Introduction (notes)§

Contexte et historique§

  • Contexte = IA symbolique
    • connaissances partageables entre l’humain et la machine
    • l’IA est une science cognitive: elle s’inspire de la cognition humaine
  • Systèmes experts
    • idée: “extraire” les connaissances de l’expert, et les exprimer sous forme d’une base de connaissances exploitable par un moteur d’inférences
    • Prolog
    • problème:
      • nécessite un expert métier (pour expliciter les connaissances) et un ingénieur de la connaissance (pour l’« encoder »)
      • les connaissances des experts ne sont pas faciles à « extraire »
    • l’IA est une science cognitive: elle doit comprendre la cognition humaine pour construire des bases de connaissances
  • Évolutions
    • modalités de construction des connaissances
      • TAL (traitement automatique de la langue)
      • toujours origine humaine des connaissances
    • nature des connaissances
      • prolog → règles → ontologies (de plus en plus déclaratif)
      • mais aussi réseaux sémantiques, graphes conceptuels
      • mais aussi contraintes (programmation par contraintes)
      • plus récemment: ontologies → ontologies+règles
  • Constat
    • les connaissances sont considérées comme
      • fiables
      • rares (d’autant plus qu’elles sont fiables), et donc chères
      • stables (d’autant plus qu’elles sont rares et chères)

Problématique§

  • Nouvelle donne
    • avec l’augmentation de la puissance des ordinateurs, leur utilisation de plus en plus pervasive, notamment avec le Web, le Web mobile, le Web des objets,
    • les connaissances (ou au moins les informations) deviennent
      • abondantes
      • mais peu fiables (bruitées, voire erronées, peu structurées)
      • et dynamiques
    • essor de l’IA numérique, de l’apprentissage automatique
      • Big Data
      • annonce de “la mort des modèles”
      • mais il y a des limites
    • l’IA symbolique a encore un rôle à jouer
  • Construction de connaissances
    • comment dynamiser la construction des bases de connaissances
  • Raisonnement
    • comment adapter les mécanismes de raisonnement à des informations changeantes
      • qui, éventuellement, changent très vite
      • NB: logiques modales et temporelles, mais ça ne fait pas tout (“fige” la dynamique)
    • pas propre à l’IA: réponse à des requêtes continues (requêtes + inférences)
    • raisonnement interactif
      • Winograd 2006 : convergence avec HCI
      • test de Turing
      • l’IA est une science cognitive: raisonnement interatif, dialectique, en collaboration avec l’humain