Blog ENI : Toute la veille numérique !
🐠 -25€ dès 75€ 
+ 7 jours d'accès à la Bibliothèque Numérique ENI. Cliquez ici
Accès illimité 24h/24 à tous nos livres & vidéos ! 
Découvrez la Bibliothèque Numérique ENI. Cliquez ici
  1. Livres et vidéos
  2. L'Intelligence Artificielle pour les développeurs
  3. Systèmes experts
Extrait - L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C# (2e édition)
Extraits du livre
L'Intelligence Artificielle pour les développeurs Concepts et implémentations en C# (2e édition) Revenir à la page d'achat du livre

Systèmes experts

Présentation du chapitre

Bien souvent, on aimerait qu’un ordinateur soit capable de nous donner une information que l’on ne connaît pas à partir de faits connus.

Les êtres humains eux-mêmes ne savent pas toujours déduire de nouveaux faits à partir d’autres faits qui leur sont connus et nécessitent l’aide d’un expert. Par exemple dans le cas d’une panne automobile, la majorité des personnes ne peut pas déterminer l’origine de celle-ci et se tourne alors vers le garagiste (l’expert). Celui-ci, grâce à ses connaissances, va pouvoir trouver la panne (et la réparer, normalement).

Beaucoup d’emplois sont tenus par ces experts. Les médecins, les assureurs ou les agents immobiliers n’en sont que quelques exemples.

L’intelligence artificielle peut nous aider, en créant un programme informatique appelé système expert qui jouera le rôle de ce professionnel. Dans certains cas comme la médecine, cet outil pourra devenir une aide au spécialiste lui-même car le domaine étudié est très vaste. Il est en effet rare que l’expert humain puisse être complètement remplacé, et il sera souvent là en appui pour confirmer la conclusion du système, celui-ci lui faisant tout de même gagner un temps précieux. Dans d’autres...

Exemple : un système expert en polygones

Cette section permet d’étudier le fonctionnement détaillé d’un système expert dont le but est de déterminer le nom d’un polygone (par exemple un rectangle) en fonction de caractéristiques sur la forme (le nombre de côtés, les angles droits...). Un petit rappel de géométrie commence donc ce chapitre.

Un polygone est défini comme une forme géométrique possédant au moins trois côtés. L’ordre d’un polygone correspond au nombre de ses côtés.

1. Triangles

Si l’ordre d’un polygone vaut 3, il possède donc trois côtés et il s’agit d’un triangle. Celui-ci peut être quelconque, rectangle, isocèle, rectangle isocèle ou équilatéral.

Les figures suivantes rappellent les particularités de chacun.

images/01DP01.png

Triangle quelconque : possède trois côtés de tailles différentes et aucun angle droit.

images/01DP02.png

Triangle rectangle : possède trois côtés de tailles différentes et un angle droit.

images/01DP03.png

Triangle isocèle : possède deux côtés de même taille, mais pas d’angle droit.

images/01DP04.png

Triangle rectangle isocèle : cumule les deux côtés égaux du triangle isocèle et l’angle droit du triangle rectangle.

images/01DP05.png

Triangle équilatéral : possède trois côtés de même taille (et ne peut pas posséder d’angle droit).

2. Quadrilatères

Lorsque l’ordre d’un polygone vaut 4, on parle de quadrilatère. Celui-ci peut être quelconque...

Contenu d’un système expert

Un système expert est constitué de différentes parties liées entre elles :

  • Une base de règles qui représente les connaissances de l’expert.

  • Une base de faits qui représente les connaissances actuelles du système sur un cas précis.

  • Un moteur d’inférences pour appliquer les règles.

  • Une interface avec l’utilisateur.

Le schéma suivant indique les liens entre ces différentes parties, qui seront détaillées ensuite.

images/01DP12.png

1. Base de règles

Un système expert contient un ensemble de règles nommé base de règles. Celles-ci représentent les connaissances de l’expert sur le domaine.

