Home

2011d_Declerck_Charlet_

1. Intelligence artificielle ontologies et connaissances en m decine Les limites de la m canisation de la pens e Gunnar Declerck Jean Charlet Laboratoire de Sant Publique et Informatique M dicale INSERM Centre de recherche des Cordeliers 15 rue de l cole de m decine 75006 Paris gunnar declerck crc jussieu fr R SUM Cet article de tonalit th orique vise dresser un tat des lieux des derni res avanc es en ing nierie des connaissances m dicales dans le domaine sp cifique de la conception d ontologies et syst mes base de connaissances Reprenant des d bats ayant anim le paysage de l intelligence artificielle IA partir des ann es 1960 sous l impulsion des travaux de H L Dreyfus il vise notamment montrer que la plupart des difficult s aujourd hui rencontr es par l ing nierie des connaissances dans le domaine de la sant sont inh rentes la nature m me de l IA en tant que projet de m canisation de l activit cognitive Et il promeut ce titre l id e que seule une juste compr hension de ce que les machines ne peuvent faire tant donn leur caract re machinique m me et qui reste malgr sa finitude cognitive une propri t exclusive de l humain pourra offrir d quilibrer la balance entre les t ches allouables aux machines et celles laiss es la charge de ce dernier ABSTRACT This theoretical article aims to draw up an inventory of the latest advances in medical knowle
2. d urgences ou un cours de pathologie g n rale tumorale Un langage formel correspond ainsi un langage o la signification des formules est int gralement sp cifi e par leur forme soit la syntaxe des nonc s sans qu il Soit n cessaire de recourir une tape d interpr tation n cessitant les performances d un esprit interpr te La force d un langage formel est de se passer de l interpr tation Comme dans tout langage ses formules si elles sont agenc es selon des r gles syntaxiques d termin es signifient quelque chose mais pour le signifier elles n ont pas besoin d un apport herm neutique suppl mentaire Il n y a pas prendre en consid ration le contexte de l nonciation par exemple imaginer les raisons du locuteur qui met le jugement ou le r f rent des symboles Le caract re contextuel de l interpr tation la signification est d termin e par le contexte de production de l nonc la signification d un m me nonc peut donc varier d s lors que le contexte change et son caract re r f rentiel elle prend en consid ration les r f rents des termes et non pas seulement leur composition syntaxique font par principe d faut l ordre formel D finir une proposition ou un concept en langage formel signifie dans cette mesure les d finir de mani re les rendre manipulables dans le respect de r gles int gralement formul es a priori par exemple les r gles d inf rence de la logique traditionne
3. amp Jaulent 2011 IA ontologies et connaissances en m decine 447 prise de d cision Ce probl me n tait certes pas absent avec le stockage des connaissances et donn es sur le papier mais il tait alors beaucoup moins imp rieux en raison des contraintes inh rentes cette forme d inscription n cessitant des dispositifs parfois lourds pour sa duplication n ayant pas un co t nul pr sentant un encombrement de l espace important et un format rendant parfois difficile la recherche d informations autant de raisons poussant filtrer par avance les donn es allant tre stock es en fonction de leur pertinence Le probl me de la d sorientation se pose de mani re on ne peut plus concr te dans le domaine de la m decine Le personnel de sant de tous les points du globe peut bien consigner ses observations dans les m moires de serveurs accessibles de partout quasiment sans d lai si l on ne dispose pas de moyens de normaliser filtrer et synth tiser ces donn es ou avant m me cela de les lire de les interpr ter dans un langage faisant consensus car il est avant tout n cessaire ici de s entendre sur une langue commune ces informations ne valent tout simplement rien les efforts investis pour garder trace du pass sont an antis la m morisation des observations reste absolument sans valeur Mieux cette m morisation est en elle m me fictive L information est certes pr sente de mani re potentielle mais l
4. en lui associant une action d clencher qui pourrait varier en fonction du contexte l instruction doit tre absolument univoque il ne peut y avoir aucun jeu entre la formule et son sens L vacuation de l interpr tation par la r duction au formel c est dire la syntaxe conditionne la computabilit des contenus 3 Dreyfus et les limites de PIA computo symbolique Les machines ne pouvant manipuler que des connaissances pr alablement exprim es en langage formel il importe de d terminer ce qui du savoir m dical est r ductible des compositions syntaxiques pour valuer ce que l IA est en mesure d apporter la m decine et pour sanctionner en retour les pr tentions demander aux machines ce que en raison de leur nature elles ne peuvent faire notre sens des l ments de r ponse cette question peuvent tre trouv s dans certaines des critiques que le philosophe H L Dreyfus a adress es l IA des ann es 1960 aujourd hui Bien que ces critiques aient une port e plus g n rale que le seul domaine de l IA appliqu e aux connaissances m dicales nous allons voir que la plupart des probl mes mis en vidence par Dreyfus se retrouvent sous une forme parfois tonnamment proche dans l ing nierie des connaissances pour la sant Le nerf de la critique que Dreyfus adresse l IA dite cognitiviste ou computo symbolique ironiquement baptis ee Good Old Fashioned Artificial Intelligence GOFAD
5. par J Haugeland 1985 porte sur le caract re non formalisable et non propositionnel des connaissances ou plus g n ralement des comp tences sur lesquelles repose le comportement intelligent humain qu il s agisse d un comportement de r solution de probl me dans un cadre premi re vue hyperformalis tel que le jeu d checs ou d un comportement d adaptation aux 20 moins bien entendu d avoir au pr alable formalis les l ments dudit contexte que l interpr tation est susceptible d exploiter Nous verrons toutefois plus loin avec Dreyfus les probl mes que soul ve une telle entreprise 21 Dreyfus est aujourd hui consid r comme un des auteurs de r f rence en philosophie et pist mologie de l IA Il est l un des premiers critiques de l IA cognitiviste il publie ses premiers travaux dans les ann es 1960 son ouvrage majeur What computers can t do est publi en 1972 et galement l un des plus tenaces il poursuit sa critique encore aujourd hui comme en t moignent les travaux qu il publie r guli rement sur la question C est galement l un des mieux inform s et des plus cons quents au plan argumentaire La plupart des limites de l IA cognitiviste qu il pointe dans ses premiers ouvrages se sont de l avis de nombreux chercheurs en IA r v l s parfaitement justifi es par la suite voir par exemple Crevier 1997 22 Il faut avant tout entendre ce terme en un sens kantien en clairant les pr suppos s
