche ⇒ ¬vole) ∧ (<br />
7': 1 ∧ aigle ∧ noir ∨<br />
8': 2 ∧ aigle ∧ doré ∧ marahuté ∨<br />
9': 3 ∧ autruche ∧ gris )
Nous avons essentiellement numéroté les exemples, et supprimé une exclusion mutuelle (la sous<br />
formule 2), perdant de la sorte une partie des théorèmes initiaux de ψ 1 . Cela permet d'illustrer<br />
comment notre modèle permet de s’en passer. ψ est une base d'exemples valide par la sous formule<br />
0. Quel que soit le contexte C, et le rang i, les sous formules 3, 4, 5, 6 figurent dans Thψ,C,i.<br />
4.1. exemple : C = aigle<br />
Soit C = aigle. A(C) = {aigle}, ⏐A(C)⏐=1, R(ψ,C,0) ={1,2}. R(ψ,C,1) ={1,2}.<br />
⏐~aigle,0<br />
⏐~aigle,1<br />
oiseau, vole (ne dépend pas <strong>du</strong> contexte)<br />
oiseau, vole (ne dépend pas <strong>du</strong> contexte)<br />
Remarquons que l'exclusion mutuelle entre les espèces est ici nécessaire pour dé<strong>du</strong>ire qu'un aigle<br />
vole (a partir de la sous formule 5) pour le rang 0. Elle élimine l'exemple 3 dans le contexte ou "aigle"<br />
est vrai, raison pour laquelle "3" ne figure pas dans R(ψ,C,0).<br />
Egalement, <strong>du</strong> fait qu'au rang 1 égal à ⏐A(C)⏐ correspond une <strong>clas</strong>se de référence <strong>non</strong> vide, les<br />
exemples figurant dans cette dernière sont dans une relation d'ab<strong>du</strong>ction pure avec le contexte, et<br />
donc impliquent logiquement le contexte.<br />
4.2. exemple : C = marahuté<br />
Soient maintenant C = marahuté, A(C) = {marahuté}, ⏐A(C)⏐=1, et R(ψ,C,0) = {1,2,3}, R(ψ,C,1) ={2}.<br />
⏐~marahute,0 oiseau<br />
⏐~marahute,1 vole ∧ aigle ∧ doré<br />
(indépendant <strong>du</strong> contexte)<br />
Notons que dans ce deuxième exemple, les théorèmes qui nous intéressent, i.e. ceux basés sur<br />
l'information retrouvée, sont obtenus pour le rang 1.<br />
4.3. exemple : C = noir<br />
Nous pouvons aller un peu plus loin, et montrer comment nos relations d'inférabilité <strong>non</strong> <strong>monotone</strong>s<br />
permettent d'accroître la puissance expressive de la logique. La perte de l'exclusion sur les couleurs<br />
n'est pas dommageable :<br />
C = noir , ⏐A(C)⏐=1, R(ψ 2 ,C,1) ={1,2}<br />
⏐~noir,0 oiseau (indépendant <strong>du</strong> contexte)<br />
⏐~noir,1 aigle, vole<br />
4.4. exemple : C = gris ∧ bob<br />
Supposons maintenant que le contexte ne corresponde pas à un exemple connu :<br />
C = gris ∧ bob, ⏐A(C)⏐=2, R(ψ 2 ,C,1) ={3}, R(ψ 2 ,C,2) ={}
⏐~C,0 oiseau<br />
⏐~C,1 autruche, ¬vole<br />
⏐~C,2<br />
"<strong>non</strong> définie"<br />
Dans ce cas, le système, qui ne connaît qu'une sorte d'oiseau gris, permet de dé<strong>du</strong>ire que tout oiseau<br />
gris est une autruche. C’est légitime en présence d'aussi peu d'informations.<br />
4.5. conclusion<br />
Ces exemples montrent comment on dispose de théorèmes forts (obtenus pour des indices faibles) et<br />
