systèmes experts - application a la modelisation en
Contents
1. Bundy A Uschold M Robertson D ECO an Intelligent Front End for Ecological Modelling 67 70 Fjellheim J A knowledge based interface to process simulation 97 102 Fujiwara R et Sakaguchi T An expert system for power system planning 174 177 Autres r f rences de Swaans Arons H Expert system in the simulation domain Mathematics and Computers in Simulation 25 1983 10 16 Minsky M A Framework for Representing Knowledge In The Psychology of Computer Vision P H Winston Ed McGrawHill 1975 Rechenmann F SHIRKA m canismes d inf rence sur une base centr e objet Actes du 5 me Congr s AFCET ADI INRIA Reconnaissance des formes et intelligence artificielle Grenoble 1985 Rechenmann F Repr sentation des connaissances dans les logiciels de calcul scientifique In Informatique et Calcul Computers and Computing Chenin P DiCrescenzo C Robert F Masson et Wiley 1986 Rousseau B et Rechenmann F Le projet Edora vers un poste de travail informatique pour l aide la mod lisation des syst mes dynamiques en biologie Les Cahiers d Edora INRIA 1987 sous presse Pav A Sch mas fonctionnels et mod lisation tude de mod les de la dynamique des populations Actes du coll Biom trie Econom trie Sophia Antipolis 1986 sous presse Rousseau B Pav A Rechenmann F et Landau M Edora project Artificial Intelligence Approach and Work Station Concept to aid Dynamic Mod2. galement attendre que la n cessit de constitution de bases de connaissance et de leur structuration aura une influence dans le champ d application lui m me Sous ces deux points de vue le cas de l aide la mod lisation des syst mes biologiques et biotechniques envisag dans le projet Edora est un bon exemple Edora Equations Diff rentielles Ordinaires et R currentes Appliqu es On devine que ce projet est focalis sur les mod les d terministes en biologie Le choix de ce sigle qui ne r sume en fait que l aspect math matique du projet vient en fait d une proposition initiale de C Lobry d axer en premier lieu la r flexion sur les aspects math matiques c est normal il met en avant sa discipline le sigle etait alors Edoa pas de r currence Comme le domaine d application envisag en premier lieu tait la biologie j ai alors propos d ajouter R currentes ce qui permettait d introduire une classe importante de mod les en biologie la biologie c est plut t mon affaire en outre le sigle me semblait sonner plus agr ablement l oreille Cette proposition a t retenue par les acteurs du projet en premier lieu par C Lobry et P Bemhard qui en furent les initiateurs En fait ce sigle recouvre actuellement deux choses d une part le Club Edora Club INRIA et d autre part le projet lui m me propre cet Institut Cette aventure tout fait risqu e au d part ne se terminera sans doute pas dans une impasse la f
3. b trac de trajectoires dans le plan de phase les conditions initiales sont rep r es par des petits carr s on voit nettement l attracteur qui est un cycle limite c trac de la chronique volution des variables d tat en fonction du temps x f t en trait continu y g t en pointill s d exemple de fonctionnalit s d dition des r sultats Le syst me diff rentiel pr sent est un mod le de relation pr dateur proie x ax 1 x K b x y KI x y cy dbxy Ki x x resp y repr sente une mesure de la taille de la population de proies resp y pour les pr dateurs La croissance de la population de proies est suppos e logistique terme a x 1 x K cette proie est consomm e par un pr dateur l interaction entre les deux populations est mod lis e par le terme x y K1 x qui pr sente un ph nom ne de saturation i e l importance de ce terme est limit e y constant par la quantit de proies disponibles le pr dateur a une capacit d assimilation limit e et cela contrairement au mod le classique de LOTKA VOLTERRA qui ne fait pas une telle hypoth se le terme correspondant est simplement le produit x y Enfin le pr dateur est suppos tre soumis un processus de mortalit de type exponentiel terme cy Suivant la valeur de K1 le syst me admet un point fixe ou un cycle limite notons que dans l exemple propos cette derni re solution celle recherch e a t trouv e en trois ess
4. les mentaux de l utilisateur et les entr es sorties des programmes de fa on que cet utilisateur soit plus concern par le probl me relevant de son domaine d activit scientifique ou technologique que par la mise en oeuvre informatique ainsi le manque de souplesse de la plupart des logiciels scientifiques fait que les utilisateurs ont perdu la flexibilit du mode de travail papier crayon Une interface utilisateur doit s appuyer sur des mod les conceptuels partir desquels un environnement fictif est labor environnement dans lequel l utilisateur est capable d agir l aide d objets familiers On peut citer l environnement de bureau du Maclntosh et ceux tudi s sur cette machine par de nombreux d veloppeurs Dans le secteur technologique les logiciels de CAO tenaient compte de ce probl me d interface plus r cemment des syst mes int grant une expertise ont t tudi s et con u avec des facilit s de dialogue Fjellheim 1986 Fujiwara et Sakagushi 1986 Plus g n ralement il faut retenir les efforts des concepteurs de syst mes experts qui essayent entre autre de proposer des interfaces en langues naturelles Ainsi il est clair que la r alisation d un syst me d aide la mod lisation passe par l tude des moyens de dialogue appropri s Par exemple la repr sentation conceptuelle du fonctionnement d un algorithme et le choix des repr sentations graphiques de ses r sultats permettent de s assurer de son bon fon