6. Gini R Hippisley Cox J Molokhia M Pedersen L Fourrier R glat A Sturkenboom M Fieschi M Design and evaluation of a semantic approach for the homogeneous identification of events in eight patient databases a contribution to the European EU ADR project Studies in health technology and informatics vol 160 2 2010 p 1085 1089 Alecu I Bousquet C Degoulet P Jaulent M C PharmARTS terminology web services for drug safety data coding and retrieval Medinfo vol 12 1 2007 p 699 704 Alecu I Bousquet C Jaulent M C A case report Using SNOMED CT for grouping adverse drug reactions terms BMC Medical Informatics and Decision Making vol 8 suppl 1 2008 S4 Bachimont B Arts et Sciences du num rique Ing nierie des connaissances et critique de la raison computationnelle M moire d habilitation diriger des recherches Universit de Technologie de Compi gne 2004 Bachimont B Nadah N Baneyx A Charlet J Categorial ontologies Formalizing the differential ontology In D Benslimane coordinateur 2 Journ es Francophones sur les Ontologies Lyon France ACM novembre 2008 B gaud B Martin K Haramburu F Moore N Rates of spontaneous reporting of adverse drug reactions in France Journal of the American Medical Association vol 288 13 2002 p 1588 Berg M Toussaint T The mantra of modeling and the forgotten powers of paper a sociotechnica
7. IA est en v rit ench ss e dans une critique plus large qui porte sur la conception de la connaissance que promeut la philosophie rationaliste occidentale depuis l Antiquit Pour Dreyfus l IA cognitiviste n est au fond qu un avatar moderne de la th orie rationaliste de la connaissance qui affirme que pour tout domaine qui peut tre ma tris il existe un ensemble de traits et de r gles qui expliquent cette ma trise Quand elle labore des syst mes experts PIA part ainsi du principe que les connaissances de l expert consistent en des heuristiques ou ensemble de r gles qui peuvent se repr senter sous la forme d instructions si condition C alors action A qui poss daient un caract re explicite lors de leur phase de mise en place mais sont aujourd hui pass es dans un inconscient cognitif permettant leur mise en uvre silencieuse et automatique Et en effet pour le cognitivisme l expert ne se rend plus compte des r gles qu il applique et qui sont pourtant la raison derni re de son expertise il ne se rend plus m me compte que c est en appliquant des r gles qu il agit Si on l interroge il parle de savoir faire d intuition de connaissance pratique d habitus mais c est uniquement que les r gles formelles qu il applique sont trop enfouies dans son syst me cognitif pour pouvoir merger la surface de son champ de conscience de mani re tre verbalis es Il les applique en somme son insu Pour Dreyfus ce
8. base de faits et de r gles Notre capacit saisir les l ments pertinents d une situation et donc faire le tri ne pas pr ter attention ce qui est sans int r t est en effet holistique nous n avons pas passer en revue de mani re s rielle chacun des l ments composant la situation pour les cat goriser comme pertinents ou au contraire sans int r t tant donn la nature du probl me dans lequel nous nous trouvons engag s Nous appr hendons d embl e la situation comme un champ global pr sentant une certaine physionomie sans avoir pour cela eu besoin de l atomiser au pr alable Une telle aptitude pr suppose par ailleurs pour Dreyfus l implication concr te de l agent dans l activit elle pr suppose que l activit pr sente un certain enjeu pour cet agent qui doit donc disposer d une forme d incarnation de capacit motionnelle et plus radicalement de capacit se sentir concern par la situation Alors que les repr sentations symboliques l inverse sont toujours atomistiques acontextuelles et d tach es d une telle activit Leur pr tention valoir quelle que soit la situation consid r e leur conf re un caract re d situ Ainsi alors que l tre humain qui est familier d une situation ne va d embl e pr ter attention qu ce qui compte ne retenir que l essentiel et ignorer une foule de d tails sans importance la machine est oblig e de passer en revue une par une toutes le
9. machinique de r aliser ce que par principe elle est incapable de faire tant donn la nature formelle de son fonctionnement 5 Conclusion Formalisation et repr sentation des connaissances Nous avons cherch le montrer pr c demment seule une juste compr hension de ce que les machines ne peuvent faire tant donn leur caract re machinique m me et qui reste malgr sa finitude cognitive une propri t exclusive de l humain peut offrir d quilibrer convenablement la balance entre les t ches allouables aux machines et celles laiss es la charge de ce dernier et permettre de d velopper des Bouaud amp S roussi 2005 pr nent le d veloppement de dispositifs qui pr servent la libert interpr tative du m decin ainsi que son implication dans la d cision m dicale 66 Medical work including the interpretation of signs and symptoms is based as much on communication and negotiation between health care professionals and between professionals and patients as on the cognitive thought processes of an individual physician Berg amp Toussaint 2003 p 226 67 Cf Hutchins 1995 468 RSTI RIA 25 2011 Intelligence artificielle et sant dispositifs susceptibles d assister efficacement le travail d laboration et d exploitation des connaissances l uvre dans le domaine m dical Nous avons notamment vu qu en repr sentant les connaissances m dicales dans des r seaux s mantiques onto
10. mes vis vis des habitudes de travail du personnel cens les utiliser et donc des dimensions et m canismes qui sont principalement du ressort des sciences sociales de l ergonomie du travail et en un sens de la psychologie Cependant si les individus ne parviennent pas int grer ces syst mes dans les circuits ordinaires de leurs activit s professionnelles ou ne d sirent pas le faire c est galement que ceux ci leur proposent voire leur imposent des mani res d uvrer qui sont inadapt es leurs activit s de connaissance Le traitement que les machines font subir aux connaissances m dicales pour les manipuler est selon nous au moins en partie responsable de cette situation Nous voudrions ce titre montrer partir de l analyse de diff rents usages de SBC dans le domaine de la sant que la plupart des difficult s aujourd hui rencontr es par l ing nierie des connaissances m dicales sont inh rentes la nature m me de IIA en tant que projet de m canisation de l activit cognitive notre sens ces difficult s ne sont pas le fait d un stade encore larvaire de d veloppement de notre expertise dans le domaine de la formalisation des connaissances encore moins la cons quence d une limitation actuelle des performances des machines capacit s de stockage ou de traitement de l information mais elles sont inh rentes au processus de formalisation qui rend les connaissances computables Pour tayer cette affirma