de théorèmes plus faibles correspondant à une information retrouvée plus que dé<strong>du</strong>ite.<br />
5. Comparaison avec d'autres approches<br />
Notre proposition n’évoque pas de notion qui aurait été inconnue. Nous levons le voile sur un<br />
problème qui est à notre avis ignoré. La difficulté qu’il y a à concevoir des bases de connaissances en<br />
logique est liée notamment au problème posé par les exclusions mutuelles, bien avant que doive être<br />
posé celui de l’héritage et des exceptions. Nous par ailleurs avons utilisé comme relation d’inférabilité<br />
celle <strong>du</strong> <strong>calcul</strong> <strong>propositionnel</strong> <strong>clas</strong>sique, suffisante pour décrire les exceptions dans notre<br />
cadre. Toute relation <strong>non</strong> <strong>monotone</strong> dotée de propriétés raisonnables (cf. [Kraus et al. 90] et<br />
[Lehmann et al. 92]) pourraît cependant être utilisée à la place. Notre étude est donc en amont de<br />
ces considérations, ce qui ne permet pas de comparaison très utile avec les recherches qui abordent<br />
ces problèmes.<br />
5.1. Systèmes terminologiques<br />
Les bases d’exemples que nous décrivons ressemblent aux les systèmes terminologiques<br />
([Baader et al. 90],[Olbach et al. 93], [Buchheit et al. 93]). Nous disposons d’algorithmes complets et<br />
décidables, ce qui dote notre système de toutes les fonctionnalités d’inférence et de vérification de<br />
cohérence souhaités, qui sont atteints d’une manière moins immédiate ([Baader et al. 90]) dans les<br />
logiques de description.<br />
5.2. Raisonnement ab<strong>du</strong>ctif<br />
Le raisonnement ab<strong>du</strong>ctif consiste à inférer A à partir de B et A ⏐= B. En général A est inconnu et le<br />
problème posé est de générer (pro<strong>du</strong>ire) toutes les explications possibles qui soient pertinentes d’une<br />
propriété observée. Ce problème n’est pas différent <strong>du</strong> problème de la dé<strong>du</strong>ction : ci dessus, ¬A est<br />
une conséquence (dé<strong>du</strong>ite) de ¬B et ¬B ⏐= ¬A. La distinction vient de ce que d’une part on n’envisage<br />
pas la pro<strong>du</strong>ction de tout ou partie des conséquences d’une théorie et d’un contexte, quoi que<br />
cela présente un certain intérêt ([Boï et al. 92]), alors que le raisonnement ab<strong>du</strong>ctif l’impose. <strong>Une</strong><br />
difficulté posée par la pro<strong>du</strong>ction (i.e. la génération des explications pertinentes dans le cas de<br />
l’ab<strong>du</strong>ction) est la sélection des formules qu’il est légitime de pro<strong>du</strong>ire parmi un ensemble arbitrairement<br />
grand ([Levesque 89]). Notre approche peut être vue dans notre cadre précis comme permettant<br />
une gamme de raisonnements à caractère ab<strong>du</strong>ctif dont les causes pro<strong>du</strong>ites à partir de la<br />
situation observée appartiennent au seul ensemble N.