5. 2 MATAPLI 1987 11 5 19 SYSTEMES EXPERTS APPLICATION A LA MODELISATION EN BIOLOGIE Alain Pav Laboratoire de Biom trie et de Biologie des Populations U A CNRS 243 Universit Claude Bernard 69622 VILLEURBANNE Cedex Bien que relativement ancienne cette d marche fut longtemps assez largement ignor e par beaucoup de biologistes En fait ils n en voyaient pas toujours la pertinence pour aider r soudre les probl mes qu ils se posaient et souvent avec juste raison On peut expliquer ceci par la difficult de formaliser ces probl mes et m me si cette tape est franchie par la complexit d exploitation des mod les obtenus Actuellement certaines de ces difficult s ont t suffisamment bien r solues pour que la mod lisation soit devenue une pr occupation de beaucoup de biologistes agronomes et m decins Plus pr cis ment deux points sont souligner le choix ou la construction d un mod le d pend videmment du syst me biologique ou biotechnique en question mais aussi et surtout des objectifs de la mod lisation s agit il d analyser le syst me de comprendre son fonctionnement aspect souvent appel cognitif ou de pr voir son devenir pr vision ventuellement en le simulant sous diverses hypoth ses alternatives analyse de sc narios ou de contr ler son fonctionnement afin de l optimiser de l automatiser aspects normatifs ou encore de chercher estimer une variable inaccessible la me
6. d inf rence SHIRKA travaillant sur une repr sentation des connaissances centr e objet cf texte et ses utilitaires diteur de sch mas module d explication non mentionn s sur la figure Les diff rentes interfaces assurent la mise en forme l activation de proc dures ad hoc pour changer des informations entre les diff rents l ments du syst me est sous le contr le de SHIRKA 4 Fichier Edition Fen tres Int gration Texte l hictues Cdttion Len tees tategration Portrait Selection tied teoie t 3 007755 9 032968 fx b x K Lex sax 1 x K y fx g cyey d x fia ce mod le d rive du mod le classique de LOTKA VOLTERRA peut pr senter un cycle limite 1l peut satisfaire ou crit re de Dulac pour des valeurs convenables de K1 en particulier celle choisie ici Fichier Edition Fen tres Int gration Chronique S lection Pred Proie t fichier Edition KXTITTM int gration Chronique S lection gt er y ie portrait modele predproie uue N 0 Page 1 OS vue N Page 1 6 944445 6 944445 O chronique O graphe quelconque TYPES gauche 2 010866 cm droite 15 981091 cm haut 14 593565 em bas 23 918718 cm figure 3 Exemple d utilisation de DYNAMAC pour l tude d un syst me diff rentiel a dition du mod le utilisant un mini langage d entr e du type Pascal
7. la valeur de l attribut fact cr par ce moyen puisque chacun des sch mas de classe d finissant les mod les est li au m ta sch ma modele croissance contenant la d finition de l attribut fact cr exemples d interrogation et d utilisation figure 2 a b c Shirka cr inst Shirka cr inst Shirka cr inst Classe choix modele Classe choix modele Classe m Monod Nom de l instance choix 1 Nom de l instance choix 2 Nom de l instance monod 1 fact cr fff fact cr ffv exp anal nom modele nom modele param 0 1 gt choix 1 gt choix 2 param 65 0 Shirka val Shirka val param 3 0 instance choix 1 instance choix 2 param attribut nom modele attribut nom modele gt monod 1 gt m expo je ne connais pas de mod le adapt Shirka vi monod 1 ces conditions monod 1 echec ceci est un mod l de croissance dx dt rx k x k c x amp inconnue 1 0 65 0 3 0 figure 2 exemple de dialogue avec SHIRKA les r ponses de l utilisateur sont en italiques Ce dialogue correspond aux fonctionnalit s de base de ce syst me il est videmment possible de programmer des interfaces plus sophistiqu es ce qui sort du cadre de l exemple propos a est un exemple de choix d un mod le l attribut fact cr prend le valeur fff l utilisateur a la possibilit de forcer la valeur de nom modele lors du dialogue Si celle ci n est pas affect e r ponse alors SHIRKA d terminera la valeur de l attribut
8. mas plac s un plus haut niveau ce qui explique dans l exemple ci dessous la distinction entre m ta sch mas et niveau objet i e sch mas de classe repr sentant la connaissance qu on souhaite manipuler L exemple a t x cut ce n est pas un exemple de principe la liste pr sent e a juste t modifi e pour des raisons de pr sentation La machine utilis e est un Macintosh Plus d Apple l implantation de LeLisp a t assur e par la soci t ACT Informatique relations niveaux s probleme choix modele Li schema sorte de P meta sch ma est un sorte de sch ma objet est un instance figure 1 Organisation de la connaissance dans SHIRKA exemple de mod les l mentaires de croissance La connaissance peut tre organis e trois niveaux les sch mas du niveau objet sch mas de classe peuvent tre consid r s comme des instances de sch mas crits au niveau meta sch ma et donc manipulables comme des instances ordinaires i e des r alisations de sch mas de classes en particulier pour le m canisme de filtrage Les relations verticales sont du type est un alors que les relations horizontales sont du type sorte de liste de l exemple Edora exemple de recherche d un mod le suivant son interpretation 1 la croissance peut tre ou non limit e par un facteur si oui 2 ce facteur peut tre consomm ou non par le syst me biologique 3 l ex
