Représentation et raisonnement des connaissances
La représentation et le raisonnement des connaissances constituent la branche de l'intelligence artificielle qui s'intéresse à l'encodage des faits sur le monde sous une forme utilisable par un ordinateur, et à la dérivation de nouvelles conclusions à partir de ces connaissances encodées.
Definition
La représentation et le raisonnement des connaissances est l'étude de la manière d'exprimer ce qu'un agent sait dans un langage formel et de calculer les conséquences logiques de ces connaissances, afin que l'agent puisse répondre à des questions et décider comment agir.
Scope
Ce domaine couvre les formalismes utilisés pour représenter symboliquement les connaissances et les procédures d'inférence qui y opèrent : la logique propositionnelle et du premier ordre avec la démonstration de théorèmes et la résolution, les réseaux sémantiques, les cadres (frames) et les ontologies, les logiques de description, ainsi que le raisonnement non monotone et par défaut. Il aborde la manière dont l'expressivité d'une représentation se confronte à la tractabilité du raisonnement, et comment les bases de connaissances sont interrogées et maintenues. Les représentations statistiques et apprises des connaissances relèvent du sous-domaine de l'apprentissage automatique, et le raisonnement spécifiquement lié à la probabilité est traité dans le cadre du raisonnement en incertitude.
Sub-topics
Core questions
- Comment les faits, les règles et les relations concernant un domaine peuvent-ils être exprimés dans un langage formel et utilisable par une machine ?
- Quelles procédures d'inférence dérivent de nouveaux faits à partir d'une base de connaissances, et sont-elles saines et complètes ?
- Comment l'expressivité d'une représentation se confronte-t-elle au coût computationnel du raisonnement qui y est associé ?
- Comment le raisonnement doit-il gérer les informations incomplètes et les hypothèses par défaut qui peuvent être rétractées ultérieurement ?
Key concepts
- logique propositionnelle et du premier ordre
- implication et inférence
- résolution et démonstration de théorèmes
- réseaux sémantiques et cadres (frames)
- ontologies
- logiques de description
- raisonnement non monotone et par défaut
- le problème du cadre (frame problem)
- compromis entre expressivité et tractabilité
Key theories
- La logique comme langage de représentation
- La logique propositionnelle et du premier ordre offrent une syntaxe formelle et une sémantique basée sur les modèles dans laquelle l'implication capture l'inférence correcte, conférant ainsi à la représentation des connaissances une notion rigoureuse des conclusions justifiées par une base de connaissances.
- Résolution et déduction automatisée
- Le principe de résolution de Robinson réduit l'inférence logique à une règle unique et mécanisable sur les clauses, rendant possible la démonstration de théorèmes complète par réfutation pour la logique du premier ordre et sous-tendant la programmation logique et les systèmes de raisonnement automatisé.
- Le problème du cadre (frame problem) et le raisonnement de sens commun
- McCarthy et Hayes ont identifié la difficulté de représenter ce qui change et ce qui ne change pas lorsque des actions se produisent (le problème du cadre), exposant des défis profonds dans la formalisation des connaissances de sens commun qui ont motivé une grande partie des travaux ultérieurs en logique non monotone.
Clinical relevance
La représentation des connaissances sous-tend les systèmes experts, le Web sémantique et les données liées, les applications basées sur les ontologies en biomédecine et en ingénierie, la réponse aux requêtes sur des bases de connaissances structurées, et la vérification formelle des systèmes ; les ontologies construites sur des logiques de description sont centrales pour les graphes de connaissances à grande échelle.
History
La représentation des connaissances basée sur la logique a débuté avec la proposition de McCarthy en 1959 pour un 'advice taker' (preneur de conseils) et a été approfondie par l'analyse du problème du cadre (frame problem) de McCarthy-Hayes (1969) et le principe de résolution de Robinson (1965). Des approches structurées parallèles ont donné naissance aux réseaux sémantiques et aux cadres (frames) de Minsky dans les années 1970, formalisés plus tard comme des logiques de description qui sous-tendent les ontologies modernes.
Debates
- Représentations logicistes vs. procédurales et structurées
- Un débat de longue date oppose la représentation déclarative des connaissances en logique, avec une inférence à usage général, aux représentations structurées ou procédurales (cadres (frames), réseaux sémantiques, scripts) censées mieux capturer l'organisation du sens commun ; les logiques de description ont en partie réconcilié les deux en dotant les représentations structurées d'une sémantique logique.
Key figures
- John McCarthy
- Patrick J. Hayes
- John Alan Robinson
- Ronald J. Brachman
- Hector J. Levesque
- Marvin Minsky
Related topics
Seminal works
- mccarthy1969
- robinson1965
- brachman2004
Frequently asked questions
- Quelle est la différence entre la représentation des connaissances et une base de données ?
- Une base de données stocke des faits explicites et répond à des requêtes les concernant, tandis qu'un système de représentation des connaissances encode également des règles et des relations générales et utilise l'inférence pour dériver des faits qui n'ont jamais été stockés explicitement. L'accent, dans la représentation des connaissances, est mis sur le raisonnement, et non seulement sur la récupération.
- Pourquoi y a-t-il un compromis entre expressivité et tractabilité ?
- Les langages plus expressifs peuvent énoncer des faits plus subtils mais rendent généralement l'inférence plus difficile sur le plan computationnel, parfois indécidable. La recherche en représentation des connaissances vise à trouver des langages, tels que certaines logiques de description, qui sont suffisamment expressifs pour être utiles tout en maintenant le raisonnement décidable et efficace.