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.
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