11. patient Mais pour tre op rationnel en situation il doit tre capable de s accommoder des ventuelles imperfections du langage dans lequel se trouvent r dig s les documents Un tel syst me fonctionne globalement comme suit chaque chaine de caract res est prise en entr e dans l algorithme qui va chercher tablir une correspondance le cas ch ant via des m thodes de traitement automatique des langues TAL avec le syst me de concepts de l ontologie Si la chaine de caract res a pu tre appari e avec un concept le concept servira indexer le document phase dite d interpr tation s mantique Or les dossiers m dicaux tant le plus souvent r dig s en langage naturel ou en tout cas dans le langage semi normalis propre l activit m dicale concr te pour que l interpr tation s mantique atteigne un niveau satisfaisant il est bien souvent n cessaire de disposer de l ensemble des variations lexicales synonymes formes abr g es etc que peut think of this as a definite list Worse even if one listed all the exceptional cases where one would be glad to possess more than one specimen of a certain object there are situations which allow an exception to this exception The computer programmer writing a story understander must try to list all possibly relevant information and once that information contains appeals to the normal or typical there is no way to avoid an infinite regress of qualificat
12. pr pond rante et qui pour cette raison ne sont pas r ductibles au r sultat d op rations formelles r alis es sur des repr sentations symboliques ou des propositions Autrement dit le travail de g n ration aussi bien que d exploitation situ e des connaissances m dicales doit avant tout tre compris comme un processus de cognition distribu e au sens d E Hutchins Ces consid rations si elles s av rent l gitimes posent une limite de principe aux performances que les SBC exploitant des ontologies sont capables d atteindre dans la production de connaissances m dicales On pourra bien entendu toujours affirmer qu il est possible de d velopper des algorithmes capables de simuler la dynamique de la n gociation et de l argumentation humaine qui permet de parvenir ce consensus intersubjectif qu est la connaissance Mais on s expose alors aux objections de Dreyfus qu il est en principe impossible de formaliser les savoir faire et connaissances pr suppos s par les performances des acteurs humains qui par l argumentation sont capables de parvenir un consensus Un SBC pourra bien sur la base d une ontologie des EIM extraire de bases de cas des couples potentiels d effets ind sirables et de m dicaments Mais il ne pourra jamais s agir l que d un syst me d aide l laboration de connaissances Ce n est toutefois un probl me que si l on se m prend sur le domaine de comp tences des machines en demandant la cognition
13. raisons du rejet des syst mes d information m dicaux avait trait la qualit de l information d livr e par ces syst mes On le comprend bien dans un cadre tel que la prise en charge d un patient dans un service d urgences si le syst me fournit une information erron e ou incompl te sur le pass m dical du patient les cons quences peuvent s av rer dramatiques 52 Cf Avillach et al 2010 53 Cf Cimino 2007 54 Voir supra le passage cit de Dreyfus amp Dreyfus 1986 p 185 De m me Dreyfus amp Dreyfus expliquent cette fois propos de la machinisation du travail industriel Only if the production process is rationalysed to the point where irregularities are fully defined and contained thus eliminating the need for the invisible interventions that keep today s factories going can total automation hope to work Dreyfus amp Dreyfus 1986 p 186 55 Cf Bousquet et al 2008 IA ontologies et connaissances en m decine 461 bien entendu pas ici d en acqu rir une connaissance exhaustive c est l le r le des syst mes d information qui sont disposition des m decins Mais il faut n anmoins le connaitre suffisamment pour savoir s orienter dans ces syst mes Une illustration concr te de ces difficult s nous est fournie par la mani re dont se pose le probl me de la normalisation des rapports de cas dans le cadre de la pharmacovigilance Dans le meilleur des mondes chaque cas de pharmacov
14. 1997 Uschold et Gruninger 1996 et de Bachimont 2004 Voir Charlet 2002 pour revue 450 RSTI RIA 25 2011 Intelligence artificielle et sant 16 a eoa d exprimer les connaissances que l on a sur lui Elles visent en ce sens r aliser la grammaire d un domaine de connaissances existant La signification des concepts qui composent une ontologie est g n ralement consid r e comme correspondant ce qu on appelle l extension de ces concepts c est dire l ensemble des individus qui appartiennent la classe nomm e par le concept La seule mani re de d finir formellement des concepts ainsi compris est cependant de sp cifier leur intension soit les propri t s que doivent poss der les individus ou plus g n ralement les conditions qu ils doivent remplir pour appartenir l ensemble indiqu par le concept en somme leurs conditions d ligibilit Dans les repr sentations ontologiques la sp cification de l intension est en partie prise en charge par le positionnement du concept dans le r seau s mantique S il s agit d un arbre de subsomption tel concept sera d fini comme poss dant les attributs que poss de son concept p re soit le concept qui le subsume Il s agit de la logique de l h ritage si le concept de rein est d fini comme ayant un rapport de subsomption avec le concept d organe le rein est un organe relation bien connue sous son appellation anglophone is a le concep
15. 9 p 1 12 Mazuel L Sabouret N Degr de relation s mantique dans une ontologie pour la commande en langue naturelle Actes d Ing nierie des Connaissances 2007 IC2007 Grenoble France 2007 p 73 85 Meyboom R H B Lindquist M Egberts A C G Edwards LR Signal selection and follow up in pharmacovigilance Drug Safety vol 25 6 2002 p 459 465 Mohammed S A Sahroni N S Information quality as success determinant for health information systems ICT 2010 Regional Conference on Knowledge Integration 2010 p 674 679 Nadkarni P M Darer J A Determining correspondences between highfrequency MedDRA concepts and SNOMED a case study BMC Medical Informatics and Decision Making vol 10 2010 Newell A Simon H A Computer Science as Empirical Inquiry Symbols and Search Communications of the ACM vol 19 3 1976 p 113 126 Pisanelli D M Gangemi A Massimo B Catenacci C Coping with Medical Polysemy in the Semantic Web the Role of Ontologies MEDINFO 2004 Putnam H The meaning of meaning in Mind Language and Reality Cambridge Cambridge University Press 1975 Rastier F Ontologie s Revue des sciences et technologies de l information s rie Revue d Intelligence artificielle vol 18 1 2004 p 15 40 Rector A L Zanstra P E Solomon W D Rogers J E Baud R Reconciling users needs and formal requirements Issues in developing a re usable o