Ces règles sont toujours de la forme :


SI (ensemble de conditions) ALORS nouvelle connaissance
 

Les conditions d’application d’une règle sont appelées les prémisses. Il peut y avoir plusieurs prémisses, elles sont alors reliées par une coordination ET, signifiant qu’elles doivent toutes être vraies pour que la règle s’applique.

Si la règle nécessite une coordination OU, on la découpera en deux règles distinctes équivalentes. Ainsi, la règle :


Si (A OU B) alors C
 

Deviendra :


Si A alors C 
Si B alors C
 

Les nouvelles connaissances sont appelées conclusions.

Pour notre système expert sur les formes géométriques, voici les règles concernant les triangles :


SI (ordre vaut 3) ALORS c'est un triangle
 

SI (triangle ET 1 angle droit) ALORS c'est un triangle rectangle
 

SI (triangle ET 2 côtés de même taille) ALORS c'est un triangle isocèle
 

SI (triangle rectangle ET triangle isocèle) ALORS c'est un triangle rectangle isocèle
 

SI (triangle ET côtés tous égaux) ALORS c'est un triangle équilatéral
 

Il existerait d’autres règles pour les quadrilatères et les polygones d’ordre supérieur. On voit que très rapidement le nombre de règles peut être important.

De plus, selon le système utilisé, chaque règle doit suivre une syntaxe précise et imposée.

En particulier, les prémisses et conclusions peuvent être demandées sous la forme attribut(valeur), par exemple ordre(3) ou angleDroit(1). La règle du triangle rectangle dans une telle représentation pourrait être :


SI (ordre(3) ET angleDroit(1)) ALORS polygone(TriangleRectangle)
 

Lorsque le système expert est construit de toutes pièces, il est possible de choisir le format des règles de manière à ce qu’il se rapproche le plus possible du domaine étudié. Cela facilitera la mise en place et la création...

Types d’inférences

Les moteurs d’inférences peuvent enchaîner les règles de différentes façons : c’est ce que l’on appelle le chaînage. Les deux principaux chaînages sont le chaînage avant et le chaînage arrière, mais il existe des moteurs possédant un chaînage mixte.

1. Chaînage avant

a. Principe

Un moteur à chaînage avant est aussi appelé un moteur à inférences dirigé par les données.

Dans ce mode de chaînage, on part des données disponibles dans la base de faits, et on teste pour chaque règle si elle peut s’appliquer ou non. Si oui, on l’applique et on rajoute la conclusion à la base de faits.

Le moteur explore donc toutes les possibilités, jusqu’à trouver le fait recherché ou jusqu’à ne plus pouvoir appliquer de nouvelles règles.

Ce mode de chaînage est celui proposé par défaut dans des langages de type CLIPS (C Language Integrated Production System), spécialisés dans la construction de systèmes experts.

b. Application à un exemple

Dans le cas de notre système expert sur les polygones, supposons que nous partions des faits suivants :

  • L’ordre vaut 3.

  • Il y a un angle droit.

  • Deux côtés sont de même taille.

On commence par appliquer la règle suivante qui ajoute dans la base de faits que la forme est un triangle :


SI (ordre vaut 3) ALORS c'est un triangle
 

On peut ensuite en déduire que c’est un triangle rectangle grâce à la règle suivante :


SI (triangle ET 1 angle droit) ALORS c'est un triangle rectangle
 

De même, on sait que c’est un triangle isocèle :


SI (triangle ET 2 côtés de même taille) ALORS c'est un triangle isocèle
 

Enfin, en sachant qu’il s’agit d’un triangle rectangle et d’un triangle isocèle, on peut appliquer :


SI (triangle rectangle ET triangle isocèle) ALORS c'est un triangle rectangle isocèle
 

On rajoute donc enfin le fait qu’il s’agit d’un triangle rectangle isocèle. Comme il n’y a plus de règles applicables...

Étapes de construction d’un système

Pour créer intégralement un système expert, il est important de suivre différentes étapes qui font entrer en jeu des compétences et donc des profils professionnels différents.