5.3. Raisonnement fondé sur les cas<br />
Le raisonnement fondé sur les cas est une approche <strong>du</strong> raisonnement qui procède par analogie. Un<br />
système qui l’implante (CBR : cf. [Kass et al. 88], [Golding et al. 91]) adapte un raisonnement connu<br />
réputé “assez proche” à une situation nouvelle. Le mécanisme de base est donc <strong>du</strong> type “pattern<br />
matching”, et cet aspect est présent dans notre proposition. Toutefois la ressemblance s’arrête là car<br />
les CBR ne mettent en oeuvre aucune capacité à pro<strong>du</strong>ire un raisonnement.<br />
5.4. Modèles préférentiels<br />
Les approches de la <strong>non</strong> monotonie qui utilisent des modèles préférentiels sélectionnent des<br />
interprétations dont la distance est réputée minimale avec une autre interprétation de référence<br />
([Besnard et al. 88]). Notre distance quand à elle est <strong>calcul</strong>ée par rapport à l'ensemble des<br />
théorèmes caractéristiques (atomiques ici) d'un contexte, ce qui constitue un changement de point de<br />
vue conséquent. Nous avons aussi re<strong>non</strong>cé à l’<strong>utilisation</strong> possible de la circonscription ([McCarthy<br />
80,86]) qui dans notre cas suppose l’intro<strong>du</strong>ction de propositions auxiliaires.<br />
5.5. Approches probabilistes<br />
[Craddock 93] aborde le même problème que nous <strong>du</strong> point de vue <strong>du</strong> <strong>calcul</strong> des prédicats selon une<br />
approche probabiliste. Il utilise également une numérotation des indivi<strong>du</strong>s qui est artificielle au<br />
problème de départ, ce qui donne une grande ressemblance aux deux approches. Cette similitude<br />
justifie d’ailleurs le choix <strong>du</strong> terme “<strong>clas</strong>se de référence” qui est repris de [Kyburg 83]. L’inférence<br />
<strong>non</strong> <strong>monotone</strong> décrite par [Craddock 93] repose sur des probabilités conditionnelles, alors que la<br />
notre repose sur la relation <strong>clas</strong>sique d’inférabilité.<br />
5.6. Logiques modales<br />
Ces logiques ([McDermott 82]) ne sont pas célèbres pour leur simplicité d’<strong>utilisation</strong>. Notre approche<br />
est essentiellement sémantique, et assortie de procé<strong>du</strong>res de preuve.<br />
5.7. Logique de défauts<br />
D’une manière générale les logiques de défauts ([Reiter 80]) visent à décrire par une extension<br />
appropriée au langage logique sous jacent des inférences possibles assorties d’exceptions isolées.<br />
L’objectif est implicitement d’atteindre un langage sémantiquement adéquat et mo<strong>du</strong>laire, i.e. où<br />
les règles par défaut soient isolées des déclarations d’exceptions. Pourtant, les bases de connaissances<br />
exprimées au moyen de ce type de logiques s’avèrent difficiles à maintenir, ce qui les prive<br />
d’une partie de leur intérêt ([Al-Asady et al. 93]). Nous visons également cette mo<strong>du</strong>larité mais pour<br />
des aspects qui peut être considérés comme primitifs par rapport au problème de l’héritage avec<br />
exceptions. <strong>Une</strong> recherche en cours concerne la description de défauts avec exceptions qui soient<br />
sémantiquement mo<strong>du</strong>laires, en utilisant une approche dérivée de celle présentée ici. Ces travaux<br />
pourront rapprocher notre proposition de ceux en cours dans le domaine des systèmes terminologiques,<br />
qui tendent à incorporer des défauts ([Straccia 93], [Pagdam 93]).
6. Conclusion et Perspectives de recherche<br />
Notre travail éclaire d’une façon particulière les rapports entre connaissances factuelles et connaissances<br />
générales, dans un contexte d’héritage avec exceptions. Notre proposition a été partiellement<br />
implantée, et montre la possibilité d’atteindre des performances d’exploitation et une puissance<br />