9. ou non d une force de friction prise en compte ou non de la masse du ressort Il aboutit ainsi formuler une vingtaine de r gles de la forme R gle 13 si le ressort ne satisfait pas la loi de Hooke le ressort est de masse nulle il n y a pas de force de friction il n y a pas de force ext rieure alors le mod le est x f x M 0 dont douze portent en conclusion comme dans cet exemple la forme du mod le retenu Ces r gles d finissent en r alit une hi rarchie des mod les possibles du syst me masse ressort un mod le d un niveau traduit des hypoth ses communes aux mod les plus sp cifiques par exemple les mod les d riv s du pr c dent suivant la forme de f x Or l utilisation des r gles dont l une des propri t s essentielles est l ind pendance entre elles fait dispara tre par dispersion cette id e de hi rarchie et plus g n ralement de relation entre les objets que sont les mod les on trouvera en annexe un autre exemple celui de mod les l mentaires de croissance en biologie En fait on voit rapidement que cette repr sentation des connaissances fort bien adapt es d autres probl mes convient assez mal aux besoins d un syst me d aide la mod lisation car on ne peut pas repr senter commod ment les objets manipul s mod les quations donn es 8 l utilisation de m thodes de traitement calcul num rique ou symbolique doit tre possible le moteur d inf rence doit pouvoi
10. par filtrage lorsque la question lui sera pos e ici il r pond videmment m expo b illustre l utilisation de la facette si echec Cette facette utilise l attachement proc dural le sch ma mes echec est une sp cialisation du sch ma de classe pr d fini methode li cette sp cificit de SHIRKA ici l attthement proc dural est simple il s agit d activer la fonction Lisp d impression du message je ne connais pas de mod le adapt ces conditions c montre le m canisme de cr ation d une instance d un sch ma de classe m canisme d instanciation ainsi que les processus d h ritage et d affectation de valeurs par d faut Il s agit de la cr ation d une instance du sch ma de classe m Monod du sch ma modele croissance il y a h ritage d attributs de leurs domaines respectifs de validit et de la fa on d obtenir la valeur affect e a priori pour remarque par d faut exp_anal ou en posant la question l utilisateur exp_anal ou param D autres voies sont videmment possibles comme on l a vu pr c demment comme l attachement proc dural ou le filtrage 17 Dialogue avec le syst me autour du concept de poste de travail Pour une application donn e les concepts actuels d interface homme machine peuvent tre t st s ais ment sur des quipements de faible co t par exemple le Macintosh d Apple c est ce qui a t fait dans le cadre du projet Edora par B Rousseau av
11. sorte de modele croissance est un s modele croissance exp_diff valeur dx dt rx exp_anal valeur x x0 exp rt fact cr fff def sh m logist sorte de modele croissance est un s modele croissance exp_diff valeur dx dt r 1 x K x exp_anal valeur x K 1 K x0 xO exp rt fact cr vvf def sh m Monod sorte de modele croissance est un s modele croissance exp_diff valeur dx dt rx K x K C x fact cr vvv def sh m Gompertz sorte de modele croissance est un s modele croissance exp_diff valeur dx dt rx In K x exp_anal valeur x K exp In x0 K exp rt fact cr vff definition de la fonction d impression du message d chec attachement procedural def sh mes echec 16 est un schema sorte de methode nom fct valeur mes echec fonction Lisp correspondante de mes echec inst let nom inst nom sch inst prin je ne connais pas de mod le adapt ces conditions terpri fin de l exemple Les instances sont caract ris es par la pr sence de l affectation la valeur des attributs valu s ils ne le sont pas tous forc ment L apparition de ce type d affectation au niveau objet signifie que l attribut correspondant a t d fini dans un m ta sch ma et qu il existe upe relation est un avec ce m ta sch ma Ainsi on voit dans l exemple propos qu on d finit
12. ais sans calculs pr alables 19 Fichier Edition Mod le Estimation Analyse bi PI O 1 0710e 0 P2 1 7343e 2 4 2269e 1 2 3694e 2 pen NES x ef NU ii S 264 00 1 072 SCE 9 7909e 4 figure 4 Exemple d utilisation du programme croissance ajustement du mod le logistique la croissance d une population bact rienne E Coli en milieu complexe Les estimations des param tres sont donn s la param trisation du mod le est la suivante y p4 p1 1 exp p2 p3 t p3 La courbe peut tre d form e en agissant sur les points de contr le ainsi on peut proc der un ajustement vue mais aussi et surtout on peut examiner rapidement la d formation de la courbe induite par des variations des points de contr le par exemple la condition initiale i Lien avec des programmes representation externes s z Prog Fr des objets algorithmique calcul num rique dialogue et formel programmes ex cutables aubroutinc toto x subroutine tata y s broutine titi e abris tetuan implicit rea1 8 a k e lt dimension an de 10 izla a ra titi 10 continue ei gestion des objets mod les repr sentation sous donn es exp rimentales forme de sch mas CONNAISSANCES description des algorithmes donn es figure 5 Structure g n rale du syst me Edora Cette structure pr figure sans doute les futures archi