Globalement, il y a quatre étapes présentées dans la figure suivante, avec les principaux rôles nécessaires sous chaque étape :

images/01DP13.png

1. Extraction des connaissances

La première étape consiste à extraire les connaissances. Pour cela, il faut trouver un expert qui sera interrogé pour comprendre les règles sous-jacentes aux décisions qu’il prend dans son travail. Cette phase peut paraître simple mais elle est en fait très complexe. En effet, un expert ne réfléchit pas en termes de règles, il a des automatismes qu’il faut arriver à lui faire expliciter.

Prenons l’exemple des insectes. Face à des insectes peu courants ou inconnus, il paraît assez facile de déterminer des règles qui permettent d’arriver au résultat voulu. Mais quelles règles applique-t-on pour reconnaître une mouche d’un moustique, un escargot d’une limace, une fourmi d’un cloporte, ou encore une coccinelle d’un gendarme ?

C’est donc en posant différentes questions à l’expert que l’on pourra l’amener...

Performance et améliorations

Un point n’a jamais été évoqué jusqu’à présent : celui des performances. Celui-ci est pourtant primordial pour la réussite du système. Nous allons donc voir quels sont les critères de performance et comment construire un système permettant de les améliorer.

1. Critères de performance

Les performances d’un système expert sont primordiales, surtout s’il est composé de nombreuses règles. Le premier critère de performance est le temps de réponse. En effet, il faut pouvoir donner une réponse à l’utilisateur dans un temps acceptable.

Ce temps dépend du problème posé. Par exemple, dans notre système expert de géométrie, le temps de réponse sera acceptable s’il reste de l’ordre de la seconde. Et au vu du nombre de règles, il y a peu de risques d’avoir un temps supérieur.

Dans un système expert médical, ou pour aider un garagiste, là encore le temps n’est pas la priorité tant qu’il reste de l’ordre de quelques secondes.

Cependant, si le système expert doit être utilisé dans un environnement dangereux pour prendre une décision (par exemple pour arrêter ou non une machine) ou doit communiquer avec d’autres systèmes, le temps de réponse va devenir un critère primordial pour la réussite du projet.

En plus du temps de réponse, il existe un deuxième critère de performance : l’utilisation de la mémoire. En effet, la base de faits va grossir au fur et à mesure de l’application des règles. Dans un moteur à chaînage arrière, le nombre de buts à atteindre peut lui aussi prendre de plus en plus de place. Si le système doit être installé sur un appareil possédant peu de mémoire (comme un robot), il faudra donc bien prendre en compte cet aspect.

Enfin, généralement tous les moyens mis en œuvre pour optimiser le temps de réponse auront un impact négatif sur la mémoire et vice-versa. Il faut donc trouver le bon compromis en fonction des besoins.

2. Amélioration des performances par l’écriture des règles

La première façon d’améliorer les performances est de bien travailler sur l’écriture des règles. En effet, il est souvent possible de limiter leur nombre.

Dans notre exemple avec les triangles, on a défini le triangle...

Ajout d’incertitudes et de probabilités

Les systèmes experts vus jusqu’ici se basaient sur des règles sûres, et les faits étaient forcément vrais ou faux. Cependant, dans la réalité, les choses sont souvent plus complexes. Il faut donc penser à gérer les incertitudes.

1. Apport des incertitudes

Dans un système expert destiné à identifier des animaux en fonction de caractéristiques physiques, il peut être difficile d’estimer exactement le nombre de doigts aux pattes de l’animal ou la couleur de son ventre. Surtout s’il s’agit d’un prédateur ou d’un animal venimeux, il peut sembler difficile de l’examiner sous tous les angles pour répondre aux questions du système.

Dans ces cas-là, il peut être intéressant d’ajouter de l’incertitude sur les faits : l’utilisateur pourra donc dire qu’il lui semble que l’animal avait le ventre blanc, mais qu’il n’en est pas totalement sûr.

De plus, dans un système expert médical, il paraît dangereux de dire que si les symptômes d’une maladie sont des douleurs dans tout le corps, de la fièvre et une grande fatigue, alors il s’agit forcément d’une grippe. En effet, des maladies plus rares mais plus dangereuses pourraient se cacher derrière ces symptômes....

