Systèmes experts

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.

	Triangle quelconque : possède trois côtés de tailles différentes et aucun angle droit.
	Triangle rectangle : possède trois côtés de tailles différentes et un angle droit.
	Triangle isocèle : possède deux côtés de même taille, mais pas d’angle droit.
	Triangle rectangle isocèle : cumule les deux côtés égaux du triangle isocèle et l’angle droit du triangle rectangle.
	Triangle équilatéral...

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...

1. Chaînage avant

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...

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 par 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...

1. Critères de performance

Les performances d’un système expert, surtout s’il est composé de nombreuses règles, sont primordiales. 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...

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...

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 1 000 maladies du sang. D’autres applications permettent d’aider le 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 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...

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 :

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...

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