13. aisabilit d un tel syst me peut pr sent tre consid r e comme d montr e une premi re maquette est op rationnelle depuis le 1 07 86 une version am lior e sera pr sent e en Juillet 87 en outre les retomb es de ce projet scientifiques et techniques sont d ores et d j importantes c est d ailleurs peut tre l la premi re qualit d un bon projet citons notamment le moteur d inf rence travaillant sur les sch mas d velopp par F Rechenmann et les divers travaux et r flexions men s par les autres membres du Club et du Projet en particulier sur la mod lisation et les mod les en Biologie notamment en biologie des populations N B Sous une forme voisine ce texte a fait l objet d une communication au colloque Mod lisation et optimisation de processus biologiques organis en Septembre 1986 PARIS par MEDIMAT et l APRIA Bibliographie On trouvera des l ments de base et des exemples de r alisations dans l ouvrage AI applied to simulation Edit par E J H Kerckhoffs G C Vansteenkiste et B P Zeigler Simulation Series Vol 18 n 1 The Society for Computer Simulation Publications San Diego Californie 1986 d o sont tir es les r f rences suivantes Zeigler B P et De Wael L Towards a knowledge based implementation of multifaceted modeling methodology 42 51 Pav A et Rechenmann F Computer aided modelling in biology an artificial intelligence approach 52 66 Muetzelfeldt R
14. ans Arons pour le mod le ressort cf texte Type g n ral si condition alors conclusion ou fait ou action si a x est constante alors mod le_exponentiel si a x est r 1 x K alors mod le logistique si a x est r 1 In x In K alors mod le_de_Gompertz sia x estr K x K C x alors mod le de Monod si mod le_exponentiel alors solution x x e si mod le_logistique alors solution x K 1 K Xo Xo rtj si mod le_de_Gompertz alors solution x K exp In oal K e t si mod le_exponentiel alors asymptote sup rieure nil si mod le_logistique alors asymptote sup rieure K si mod le_de_Gompertz alors asymptote sup rieure K si mod le_de_Monod alors asymptote sup rieure K si conditions non limitantes alors mod le_exponentiel si facteur limitant disparition du facteur proportionnelle la biomasse pas de saturation par exc s du facteur alors mod le_logistique si facteur limitant disparition du facteur proportionnelle la biomasse saturation par exc s du facteur alors mod le_logistique si facteur limitant disparition du facteur ind pendante de la biomasse disparition exponentielle_d croissante alors mod le_de_Gompertz On remarquera que la notion de mod le est diffuse dispers e dans la base un regroupement des r gles serait arbitraire et artificiel et ne rendrait compte qu en partie des relations entre objets Type g n ral L lement de base de cette repr sen
15. ariable d tat Outre les calculs classiques estimation initiale puis estimation par la m thode de Gauss Marquardt il permet une identification main lev qui illustre bien la notion de travail papier crayon Chacune des courbes de croissance est caract ris e par des points de contr le d pendant des param tres et dont les emplacements dans le plan variable temps d finissent enti rement la forme de la courbe Par exemple pour le mod le logistique ces points de contr le sont le point d inflexion l ordonn e l origine et les asymptotes inf rieure et sup rieure Figure 4 Pour ajuster la courbe sur les points exp rimentaux il suffit de d placer l un des points de contr le l aide de la souris La courbe se d forme alors et la modification de forme est imm diatement r percut e sur les valeurs des param tres Cette fonctionnalit permet aussi d examiner les r percussions d une modification d un de ces points de contr le sur la forme de la courbe Plusieurs mod les peuvent tre choisis logistique Gompertz logistique g n ralis monomol culaire enfin des informations peuvent tre obtenues sur la qualit des estimations des param tres et de l ajustement Structure du syst me Edora La structure g n rale du syst me Edora donne une assez bonne vue de l architecture des futurs syst mes de simulation ou d aide la mod lisation cf figure 5 Il est organis autour d un noyau central le moteur
16. c s de ce facteur peut tre saturant ou non pour la vitesse de croissance fact cr est un attribut de type simple prenant les valeurs fff vff il permet de sp cifier les conditions de croissance suivant les A trois caract ristiques choisies v condition v rifi e f condition non v rifi e Par exemple pour le mod le exponentiel repr sentant une croissance non limit e par un facteur de croissance l attribut fact expo prendra la valeur fff pour les autres mod les on a logistique vvf Monod vvv Gompertz vff les mod les sont des sp cialisations de modele croissance def sh est une fonction SHIRKA permettant de d finir les sch mas 15 niveau meta schema def sh s probleme sorte de schema def sh s modele croissance sorte de schema fact cr un symbole def sh choix modele sorte de s probleme fact cr un symbole domaine fff vff fyf ffv vvf vfv fvv vvv var nom v fact nom modele liste de s modele croissance sib filtre s modele croissance lui meme var gt nom modele fact cr var lt v fact si echec mes echec niveau objet def sh modele croissance sorte de objet est un s modele croissance remarque un chaine valeur ceci est un modele de croissance exp_diff un symbole defaut dx dt r x x exp_anal un symbole defaut inconnue param liste de reel def sh m expo