Domaines d’application

Le premier système expert est apparu en 1965. Nommé Dendral, il permettait de retrouver les composants d’un matériau à partir d’informations sur sa résonnance magnétique et sur le spectrogramme de masse de celui-ci.

Depuis, les systèmes experts se développent dans de nombreux domaines et sont présents jusque dans les logiciels que l’on utilise tous les jours.

1. Aide au diagnostic

Le premier grand domaine d’application des systèmes experts est l’aide au diagnostic. En effet, grâce à leur base de règles, ils vont pouvoir tester et éliminer différentes possibilités jusqu’à en trouver une ou plusieurs probables.

On les retrouve ainsi dans les applications médicales pour aider au diagnostic de certaines maladies. On peut citer MYCIN qui permet de déterminer quelle bactérie se trouve dans le corps d’un patient et quel traitement (type d’antibiotique et posologie) lui administrer pour l’aider à guérir ou CADUCEUS, une extension de MYCIN permettant de déterminer plus de 1000 maladies du sang. D’autres applications permettent d’aider au diagnostic de maladies à partir de radiographies ou d’images médicales. Plus récemment, on les retrouve dans d’autres applications médicales : détermination de l’âge des os à partir d’une radio (Seok, 2016) ou encore la classification des mesures de glycémie dans le cadre du diabète gestationnel (Caballero-Ruiz, 2016).

Ils sont très pratiques pour aider à la recherche de pannes en mécanique (comme dans les voitures) ou en électronique (pour les appareils électroménagers), en limitant les pièces potentiellement défectueuses.

On les retrouve aussi tout simplement dans nos ordinateurs lorsqu’une panne ou un défaut est détecté et que le système nous pose différentes questions avant de nous donner une procédure à suivre pour tenter de réparer cette panne (l’assistant de Microsoft Windows en est un bon exemple).

Ils seront enfin de plus en plus utilisés dans les objets connectés que l’on rencontrera, par exemple dans les bracelets permettant de suivre notre santé en temps réel....

Création d’un système expert en C#

Coder un moteur d’inférences générique et complet en C# est une tâche complexe. De plus, il existe des moteurs disponibles (gratuitement ou non) qu’il est facile d’adapter à un problème.

Nous allons cependant nous intéresser à la création du système expert permettant de donner le nom d’un polygone à partir de ses caractéristiques.

Ce système expert sera cependant adaptable à d’autres problèmes proches. De plus, le code C# est compatible avec Windows 8, Windows 10 (applications universelles), le framework .NET 4 ainsi que les versions supérieures. Il peut être utilisé sur d’autres cibles si elles sont installées sur l’ordinateur de développement, sans modifier le code (par exemple pour Windows Phone, Xbox, Xamarin, Azure, Unity...). Le programme principal est un programme de type console pour Windows.

1. Détermination des besoins

Ce système doit être adaptable à de nombreux problèmes équivalents, de type identification, à partir d’informations entrées par l’utilisateur.

Ici, le système part des données fournies par l’utilisateur pour essayer de déterminer la forme qu’il cherche à reconnaître. Nous n’avons pas de but précis. Un moteur à chaînage avant est donc à préférer pour ce problème, en plus d’être plus simple d’implémentation.

De plus, d’après nos règles, nous aurons deux types de faits :

  • Des faits dont les valeurs seront entières, comme l’ordre du polygone, ou le nombre de côtés de même taille.

  • Des faits dont les valeurs seront des booléens, comme la présence ou non d’un angle droit, ou le fait d’être un triangle.

Notre système expert devra donc prendre en compte ces deux types de faits.

L’utilisateur doit aussi pouvoir facilement utiliser le système expert. Les règles devront donc être écrites dans un langage proche du langage naturel, et l’interface devra être gérée séparément du moteur pour le rendre plus générique (ici on ne fera qu’une interface en mode console).