16. A ne se contente pas d affirmer qu il est possible de cr er des machines intelligentes elle postule galement et c est en v rit de cette mani re qu elle l gitime l affirmation pr c dente que l intelligence poss de dans son principe m me un caract re machinique Pour Dreyfus cette conception se m prend fonci rement sur la nature de l intelligence humaine et les m canismes qui la sous tendent Le comportement intelligent repose bien plus sur des savoir faire know how que sur des connaissances propositionnelles et ces savoir faire sont fondamentalement non formalisables les exprimer comme cherchent le faire les concepteurs de syst mes experts sous la forme de listes ou d arbres de r gles destin s d terminer une d cision ad quate pour toute situation rencontr e c est perdre ce qui fait justement l intelligence du comportement Le comportement intelligent n est tout simplement pas un comportement r gl Et il n est pas seulement affaire de manipulation logique de symboles mais il implique l incarnation la possession d un corps et la capacit agir par le corps sur le monde l acculturation une familiarit avec les normes et habitus culturels la capacit d imagination d empathie et l aptitude motionnelle autant de comp tences faisant d faut aux machines symboliques Ainsi Dreyfus peut il d clarer Intelligence requires understanding and understanding requires giving a computer the b
17. ackground of common sense that adult human beings have by virtue of having bodies interacting skillfully with the material world and being trained in a culture Cette critique que Dreyfus a notamment explicit e propos de ce qu on appelle le probl me de la connaissance de sens commun commonsense knowledge problem ne porte pas tant sur la difficult qu il y a repr senter cette connaissance que sur la n cessit laquelle se trouve accul le concepteur de 23 Dreyfus 1992b p 3 454 RSTI RIA 25 2011 Intelligence artificielle et sant syst mes artificiels intelligents de convertir en connaissances des comp tences qui E n 24 dans le comportement intelligent n en ont justement pas la nature Pour appuyer ce propos Dreyfus mentionne notamment le rapport inverse entre la quantit de connaissances acquises l exp rience et la rapidit de r action une situation chez l humain et la machine computo symbolique Alors que la machine met d autant plus de temps traiter une information et s adapter une situation que ses bases de connaissances sont importantes l humain va d autant plus vite et a d autant plus de facilit qu il a d exp rience Pour Dreyfus cela s explique par le caract re global et contextuel de la sensibilit de l tre humain aux l ments pertinents d une situation contre le proc d analytique acontextuel et s riel qui caract rise les programmes fonctionnant
18. arle Voir Steiner 2005 p 33 pour un r sum de celle ci 59 Dans le cas des proc dures de d tection du signal en pharmacovigilance on cherche ainsi mettre en place des syst mes d extraction de connaissances qui soient capables de r aliser la premi re tape de l op ration savoir l identification sur la base de calculs statistiques de couples de m dicaments et d effets ind sirables potentiellement li s causalement Un tri est donc d j effectu par la machine ainsi qu une classification attribution d un indice de probabilit par exemple sous forme d indice de disproportionnalit qui va orienter le jugement humain ult rieur Cf Henegar et al 2006 IA ontologies et connaissances en m decine 463 int gralement r duit des propri t s syntaxiques aucune contextualisation ou prise en compte du r f rent concret du concept n est requise pour op rer le raisonnement On peut toutefois se demander si la s mantique des concepts dont l tre humain fait usage dans ses comportements de connaissance effectifs est int gralement ou m me partiellement formalisable Les th oriciens des syst mes experts y ont beaucoup insist lorsque le d veloppement de ces syst mes tait la premi re pr occupation de l ing nierie des connaissances la principale difficult rencontr e lors du d veloppement d un syst me expert est l extraction et la formalisation g n ralement sous forme de faits et de r gl
19. ation systems Failure success and improvisation nternational Journal of Medical Informatics vol 75 2006 p 125 137 IA ontologies et connaissances en m decine 471 Henegar C Bousquet C Lillo Le Louet A Degoulet P Jaulent M C Building an ontology of adverse drug reactions for automated signal generation in pharmacovigilance Computers in Biology and Medecine vol 36 7 8 2006 p 748 767 Hitzler P Bader S Garcez A Ontology learning as a use case for neural symbolic integration Proceedings of the JJCAI 05 Workshop on Neural Symbolic Learning and Reasoning NeSy 05 Edinburgh UK 2005 Hutchins E Cognition in the wild MIT Press 1995 Jamet A Introduction la Pharmacovigilance Intervention orale au s minaire de recherche du groupe SPIM Sant Publique et Informatique M dicale INSERM Paris 10 janvier 2011 Johnson M The body in the mind the bodily basis of meaning imagination and reason Chicago The University of Chicago Press 1987 Kirsh D The Intelligent Use of Space Artificial Intelligence vol 73 1 2 1995 p 31 68 Lindsay P H Norman D A Traitement de l information et comportement humain une introduction la psychologie Montr al Editions Etudes Vivantes 1980 Mazuel L Charlet J Alignement entre des ontologies de domaine et la Snomed trois tudes de cas in F Gandon Ed 20 Journ es Ing nierie des Connaissances Hammamet Tunisie 200
20. contexte tombent clairement sous le coup des critiques qu il adresse l IA computo symbolique D s lors qu on a affaire des nonc s en langage naturel ou pseudo naturel expliciter et formaliser les l ments du contexte d nonciation ou relevant de ce que Dreyfus appelle l arri re plan afin de conf rer une signification univoque aux nonc s analys s est pour reprendre une expression de E Husserl une t che infinie Le contexte ayant une structure horizontale il est infiniment d ployable d s lors qu on s engage dans son explicitation et r ticulaire toute connaissance constituant le contexte d une proposition et permettant sa compr hension tient elle m me sa signification d un nouveau contexte et ainsi de suite c est par principe qu il ne peut tre explicit de mani re exhaustive Toujours interviendront des nonc s nouveaux dont la compr hension n cessitera la prise en compte d l ments du contexte n ayant jusqu alors pas t explicitement identifi s et list s L interpr tation d nonc s en langage naturel repose par ailleurs sur une capacit d imagination une capacit de mise en situation virtuelle dont il para t illusoire de vouloir doter la machine notamment car cette capacit pr suppose bien souvent un ensemble d aptitudes comportementales rendues possibles par le caract re incarn du sujet et sa familiarit avec les habitus culturels de sa communaut 44 En v rit il rejoint pr