17. ctionnement et de la justesse de ce que per oit l utilisateur ce qui constitue une forme d int gration de l expertise dans le logiciel Dans l optique du projet Edora on peut citer deux r alisations qui pr figurent les interfaces du logiciel venir DYNAMAC et CROISSANCE on trouvera en annexe une pr sentation succinte de ces programmes Enfin un effort important est fait pour faciliter le choix l interpr tation et la construction de mod les en particulier par l int gration de langages de description plus parlants et plus concis que le mod le math matique associ Pav et Rechenmann op cit Pav 1986 Conclusion Les approches li es l intelligence artificielle plus particuli rement aux notions de syst mes experts ou de syst mes bases de connaissances Knowledge Base Systems vont sans nul doute conduire une nouvelle g n ration de logiciels pour la mod lisation Il faut cependant se garder d un optimisme b at si on a d montr la faisabilit de tels syst mes le chemin parcourir est encore long il faut ma triser ces nouveaux outils quand ils existent constituer des bases de connaissances concevoir des interfaces efficaces Inversement il est pr sent certain 10 que ces nouvelles approches sont concevables et d un grand avenir il s agit d une nouvelle fa on de faire de l informatique conduisant envisager des applications qui le sont difficilement par des approches plus classiques On peut
18. e les deux points pr c demment cit s se d composent en une multitude d items faisant appel des comp tences vari es dans des domaines tr s diff rents de la biologie des math matiques quelquefois d licates r unir une telle somme de comp tences est difficile pour un individu voire m me au sein d une quipe Ce qui fait que 6 z souvent les sp cialistes de chaque discipline voient d un il sceptique souvent s v re une activit essentiellement interdisciplinaire plus ax e sur la m thode que sur des d veloppements pointus mais inversement tr s g n ratrice de probl mes et ouverte sur la r alit On comprendra galement que former des mod lisateurs est une t che longue et d licate Ce sont des experts aux sens de la largeur du champ et de la diversit des connaissances acqu rir et ma triser Depuis ses d buts l informatique les m thodes et disciplines annexes ont t des aides importantes de la mod lisation calculs num riques graphique gestion des bases de donn es Cependant beaucoup de ces outils sont dispers s et malgr des efforts pour proposer des logiciels int gr s leur utilisation demande pour la plupart une bonne connaissance des m thodes et de leurs performances ou tout simplement la fa on de les mettre en uvre connaissances r serv es aux sp cialistes c est dire aux experts Enfin ces produits sont difficiles modifier tendre maintenir ils sont relati
19. e ou conceptuel une situation ou un contexte une m thode algorithmique Un sch ma est d fini par un nom et la liste de ses attributs Un attribut est d fini par un nom et une liste de facettes Cet attribut peut repr senter une propri t ou un lien avec une autre classe les facettes permettent de d finir le type de l attribut c est dire le domaine g n ral de ses valeurs ou de d crire les moyens d obtenir la valeur inconnue d un attribut d un repr sentant de la classe d crite par le sch ma Il est ainsi possible de d finir une valeur fixe de la d terminer en l extrayant d un objet dont une d finition partielle est sp cifi e de calculer cette valeur en faisant appel une proc dure ou encore de retenir une valeur par d faut quand les moyens pr c dents ont chou Ainsi quand un sch ma d crit une m thode algorithmique ses attributs d finissent les param tres d entr e et de sortie leurs types les conditions que leurs valeurs doivent v rifier pour que l appel puisse avoir lieu ainsi que les moyens de d terminer leurs valeurs si la forme d appel ne les fournit pas Les sch mas permettent donc la description au sein d une seule base de classes d objets manipul s dans un syst me d aide la mod lisation ainsi que la description des m thodes algorithmiques En effet un mod le particulier y sera un repr sentant de la classe mod le Ses attributs seront par exemple la forme math matique diff
20. ec deux r alisations DYNAMAC et CROISSANCE Plus g n ralement on peut penser que les futurs logiciels scientifiques seront essentiellement utilis s sur des postes de travail style SUN APOLLO GPX de DEC SPS 7 de BULL machines autonomes offrant une puissance de calcul acceptable et de bonnes possibilit s d interaction graphique DYNAMAC Ce programme permet l tude graphique interactive des syst mes diff rentiels ou r currents sur Macintosh L utilisateur commence par d crire ses quations l aide d un mini langage type Pascal cf figure 3 a L tude du syst me repose ensuite sur le trac graphique de ses solutions dans un plan de l espace de phase r Le m canisme de base consiste choisir des conditions initiales en se positionnant dans le plan choisi l aide de la souris puis cliquer pour lancer l int gration figure 3 b De nombreuses options compl mentaires permettent le choix d une m thode d int gration le trac du champ de vecteurs et le trac des isoclines dans le cas de syst mes diff rentiels plans la repr sentation des courbes d volution en fonction du temps figure 3 c ainsi que la localisation et la d termination des points d quilibre Enfin des fonctionnalit s d dition permettent une pr sentation des r sultats et la cr ations de fichiers compatibles avec un logiciel de dessin figure 3 d ROISSANCE Ce dernier est con u pour l identification des mod les de croissance une v