expressive tout à fait honorables. Le travail en cours vise l’implantation exacte <strong>du</strong> modèle présenté.<br />
Nous avons par ailleurs mis en avant le concept de mo<strong>du</strong>larité sémantique. Cet aspect atteint dans<br />
notre cadre certes restreint de bases d’exemples permet d’envisager une approche assistée de<br />
l’apprentissage. Par ailleurs, les mêmes principes peuvent être mis en oeuvre pour décrire défauts et<br />
exceptions sans plus une seule exclusion mutuelle : un problème est alors représenté à l’aide de<br />
plusieurs bases d’exemples qui coopèrent. Egalement possible est la représentation des relations<br />
pour atteindre la puissance expressive <strong>du</strong> <strong>calcul</strong> des prédicats . Nous étudions les propriétés (au<br />
sens de [Kraus et al. 90], [Lehmann et al. 92]) de diverses relations d’inférabilité <strong>non</strong> <strong>monotone</strong>s qui<br />
peuvent être définies sur la base de notre proposition.<br />
7. Remerciements<br />
Ce travail n’aurait pas été possible sans Armand Bendanan, à l’origine de nombreuses idées (cf.<br />
[Bendanan et al. 93A et 93B], et avec qui un outil informatique (Guemara) implantant ces concepts<br />
a été réalisé. Pierre Siegel a permis mon retour à la recherche et m’a aidé avec patience à définir le<br />
cadre formel de cette approche. Karl Schlechta, Arnaud Kohler, Camilla Schwind m’on fait profiter<br />
de précieux commentaires sur ce texte.<br />
Bibliographie<br />
[Asady et al. 93] R. Al-Asady, A. Narayanan : More Notes on A Clash of Intuitions, proceedings<br />
IJCAI 1993<br />
[Asher et al.]<br />
Nicholas Asher, Michael Moreau : Commonsense Entailment : A Modal<br />
Theory of <strong>non</strong> Monotonic Reasoning, ???<br />
[Baader et al. 90] Franz Baader, Bernhard Hollunder: KRIS : Knowledge Representation and<br />
Inference System - system description - DFKI/Technical Memo 90-03,<br />
November 90<br />
[Baader et al. 93] Franz Baader, Bernhard Hollunder: How to prefer more specific defaults in<br />
Terminological Default Logic, proceedings IJCAI 93 pp 669-674, 1993<br />
[Bendanan et al. 93A] Armand Bendanan, <strong>Laurent</strong> Henocque : Guemara , toolkit de développement<br />
de systèmes experts, plaquette pro<strong>du</strong>it, 1993<br />
[Bendanan et al. 93B] Armand Bendanan, <strong>Laurent</strong> Henocque : Un cadre logique simple pour<br />
l’apprentissage et la révision de connaissances, rapport technique,<br />
Guemara, Mars 1993<br />
[Besnard et al. 88] Philippe Besnard, Pierre Siegel : The Preferential Models Approach to Non<br />
Monotonic Logics, Non Standard Logics For Automated Reasoning, Academic<br />
Press, London, pp 137-161, 1988<br />
[Boï et al. 92]<br />
Jean Marc Boï, Eric Innocente, Antoine Rauzy, Piere Siegel : Pro<strong>du</strong>ction<br />
Fields : a new approach to de<strong>du</strong>ction problems and two algorithms for
propositional <strong>calcul</strong>us, Revue d’intelligence artificielle, vol 6, n°3/1992, p<br />
235 à 253<br />
[Brachman et al. 85] Ronald J. Brachman, James G. Schmolze : An Overview of the KL-ONE<br />
Knowledge Representation System, Cognitive Science 9, 171-216 (1985)<br />
[Buchheit et al. 93] Martin Buchheit, Francesco M. Donini, Andrea Schaerf : Decidable<br />
Reasoning in Terminological Knowledge Representation Systems, proceedings<br />
IJCAI 1993<br />
[Console et al. 91] Luca Console, Daniele Theseider Dupre, Pietro Torasso : On the Relationship<br />
Between Ab<strong>du</strong>ction and De<strong>du</strong>ction, J. Logic Computat., Vol 1 N°. 5, pp<br />
661-690, 1991<br />
[Craddock 93] A.J. Craddock : Common Sense Retrieval, proceedings IJCAI 93 pp<br />
661-666, 1993<br />
[de Kleer et al. 90] Johan de Kleer, Alan K. Mackworth, Raymond Reiter : Characterizing<br />
Diagnoses, proceedings AAI 90, 324-330, 1990<br />