21. dge engineering in the specific area of ontologies and knowledge based systems design Echoing the debates that animated the landscape of Artificial Intelligence AI from the 1970s under the impetus of Dreyfus HL it aims to show that most of the difficulties currently faced by medical knowledge engineering are inherent in the nature of AI whose project is the mechanization of cognitive activity As such it promotes the idea that only a fair understanding of what machines can do given their machinic character itself and remains despite its cognitive finitude a property of human being may offer to balancing the scales between tasks that can be allocated to machines and those that have to be left in charge of humans MOTS CL S pist mologie de l intelligence artificielle ontologies syst mes base de connaissances raisonnement m dical formalisation des connaissances KEYWORDS epistemology of artificial intelligence ontologies knowledge based systems medical reasoning knowledge formalization DOL10 3166 RIA 25 445 472 2011 Lavoisier Paris RSTI RIA 25 2011 Intelligence artificielle et sant p 445 472 446 RSTI RIA 25 2011 Intelligence artificielle et sant 1 Introduction Ontologies et d sorientation Dans le domaine de la sant les ontologies sont principalement utilis es pour normaliser le codage des informations que ce soit lors de la phase de r daction des documents ou lors d un traitement
22. donn es et l extraction de connaissances lorsque ces op rations sont soumises d importantes contraintes de temps comme dans le cadre de la pharmacovigilance o la d tection de signaux d effets ind sirables li s aux m dicaments EIM doit tre rapide sous peine de cons quences parfois f cheuses Disposer de SBC capables de fouiller d immenses bases de cas le plus souvent faiblement normalis s parfois r dig s en langage naturel pour extraire des signaux d EIM potentiels est alors de prime importance Les ontologies ont assur ment un r le clef jouer dans ce processus Elles peuvent d une part favoriser la normalisation des donn es condition sine qua non de leur exploitation par des SBC Elles offrent d autre part de projeter sur les donn es un r seau s mantique rendant leur traitement pour l extraction de connaissances plus performant par exemple en permettant le regroupement de donn es portant sur des conditions m dicales analogues mais pr sent es sous des libell s diff rents Dans le cadre de la pharmacovigilance diff rents auteurs ont ainsi insist sur l importance de disposer d un vocabulaire suffisamment sp cifique pour coder avec pr cision les cas d EIM mais ont galement marqu la n cessit que ces termes soient suffisamment interconnect s pour que les analyses statistiques impliqu es par la d tection du signal puissent pr senter des r sultats significatifs Diff rents travaux ont par ai
23. ductions ou des abductions c est dire des propositions synth tiques Les propositions issues de la proc dure de d duction logique tant virtuellement contenues dans les axiomes de d part la d duction constitue en effet une op ration purement analytique elle ne produit aucune connaissance r ellement nouvelle L induction et l abduction sont au contraire des op rations synth tiques au sens o elles permettent d enrichir les connaissances disponibles de propositions qui ne sont pas d ductibles a priori c est dire ind pendamment de toute consid ration empirique des pr misses Le raisonnement scientifique raisonnement m dical y compris exploitant manifestement ces trois formes de raisonnement qui y trouvent une compl mentarit cela signifie que ne pourraient tre formalis es et r alis es par une machine que les tapes de celui ci correspondant de pures d ductions si tant est qu il y ait un sens isoler ces tapes de l op ration globale dont elles participent 63 Comme le tient par exemple le philosophe et linguiste M Johnson Imagination is a pervasive structuring activity by means of which we achieve coherent patterned unified representations It is indispensable for our ability to make sense of our experience to find it meaningful The conclusion ought to be therefore that imagination is absolutively central to human rationality that is to our rational capacity to find connections to draw infere
24. encore de significations ouvertes ambig es en un sens qui ne recevront une d termination univoque de l agent interpr te que par la prise en compte du contexte Le concepteur doit donc fermer la signification des concepts ce qu il fera en les organisant en r seaux s mantiques c est dire en les reliant par des relations formelles en premier lieu la relation de subsomption axe s mantique g n ralit sp cificit Or sp cifier les relations formelles qui articulent les concepts d une ontologie c est bien chercher formaliser des relations qui ne pr sentent pas d embl e un caract re explicite ou formel En effet ces relations ne se trouvent pas explicitement d crites dans les th saurus encore moins dans les documents de travail par exemple les ordonnances ou rapports de diagnostic On retombe donc sur le probl me de devoir expliciter et formaliser une connaissance qui n a peut tre pas dans son mode op ratoire de caract re explicite et formel Si l on part du principe rationaliste que les connaissances que l on va chercher repr senter dans l arbre conceptuel poss dent d j en tant que connaissances existantes et exploit es par des agents humains engag s dans des situations concr tes un caract re formel interroger un m decin pour l amener d finir tel concept m dical signifiera simplement lui demander d expliciter une connaissance qui poss de d j un caract re formel dans sa sph re d applicatio
25. es des connaissances sur laquelle l expert semble s appuyer pour agir Il faut rencontrer les agents humains d tenteurs du savoir trouver moyen de le leur faire expliciter et ensuite le formaliser de mani re ce qu il puisse impl ment sous forme algorithmique r guler le comportement d une machine Dans le cas de la conception d ontologies premi re vue il ne s agit pas d externaliser un savoir d abord internalis dans des agents humains G n ralement le savoir dont on part se trouve d j externalis en tout cas en bonne partie puisqu on le trouve dans des documents des corpus de textes par exemple des guides de bonnes pratiques en m decine ou des syst mes terminologiques comme des th saurus Il poss de qui plus est d j une forme linguistique donc syntaxique ce qui d samorce le probl me de devoir formaliser quelque chose qui n est peut tre justement pas de par sa nature formalisable Une des premi res tapes de la conception d ontologies m dicales quand on adopte une m thodologie ascendante bottom up consiste ainsi le plus souvent analyser avec des outils de TAL le contenu de documents produits en activit par les professionnels de sant de mani re extraire en mobilisant cette fois des m thodes statistiques un ensemble de termes susceptibles d tre parmi les plus structurants pour le domaine de connaissances consid r soit les termes qui sont sp cifiques et