21. elling in Biology and Ecology Proceed of the Summer Conference of the Society for Computer Simulation Reno Nevada 1986 Annexe Dans cette partie sont illustr s certains concepts d velopp s dans le texte En premier lieu un exemple simplifi de base de connaissance tr s incompl te est pr sent sur des mod les de croissance utilis s en biologie pour repr senter la croissance d organismes ou de populations les deux principaux formalismes sont pr sent s r gles de production et repr sentation centr e objet En deuxi me lieu des figures obtenues partir des programmes DYNAMAC et CROISSANCE illustrent les aspects interactions graphiques ces deux programmes outre leurs int r ts propres permettent de tester les id es devant conduire d finir les principes essentiels sur lesquels se fonderont les relations syst me utilisateur Repr sentation des connaissances mod l roissan Ces mod les sont fr quemment utilis s en biologie pour d crire la croissance d organismes ou de populations outre la caract risation par leur forme math matique on peut leur associer une interpr tation biologique fond e sur les conditions de la croissance les bases de cette interpr tation peuvent tre trouv es dans Pav et Rechenmann 1986 ou Pav 1987 Ici on consid re une situation tr s simplifi e o la croissance est suppos e d pendre d un facteur de croissance qui peut tre limitant ou non ce facteur peut tre inter
22. iagnostic mais on parle aussi des r seaux s mantiques et surtout des repr sentations centr es objet Pour l aide la mod lisation les r gles de production ont t retenues dans un premier temps de Swaans Arons 1983 mais pr sent les efforts des chercheurs se 4 portent principalement sur les repr sentations centr es objet qui apparaissent mieux adapt es Rechenmann 19854 1985 Pav et Rechenmann 1986 Zeigler et De Wael 1986 Les r gl f i n Rappelons bri vement que les connaissances sont repr sent es par des r gles suppos es ind pendantes de la forme si condition alors action ou nouveau fait ces r gles sont stock es dans une base base de r gles ou plus g n ralement base de connaissances La partie condition contient une ou plusieurs pr misses portant sur des faits l mentaires dont la v racit est soit connue a priori hypoth se soit inf r e l aide d autres r gles dans la base de connaissances L action la plus fr quente en partie droite de la r gle consiste ajouter un fait une base de travail du syst me dite base de faits La partie active du syst me est un moteur d inf rence qui explore alternativement la base de connaissances et la base de faits et modifie cette derni re en fonction des r gles activ es Enfin il existe plusieurs modes d exploitation cha nage avant cha nage arri re fonctionnement mixte que nous ne d taillerons pas ici Les avantages de ce
23. me et si oui et dans un deuxi me temps de r aliser une version op rationnelle sous la forme d un prototype Aujourd hui on peut consid rer que la premi re tape a t franchie Syst mes Experts et Repr sentations des Connaissances La description et le stockage de grandes quantit s de connaissances l aspect volutif n cessaire des bases associ es conduisent en premier lieu choisir un formalisme de repr sentation r pondant aux contraintes nonc es et en particulier adapt la gestion de connaissances d claratives et proc durales Le formalisme informatique classique ne r pond que partiellement la question il conduit surtout la conception de programmes gros et complexes difficiles mettre au point et maintenir C est en fait pour ces raisons de g nie logiciel que les chercheurs en intelligence artificielle d veloppent depuis quelques ann es des modes de repr sentation adapt s la conception et la r alisation de syst mes manipulant de grandes quantit s de connaissances Les plus connus de ces syst mes sont dits experts car leur ambition est de reprodaire le raisonnement d un expert sp cialiste d un domaine technologique ou scientifique donn par exemple le diagnostic en pathologie humaine animale ou v g tale Actuellement le mode de repr sentation des connaissances le plus r pandu est sans nul doute bas sur les r gles de production particuli rement pris dans les syst mes de d
24. nn e sont de fait propag es toutes ses sous classes De plus partir d une certaine taille l adjonction dans la base d un nouveau sch ma de classe se ram ne la d finition d une variante d un ou de plusieurs sch mas existants Ce treillis peut tre employ des fins de classification Un objet cr dans une classe donn e peut tre plac convenablement dans les classes inf rieures s il satisfait les conditions qui y sont attach es Actuellement le moteur d inf rence SHIRKA travaillant sur cette repr sentation centr e objet est op rationnel il est crit en LeLisp divers utilitaires permettent une utilisation ais e diteur de sch mas m canismes d explication des inf rences C est un produit INRIA Interaction homme machine Les syst mes informatiques classiques ont permis de lib rer l homme de nombreuses t ches m caniques Cependant le dialogue entre le syst me d exploitation ou la plupart des logiciels d applications scientifiques et l utilisateur refl te encore une certaine rigidit Depuis seulement quelques ann es une r flexion et des r alisations montrent que le probl me a t compris Ainsi les concepts de l interaction graphique tels qu ils sont pr sent s sur certains postes de travail ou micro ordinateurs peuvent constituer le point de d part d une recherche sur la conception d interfaces facilitant le dialogue Il s agit de r duire au minimum le nombre d interm diaires entre les mod