[Dubois et al. 93] Didier Dubois, Henri Prade : Possibilistic logic, preferential models, <strong>non</strong><br />
monotonicity and related isues, proceedings IJCAI 93 pp 419-424, 1993<br />
[Edelson 93]<br />
Daniel C Edelson : When should a cheetah remind you of a bat? Reminding<br />
in Case Based Teaching, proceedings AAAI 93, pp 67-672, 1993<br />
[Golding et al. 91] Andrew R. Golding, Paul R. Rosenbloom : Improving ruled based systems<br />
through case based reasoning, proceedings AAAI 91, pp 22-27, 1991<br />
[Henocque 95] <strong>Laurent</strong> Henocque : <strong>Une</strong> approche <strong>du</strong> raisonnement de sens commun en<br />
<strong>calcul</strong> <strong>propositionnel</strong>, rapport de recherche n°114, Laboratoire d’Infomatique<br />
de Marseille, Marseille Mai 1995.<br />
[Jeannicot et al. 88] Serge Jeannicot, <strong>Laurent</strong> Oxusoff, Antoine Rauzy : Evaluation sémantique :<br />
une propriété de coupure pour rendre efficace la procé<strong>du</strong>re de davis et<br />
Putnam, Revue d’Intelligence Artificielle, 2 41-60, 1988<br />
[Jones]<br />
Eric K. Jones : Model Based Case Adaptation<br />
[Kass et al. 88] Alex M. Kass, David B. Leake : Cased Based Reasoning applied to<br />
constructing Explanations, proceedings of the case based<br />
[Kraus et al. 92] Sarit Kraus, Daniel Lehmann, Menachem Magidor : Nonmonotonic<br />
Reasoning, Preferential Models, and Cumulative Logics, Artificial Intelligence<br />
44 (1990) , pp 167-207, Elsevier<br />
[Kyburg 83]<br />
Henry E. Kyburg Jr. : The Reference Class, Philosophy of Science, vol 50, pp<br />
374-387, 1983<br />
[Lehmann et al. 92] Daniel Lehmann, Menachem Magidor : What does a conditional knowledge<br />
base entail?, Artificial Intelligence 55 (1992), pp 1-60 Elsevier<br />
[Levesque 89] Hector J. Levesque : A Knowledge level Account of ab<strong>du</strong>ction<br />
[McCarthy 80] J. Mc Carthy : Circumscription : a form of <strong>non</strong> monotonic reasoning, Artificial<br />
Intelligence 13, 27-39, 1980<br />
[McCarthy 86] J. Mc Carthy : Applications of Circumscription to formalizing Commonsense<br />
knowledge, Artificial Intelligence 28, 89-116, 1986<br />
[McDermott 82] D. Mc Dermott, Nonmonotonic Logic II : Nonmonotonic Modal Theories,<br />
Journal of the Ass. for Comp. Mach., Vol 29, N° 1, pp 33-57, January 1982
[Mellish et al. 93] Chris Mellish, Ehud Reiter : Using <strong>clas</strong>sification as a programming<br />
language, proceedings IJCAI 93 pp 696-701<br />
[Ohlbach 93]<br />
Hans J. Ohlbach, Franz Baader : A Multi-dimensional Terminological<br />
Knowledge Representation Language, proceedings IJCAI 1993<br />
[Padgham et al. 93A] Lin Padgham, Bernhard Nebel : Combining Classification and Nonmonotonic<br />
Inheritance Reasoning : a first step, in Methodologies for int. Sytems,<br />
ISMI 93, J. Koworowski eds, pp 132-141<br />
[Padgham et al. 93B] Lin Padgham, Tingting Zhang : A Terminological Logic with Defaults : a<br />
Definition and an Application, proceedings IJCAI 1993<br />
[Reiter 80] R. Reiter : A Logic for Default Reasoning, Artificial Intelligence 13 (1980)<br />
81-132<br />
[Reiter 87]<br />
R. Reiter : A Theory of Diagnosis from First Principles, Artificial Intelligence<br />
32 (1987) 57-95<br />
[Rychlik 90]<br />
Piotr Rychlik, The Generalized Theory of Model Preference (Preliminary<br />
Report), proceedings AAAI 90, pp 615-620, 1990<br />
[Schwind et al. 94] Camilla Schwind, Pierre Siegel, A Modal Logic for Hypothesis Theory,<br />
Fundamenta Informaticae vol 21, n° 1.2, July-August 1994, pp 89-102.<br />
[Siegel et al. 93] Pierre Siegel, Camilla Schwind : Modal Based Theory for <strong>non</strong> monotonic<br />
reasoning, in Journal of Applied <strong>non</strong> <strong>clas</strong>sical Logics. Vol 3 n°1/1993, pp<br />
73-92<br />
[Straccia 93]<br />
Umberto Straccia : Default Inheritance Reasoning in Hybrid KL-One style<br />
Logics, proceedings IJCAI 1993