26. es or with unanticipated failures that a human being would easily detect It seems wiser then to abandon the goal of human flexibility and seek engineering solutions consistent with the limited capacities of present generation robots Better methods of standardization can obviate the need of human flexibility and they have the advantage of working Dreyfus amp Dreyfus 1986 p 185 IA ontologies et connaissances en m decine 457 Ce verdict de Dreyfus n est pourtant pas une condamnation de l IA mais uniquement la condamnation du projet cognitiviste de r duction de l intelligence humaine un syst me computo symbolique Ce qui ne veut pas dire non plus que PIA computo symbolique soit en tant que telle un pur et simple chec mais uniquement que des machines op rant sur la base de ces principes ne vont pouvoir tre efficaces que dans des domaines d activit limit s Pour Dreyfus on ne peut ainsi d velopper de syst mes computo symboliques performants que si le domaine de connaissances sur lequel ils op rent est d avance circonscrit et normalis en bref des syst mes dont le domaine peut tre trait comme un jeu soit une activit pour laquelle il existe des r gles explicites un ensemble ferm de situations et de possibilit s d action et o les crit res de pertinence des d cisions peuvent tre d termin s de mani re univoque c est dire sans avoir prendre en consid ration le contexte dans lequel le jeu se d
27. es rend utilisables en situation par l humain Par ailleurs adopter une telle perspective n est possible que si l on renonce l optique repr sentationaliste qui se trouve g n ralement mise en avant d s lors qu on pr tend d crire la nature des ontologies et leur rapport des connaissances qu elles ont pour fonction dit on en effet fr quemment de repr senter Comme l explique Bachimont 2004 les ontologies ne sont pas tant la repr sentation de connaissances que la m diation entre expressions de connaissance permettant l utilisateur de naviguer et travailler sur des expressions dont il maitrise l interpr tation Elles sont donc des instruments intellectuels pour l organisation de nos connaissances et non des mod les du monde En recourant une telle caract risation on court circuite la question de l ad quation au r el du formalisme que l on adopte La question n est pas de savoir si la mod lisation adopt e repr sente bien ou mal des connaissances existantes si elle est fid le un domaine 68 Comme l expliquent Dreyfus amp Dreyfus The debate of what computers should do is properly about social values and institutional forms But before we can profitably discuss what computers should do we have to be clear about what they can do We maintain that computers can t match human intuition and expertise so in determining what computers should do we have to contrast their capacities with the more generous gift
28. esque mot pour mot le constat que faisait Dreyfus en 1972 dans What computers can t do ou celui du math maticien James Lighthill interrog l ann e suivante par le Science Research Council anglais au sujet de l IA To sum up work during the past twenty five years is to some extent encouraging about programs written to perform in highly specialized problem domains when the programming takes very full account of the results of human experience and human intelligence within the relevant domain but is wholly discouraging about general purpose programs seeking to mimic the problem solving aspects of human Central Nervous System activity over a rather wide field Such a general purpose program the covered long term goal of AI activity seems as remote as ever James Lighthill cit dans Dreyfus amp Dreyfus 1986 p xii 45 Voir par exemple l tude de Pisanelli et al 2004 46 Cf Dreyfus 1992b p 57 47 Cf Dreyfus 1992b p xix xx Dreyfus explique ainsi propos du programme d velopp par E Charniak pour analyser des histoires pour enfants So the data base would have to contain an account of all possible exceptions to augment the text if it even makes sense to IA ontologies et connaissances en m decine 459 Ce probl me renvoie notamment aux difficult s que rencontre aujourd hui l ing nierie des connaissances lorsqu elle cherche d velopper des outils de g n ration ou de compl tion automati
29. essentiels au domaine afin de les convertir en concepts Ces termes sont g n ralement appel s termes candidats en r f rence l op ration d lection qui le cas ch ant les s lectionnera pour faire partie de l ontologie Une telle proc dure court circuite en partie les probl mes rencontr s au niveau de l tape d extraction de connaissances lors de la conception de syst mes experts les connaissances et concepts existant d j dans des documents ils se trouvent d j explicit s et n ont pas l tre une seconde fois Il n y a apparemment pas ici convertir un savoir qui pourrait fort bien n exister que sous une forme implicite en savoir explicite Et on ne s expose donc pas au probl me des reconstructions artificielles a posteriori Toutefois c est une illusion de croire que ce serait totalement le cas En effet le concepteur d ontologies n est en aucune fa on d douan de devoir formaliser ces concepts extraits sous forme de termes candidats dans un langage qui permettra leur 60 Cf Mazuel et Charlet 2009 464 RSTI RIA 25 2011 Intelligence artificielle et sant manipulation par la machine donc de devoir convertir certaines dimensions de la s mantique des termes consid r s en propri t s syntaxiques Le format linguistique sous lequel se trouvent de prime abord disponibles les concepts ne constitue pas encore un format manipulable par la machine Notamment car comme nous l avons Vu il s agit
30. eyfus There is no reason to think that the rules that play a role in the acquisition of a skill play a role in its later application Dreyfus 1992b p xiii 33 Dreyfus 1992a p 366 367 34 Dreyfus 1992a p 367 456 RSTI RIA 25 2011 Intelligence artificielle et sant traditionnelle selon laquelle un d butant commence par des cas particuliers pour ensuite mesure qu il progresse en d gager par abstraction des r gles de plus en plus sophistiqu es Car c est en effet pr cis ment le contraire qui se passe l acquisition d un savoir faire consiste passer de r gles abstraites des cas particuliers Ainsi un expert aux checs n a pas besoin de planifier ses coups en les subordonnant une strat gie explicitement formul e et d cid e l avance Cette strat gie est comme encapsul e dans sa mani re de percevoir d organiser et de donner sens aux situations auxquelles il se voit confront il est capable comme l explique Dreyfus dans la suite d Herbert Simon de saisir presque imm diatement une position et le coup qu elle lui commande de faire Le joueur expert ne joue donc pas sans strat gie mais la strat gie qui commande ses coups ne lui est pas pr sente l esprit sous forme d une m tar gle dictant les r gles particuli res appliquer pour chaque configuration de l chiquier Et elle ne peut comme telle se voir explicit e qu apres coup travers une reconstruction a pos