25. pr t en termes de ressources nutritives de facteur de type catalytique comme une hormone de croissance pour un organisme d espace disponible pour les individus d une population etc Ce facteur peut galement tre li un ph nom ne de saturation la biomasse ayant des capacit s limit es d assimilation la vitesse du processus n est pas proportionnelle la quantit ou la concentration de ce facteur mais tend vers une valeur maximale Ainsi suivant les hypoth ses qu on peut faire sur le ph nom ne observ on est conduit au choix d un mod le particulier exponentiel logistique Monod Gompertz dans notre exemple forme diff rentielle g n rale x a x x a x r constante mod le exponentiel ce mod le repr sente la croissance d une population dans un milieu non limitant a x r 1 x K mod le logistique croissance limit e par un facteur ce facteur est consomm par la biomasse et n a pas d effet 12 saturant sur la vitesse de croissance a x r 1 In x In K mod le de Gompertz croissance limit e par un facteur ce facteur est d grad ind pendamment de la biomasse il n a pas d effet saturant sur la vitesse de croissance a x r K x K C x mod le de Monod croissance limit e par un facteur substrat il est consomm par la biomasse il a un effet saturant sur la vitesse de croissance Repr sentation sous forme de r gles de production analogue l exemple propos par de Swa
26. r les choisir suivant les renseignements dont il dispose puis les activer Il doit donc exister une description explicite des m thodes disponibles leurs conditions d utilisation et le code informatique correspondant La solution consisterait d finir trois bases s par es connaissances objets et m thodes Mais alors se poseraient d importants probl mes quant leur maintenance en particulier au maintien de leur coh rence mutuelle C est principalement pour ces raisons que dans le cadre du projet Edora une repr sentation centr e objet a t retenue Repr sentation ntr es Ce type de repr sentation d rive des travaux de Minsky sur les frames 1975 et de recherches sur les r seaux s mantiques L article original de Minsky pr sente les concepts essentiels mais ne comporte aucune proposition pour une r alisation effective Ceci explique les nombreuses interpr tations actuelles de la notion de frame dont la plupart ne reprennent d ailleurs que les aspects les plus l mentaires Pour le projet Edora une adaptation originale et particuli rement compl te de ces notions a t d velopp e par F Rechenmann Rechenmann 1985 Pav et Rechenmann op cit Rousseau et al 1986 l entit de description est appel e sch ma Un sch ma d crit aussi bien une classe d objets qu un objet particulier repr sentant d une classe le terme d objet doit tre pris dans son acception la plus large ce peut tre un objet physiqu
27. rentielle et int gr e la position de ses asymptotes et la valeur de ses param tres Un autre attribut permettra de faire le lien avec des mod les voisins Toute la connaissance attach e ce mod le pourra tre trouv e dans le sch ma de sa classe Ainsi on pourra chercher un mod le ou un ensemble de mod les satisfaisant une propri t par un m canisme de filtrage par exemple rechercher dans l ensemble des mod les de croissance ceux ayant une asymptote positive et un point d inflexion dont l ordonn e est inf rieure la moiti de celle de l asymptote ou encore rechercher et activer la m thode disponible la mieux adapt e pour trouver la valeur d un attribut par exemple les valeurs num riques des param tres par une m thode d identification il s agit de l attachement proc dural Un objet particulier un sp cimen un individu d riv d un sch ma de classe par exemple la r alisation particuli re d un mod le une fois connues les valeurs de ses param tres peut tre conserv on l appelle instance du sch ma de classe correspondant le m canisme de cr ation de cet objet particulier est l instanciation 9 La conceptior de cette base est grandement facilit e par sa structure de treillis sur laquelle un m canisme d h ritage permet un sch ma de classe donn d h riter des l ments de description des sch mas plus g n raux qui le dominent Par l h ritage les modifications effectu es sur une classe do
28. sure directe aspect instrumental ou enfin de le d crire le plus simplement possible aspects descriptifs r sum de l information exp rimentale Pour un m me syst me suivant la question pos e on n aboutira pas n cessairement au m me formalisme on n utilisera pas toujours les m mes techniques On est loin des mod les tout faire de la physique du 19 me si cle quel que soit l objectif mener bien une t che de mod lisation demande de mettre en uvre des m thodes et des techniques et plus g n ralement des connaissances de domaines tr s diff rents connaissance de l objet et de la probl matique biologique des m thodes de formalisation tape souvent d licate de d veloppements formels et d tude qualitative analyse math matique recherche des propri t s de l objet math matique de simulation pour compl ter cette tude informatique et analyse num rique de gestion des ensembles de donn es d identification probl me d optimisation d ajustement de r gression dont les d veloppements les plus significatifs sont l objet de chapitres importants de la statistique ou de l automatique de validation test statistique sans aborder les probl mes de retour l exp rience guid e par le mod le optimisation de protocole qui peut tre aussi un objectif en soi et d utilisation voire de fabrication d outils ou de m thodes particuli res de repr sentation graphique On remarque imm diatement qu