Enfin, il serait aussi intéressant de connaître le dernier nom trouvé pour la forme et les noms intermédiaires qui ont été utilisés (par exemple, on a utilisé "Triangle", puis "Triangle rectangle" et "Triangle isocèle" et enfin on a fini sur "Triangle rectangle isocèle"). Nous chercherons donc à implémenter un moyen de connaître l’ordre des faits....

Utilisation de Prolog

Coder un système expert en programmation objet se fait, mais ce n’est pas le paradigme de programmation le plus adapté. Les langages en programmation logique sont faits pour exécuter ce type de tâche. L’écriture de code sera alors plus simple, toute la logique du moteur étant déjà implémentée dans le cœur du langage.

1. Présentation du langage

Prolog, pour PROgrammation LOGique est un des premiers langages de ce paradigme, créé en 1972 par deux Français, Alain Colmerauer et Philippe Roussel.

Ce n’est cependant pas le seul langage en programmation logique. On peut aussi citer Oz ou CLIPS. Ces langages se rapprochent de ceux de programmation fonctionnelle (LISP, Haskell...) qui peuvent être utilisés pour des systèmes experts.

Prolog contient un moteur d’inférences à chaînage arrière, avec backtracking. On lui donne un but (qui doit être un fait) qu’il va essayer de résoudre. Si ce but contient une variable, alors il cherchera toutes les valeurs possibles pour celle-ci. Si le but contient un attribut, alors il confirmera ou infirmera le fait.

Prolog fonctionne sur la base de prédicats. Chaque prédicat peut être soit un fait avéré, soit un fait inféré grâce à des règles. Par exemple ordre(3) est un prédicat avec un paramètre qui est un fait donné par l’utilisateur. Par contre, nom(triangle) sera un fait inféré par la règle "SI ordre(3) ALORS nom(triangle)".

Le langage contient aussi des prédicats fournis, permettant par exemple d’écrire et lire dans la console de Prolog, de charger un fichier, ou de manipuler des listes.

Dans la suite, nous utiliserons le SWI-Prolog, téléchargeable gratuitement sur le site http://www.swi-prolog.org/ et disponible pour Windows, Mac OS X ou Linux.

2. Syntaxe du langage

Seule la syntaxe nécessaire à la compréhension des exemples est fournie ici. N’hésitez pas à lire la documentation de votre implémentation de Prolog pour en savoir plus. De plus, selon la version utilisée, la syntaxe peut légèrement différer. En annexe se trouve une explication de l’utilisation de SWI-Prolog pour Windows.

a. Généralités

En Prolog, il faut différencier deux parties :

  • Le fichier contenant les règles et les faits (donc l’ensemble des prédicats définis pour le problème).

  • La console qui sert uniquement à l’interaction avec l’utilisateur.

Dans le fichier chargé, on peut tout d’abord trouver des commentaires. Ceux-ci sont de deux types :


% Commentaire sur une seule ligne
 

 


/* Commentaire pouvant ...

Synthèse

Un système expert permet de partir de faits et d’y appliquer des règles pour obtenir de nouveaux faits, dits inférés. Ils remplacent ou complètent le savoir des experts selon les cas.

Ceux-ci sont composés d’une base de règles indiquant toutes les règles connues de l’expert, et qui permet d’arriver à des déductions. Ils se composent aussi d’une base de faits reprenant tout ce qui est connu de l’utilisateur ainsi que les faits inférés jusqu’ici. Une interface utilisateur permet de communiquer de manière claire avec les différentes personnes utilisant le système.

Le cœur du système expert est son moteur d’inférences. C’est lui qui va choisir et appliquer les règles, et lancer les interactions avec l’utilisateur. Il peut être à chaînage avant s’il part des faits pour en obtenir de nouveaux ou à chaînage arrière s’il part d’un but et cherche comment y arriver.

La création de ce moteur n’est pas toujours chose aisée, mais il est possible d’en implémenter dans tous les langages. Les moteurs à chaînage avant sont cependant bien souvent plus simples à coder, par exemple en C#. Des langages particuliers, issus de la programmation fonctionnelle ou logique, comme Prolog, permettent...