31. igilance r pertori association d un ou plusieurs m dicaments et d un ou plusieurs effets ind sirables le serait de mani re suffisamment exhaustive pour viter l quivoque les r sultats d examen seraient indiqu s de mani re pr cise et le patient serait d crit avec autant d exactitude que le permet l extraction de donn es en situation Les heuristiques qu il serait alors possible de d velopper pour extraire des signaux d EIM des bases de cas disponibles seraient vraisemblablement plus performantes qu elles ne le sont actuellement Mais quand on pr te attention au t moignage des acteurs de la sant on voit bien que ce monde est loin d tre notre port e En particulier si les m decins ou le personnel hospitalier devaient pour chaque patient normaliser manuellement l ensemble de ces donn es l aide de th saurus par exemple le co t temporel serait tout bonnement inacceptable Le mieux que l on puisse faire est manifestement de cr er des organismes tels que les centres r gionaux de pharmacovigilance CRP en France qui auront pour fonction de centraliser les rapports de cas transmis par les m decins de les normaliser et d valuer leur pertinence l aide de diff rents indicateurs Bien entendu la mise en place d organismes charg s de centraliser et de normaliser les documents d abord r dig s dans des formats retenant encore du langage naturel ce qui le rend non traitable par les machines pr sente galemen
32. improbabilit des d marches qui permettraient son actualisation est si grande que cette information pourrait en v rit aussi bien ne pas exister Qui plus est la plupart des connaissances en m decine tant soumises un rythme de d veloppement rapide par rapport d autres domaines scientifiques pensons par exemple la physique ou l astronomie les observations en question sont rapidement p rissables et les d lais dont on dispose pour les exploiter sont courts Elles seront rapidement obsol tes et ne vaudront plus que comme trace de savoirs ant rieurs non comme support pour prendre des d cisions dans le pr sent ou orienter des d marches dans l avenir Pour une large part l usage que la m decine cherche actuellement faire de l intelligence artificielle IA est clairement destin surmonter cette d sorientation ce titre il ne vise pas seulement d lester le personnel m dical de t ches cognitives ingrates possiblement fastidieuses ou encore en augmenter le rendement mais il a galement pour ambition de permettre des op rations cognitives que l tre humain en raison de sa finitude n est pas capable de prendre en charge 4 C est l ce que B Bachimont appelle la d sorientation Cf Bachimont 2004 p 105 108 5 Notamment car les connaissances m dicales qui pr valent une poque donn e d pendent fortement des modes de vie des individus de l alimentation aux formes du travail modes de
33. ions for applying that knowledge to a specific situation Dreyfus 1992b p 59 48 Cf Hitzler et al 2005 49 Comme c est le cas dans le projet LERUDI LEcture Rapide en Urgence du Dossier Informatis du patient qui vise d velopper une ontologie OntolUrgences qui int gr e un SBC permettra le codage et l indexation de dossiers patients pour la prise en charge dans des services d urgences Voir Charlet et al 2009 50 Cf Mazuel amp Sabouret 2007 460 RSTI RIA 25 2011 Intelligence artificielle et sant pr senter la forme textuelle du concept S1 une forme rencontr e dans le dossier n a pas t sp cifi e dans l ontologie le dossier ne sera pas index avec le concept correspondant Le terme n appara tra pas lorsque l utilisateur parcourra l interface Il devra alors s accommoder d une information incompl te voire erron e 4 2 Le probl me de la normalisation des donn es La d marche actuelle consistant normaliser les donn es que les SBC vont traiter ainsi des bases de cas utilis es pour la d tection du signal en pharmacovigilance est une r ponse possible au probl me pr c dent En v rit elle consiste tr s exactement suivre le conseil de Dreyfus d am liorer la standardisation plut t que de chercher installer de la flexibilit dans les programmes des machines Plut t que de concevoir des machines suffisamment tol rantes pour se comporter ad quatement dans un m
34. l view on the development of process oriented ICT in health care International Journal of Medical Informatics vol 69 2003 p 223 234 470 RSTI RIA 25 2011 Intelligence artificielle et sant Bouaud J S roussi B OncoDoc mod lisation de bonnes pratiques th rapeutiques mise en uvre et valuation In R Teulier J Charlet P Tchounikine Ing nierie des connaissances Paris L Harmattan 2005 p 229 250 Bousquet C Henegar C Lillo Le Lou t A L Degoulet P Jaulent M C Implementation of automated signal generation in pharmacovigilance using a knowledge based approach International Journal of Medical Informatics vol 74 7 8 2005 p 563 571 Bousquet C Trombert B Kumar A Rodrigues J M Semantic categories and relations for modelling adverse drug reactions towards a categorial structure for pharmacovigilance AMIA Annual Symposium Proceedings 2008 p 61 65 Charlet J Bachimont B Mazuel L Dhombres F Jaulent M C Bouaud J OntoMenelas motivation et retour d exp rience sur l laboration d une ontologie noyau de la m decine Journ es Francophones des Ontologies Poitiers 2009 Charlet J L Ing nierie des connaissances d veloppements r sultats et perspectives pour la gestion des connaissances M moire d habilitation diriger des recherches Universit Pierre et Marie Curie 2002 Cimino J J Collect once use many Enabling the reuse of clinical data thro
35. les attendus pratiques en question sont d assister le raisonnement humain de prendre en charge certaines de ses tapes voire dans les cas les plus ambitieux de s y substituer elle s y trouve galement expos e Nous l avons vu l expression formelle des propri t s s mantiques des concepts permet de r aliser des raisonnements int gralement automatiques sur les ontologies L op ration dite de classification repose ainsi sur des inf rences ne n cessitant pas d interpr tation s mantique engageant un agent humain Le sens manipul tant 57 Des tudes ont ainsi montr que 4 seulement des EIM taient en moyenne rapport s par le personnel de sant via les circuits de rapport spontan cf B gaud et al 2002 Ce chiffre est d autant plus parlant que le personnel de sant est normalement soumis l obligation l gale de rapporter ces cas Une des raisons principales est l investissement temporel de la d marche non seulement le m decin doit prendre le temps de r diger un rapport de pharmacovigilance mais une fois le rapport envoy il est fr quent que le personnel du CRP le contacte pour obtenir des pr cisions sur le cas pr sent dans son rapport cf Jamet 2011 La n cessit de cette demande d information suppl mentaire est bien entendu relier la d marche d explicitation des connaissances inh rente ce travail de normalisation 58 Celle de Dreyfus bien s r mais galement par exemple celle de J Se
36. lle sans que soit pour cela n cessaire de recourir aucune interpr tation ou composante intuitive La manipulation peut tre r alis e l aveugle l inf rence peut se faire de mani re int gralement m canique Si une compr hension claire de la nature du formel est indispensable pour valuer ce que PIA peut apporter la m decine et donc galement ce qu elle ne saurait lui apporter c est avant tout parce que les machines num riques ne sont capables de manipuler par d finition que les couches formelles de la signification 18 Cf Bachimont 2004 p 123 19 Comme l explique Bachimont les nonc s exprim s en langage formel sont non contextuels si en effet l interpr tation d pend du contexte la forme de l nonc ne suffira pas d terminer sa signification Le fait que la s mantique soit formelle implique que l interpr tation soit la m me quel que soit le contexte et n est d termin e que par la forme seule Bachimont 2004 p 123 452 RSTI RIA 25 2011 Intelligence artificielle et sant soit des connaissances r duites leur seule forme syntaxique Les machines tant par principe incapables d interpr ter elles ne peuvent en effet raisonner que sur des contenus dont les propri t s s mantiques auront t pr alablement formalis es Dans un algorithme on ne peut inscrire une instruction que la machine devrait interpr ter en lui attribuant un sens par exemple