29. tation est le sch ma proche de la notion de frame introduite par MINSKY 1975 c est une formalisation du concept d objet qui peut se noter de la fa on suivante nom de sch ma attribut 1 Sfacette 11 facette 12 Sfacette In attribut p facette 11 facette 12 Sfacette In Les objets existent en tant que tels dans la base comme les enregistrements logiques dans une base de donn es leurs propri t s sont sp cifi es par la liste des attributs leurs valeurs ou la fa on d obtenir cette valeur sont pr cis es au niveau des facettes Les objets peuvent tre de natures fort diff rentes dans leur interpr tation et leurs fonctionnalit s ici il s agit de mod les ce pourraient tre des descriptions de m thodes algorithmiques d objets biologiques Enfin il est possible de sp cifier des relations entre objets et de proposer ainsi une v ritable classification Pour les domaines de connaissances structur es ou structurables cette repr sentation semble actuellement la mieux adapt e la structuration de la connaissance pour constituer une base peut d ailleurs tre un sujet de recherche en lui m me Tr s sch matiquement on peut consid rer que les mod les de croissances propos s d rivent d un mod le plus g n ral au moins sur le plan formel les relations avec cette forme peuvent tre repr sent es dans une structure hi rarchique simple mod les de croissance x a
30. tectures des syst mes de simulation d aide la mod lisation et plus g n ralement de calcul scientifique un moteur d inf rence ici SHIRKA pilote le fonctionnement du syst me en fonction du contenu de la base de connaissances associ e
31. tte repr sentation tournent autour de la notion de modularit une r gle n incorpore qu une petite quantit de connaissances elle est en th orie ind pendante des autres son activation ne devrait d pendre que de la v rification de la partie pr misse et non de la position de cette r gle dans la base Cependant dans la majorit des cas ce n est pas vrai si plusieurs r gles portent en pr misses les m mes conditions alors il y a conflit alors ou bien la premi re r gle rencontr e est activ e ou bien le concepteur p cise l ordre d activation Enfin les r gles ne communiquent entre elles qu travers la base de faits Ces propri t s rendent th oriquement le syst me facile d velopper maintenir et modifier Au passage on remarquera l avantage de ce type de programmation dite d clarative o le programmeur n a pas se soucier du contr le du d roulement d un programme contr le qui devient la principale source de difficult dans les programmes crit avec des langages classiques et qui incluent de grandes quantit s de connaissances Pour l aide la mod lisation l utilisation des r gles de production a t principalement illustr e par de Swaans Arons op cit L exemple qu il a propos concerne la d finition du mod le math matique d un syst me physique l mentaire une masse accroch e un ressort Il propose de tenir compte d hypoth ses plus ou moins simplificatrices sur ce syst me existence
32. vement fig s Ainsi les approches classiques de l informatique si elles ont eu un r le important voire essentiel se sont heurt es de multiples probl mes les uns relevant du g nie logiciel concevoir un syst me int gr ais ment modifiable les autres de l utilisation par des non sp cialistes dialogue avec le syst me activation de traitements appropri s au probl me pos gestion du travail carnet de laboratoire gestion des donn es et des mod les Il devenait donc n cessaire d envisager des approches nouvelles notamment celles relevant de l intelligence artificielle et plus particuli rement d une de ses branches les plus dynamiques relative aux syst mes experts ou plus g n ralement aux syst mes base de connaissances celles relatives au dialogue entre l utilisateur et le syst me Ce dialogue devant s tablir travers des objets familiers l utilisateur de fa on que ce dernier consacre son temps l objet de sa r flexion sa question plut t qu r soudre des probl mes techniques dont il ne pourrait trouver la r ponse que dans un manuel d utilisation aussi pais et indigeste que le syst me a t voulu performant Nous examinerons successivement ces deux aspects du probl me je prendrai comme r f rence un projet d velopp par l INRIA l INRA et des UA du CNRS Il s agit du projet Edora dont l objectif tait dans un premier temps de d montrer la faisabilit d un tel syst
33. x x exponentiel logistique Gompertz Monod r K x x Yx x r 1 x x r i DE x X x K nK K C x Les attributs communs tous ces mod les ainsi que leurs domaines de valeurs pourront tre sp cifi s dans l objet mod le de croissance ventuellement des valeurs par d faut pourront tre pr cis es Ainsi on verra ci dessous qu on peut d clarer par exemple ce niveau l attribut exp_anal i e expression analytique x f t et sp cifier que par d faut on ne connait pas cette expression c est le cas par exemple pour le mod le de Monod exemple d implantation SHIRKA a t d velopp en Le_Lisp par F Rechenmann aussi l exemple propos emprunte la syntaxe correspondante la fonction def sh permet de construire les sch mas On montre la 14 possibilit de choix d un objet en l occurrence un mod le de croissance suivant certaines caract ristiques ainsi que le processus d h ritage i e comment un objet h rite au moment de l instanciation des attributs d un sch ma de classe plac plus haut dans la hi rarchie Enfin pour des raisons qu on peut voir dans un premier temps comme techniques la repr sentation des connaissances est localis e sur trois niveaux cf figure 1 En effet fondamentalement le processus de filtrage se d roule sur des instances de sch mas de classe ainsi si on veut filtrer sur ces sch mas eux m mes ici les mod les on doit les consid rer comme des instances de sch
Download Pdf Manuals
Related Search