37. lleurs montr que le raisonnement sur les d finitions formelles de concepts d ontologies des EIM permettait d am liorer les performances dans la d tection du signal et facilitait l acc s aux donn es dans les bases de cas Le d veloppement d ontologies et de syst mes capables de r aliser de telles op rations est cependant loin d tre trivial et l ing nierie des connaissances bute sur certains probl mes r currents ayant notamment trait la difficult de formaliser les connaissances et raisonnements susceptibles de les exploiter ou celle de maintenir ces repr sentations jour avec des connaissances m dicales soumises un rythme d volution extr mement rapide Plus radicalement diff rents auteurs ont r cemment fait le constat s v re que les syst mes d information pour la sant actuels qu ils exploitent ou non des ontologies taient un pur et simple chec Une partie des une r alisation plus rapide se fait souvent au prix d une perte de pr cision risque d erreurs accru 7 Cf Avillach et al 2010 8 Voir par exemple Henegar et al 2006 Nadkarni amp Darer 2010 Avillach er al 2010 9 Voir Meyboom et al 2002 Alecu et al 2008 10 Cf Bousquet et al 2005 Henegar et al 2006 11 Cf Alecu et al 2007 12 Voir Heeks 2006 pour une revue sur la question IA ontologies et connaissances en m decine 449 raisons de cet chec a trait l inad quation de ces syst
38. logies on leur conf re un caract re explicite et formel qui leur est manifestement tranger dans leur domaine effectif d application Mais est ce v ritablement probl matique Apr s tout comme nous le remarquions plus haut la finalit de l ing nierie des connaissances quand elle d veloppe des ontologies n est pas de mod liser le fonctionnement de la connaissance Sa perspective n est pas th orique mais elle est op ratoire elle vise concevoir des dispositifs capables de remplir certains attendus pratiques Qu elle soit contrainte de formaliser des connaissances qui ne poss dent pas une nature formelle dans le domaine o elles s exercent importe donc peu du moment que cette formalisation offre de d velopper des dispositifs capables d assister efficacement l activit humaine Une telle position est parfaitement d fendable et nous sommes tout dispos s y souscrire Il convient toutefois notre sens d y apporter une s rie de pr cisions Tout d abord il n est pas du tout certain que l ing nierie des connaissances puisse d velopper des dispositifs performants pour assister l activit concr te d usage et de production de connaissances d s lors qu elle exerce sur ces connaissances une transformation qui pour employer une expression sans doute un peu forte contrefait leur nature En effet conf rer aux connaissances un caract re formel pour les rendre computables par des machines pourrait justement leur ter ce qui l
39. ms of context free primitives then computers can do well in the domain In such special purposed programs the form of knowledge representation can be limited to situation action rules in which the situation is defined in terms of a few parameters and indicates the conditions under which a specific heuristic rule is relevant Dreyfus 1992b p 27 28 42 Cf Dreyfus 1992b p 33 43 Voir Charlet 2002 chapitre 2 458 RSTI RIA 25 2011 Intelligence artificielle et sant domaine sp cifique que l on va tre en mesure de circonscrire soit ce qu on appelle depuis les ann es 1970 en IA un micromonde c est r duire l incertitude des situations que la machine va avoir traiter aplanir les singularit s et c est en ce sens se donner les moyens de formaliser les crit res de pertinence que va pouvoir exploiter le syst me pour traiter les donn es De m me la difficult largement reconnue de d velopper des syst mes capables de prendre en charge l usage souple du langage fait par l humain par exemple le probl me de la polys mie et la d pendance de la signification relativement au contexte d nonciation peut tre vue comme une expression du caract re informalisable de ce que Dreyfus appelle l arriere plan ce titre les tentatives de d velopper des SBC capables d interpr ter la signification d nonc s r dig s en langage naturel en prenant notamment en consid ration des l ments du
40. n contexte offre bien souvent de lever les ambig it s du langage naturel Voir Dreyfus 1992b p xix xx 462 RSTI RIA 25 2011 Intelligence artificielle et sant documents post rieure la saisie peut rapidement devenir probl matique Et le cas ch ant il pourra tre n cessaire de reprendre contact avec le m decin pour obtenir des pr cisions sur tel ou tel point de son rapport pour expliciter ce qu il a laiss dans l implicite ou qu il n a pas jug bon ou pas eu le temps de noter 4 3 Le probl me de la formalisation des connaissances Un autre point m ritant ici d tre abord concerne plus directement le probl me de la formalisation des connaissances On peut d embl e remarquer que parce qu elle reprend purement et simplement la conception cognitiviste de la connaissance et du raisonnement manipulation de repr sentations symboliques par application de r gles formelles soit ce qu on appelle des inf rences l ing nierie des ontologies contemporaines s expose aux critiques que cette derni re s est vu adresser Certes son entreprise n ayant a fortiori pas la pr tention mod liser encore moins expliquer le fonctionnement de la connaissance perspective sp cifiquement th orique mais celle de r aliser des dispositifs capables de remplir certains attendus pratiques ces critiques ne sauraient la concerner de la m me mani re Mais elle ne saurait non plus pour cette seule raison s y soustraire Si
41. n d origine Mais nous avons vu qu une telle position tait fort critiquable Pour Dreyfus cette conception de la connaissance est tout bonnement illusoire D velopper une expertise ne signifie en aucune fa on impliciter des connaissances et r gles qui auraient au commencement un caract re explicite Le recours des plans des r gles ou des connaissances d claratives pour gouverner l action ne concerne que les premi res phases d acquisition d un savoir faire expert Le novice se guide sur des r gles explicites la notice le mode d emploi le guide de bonnes pratiques pour d velopper un savoir faire En revanche les phases ult rieures de l acquisition se caract risent par un total passage dans le domaine non de l implicite car il ne s agit justement pas de r gles explicites ayant t implicit es l usage mais du savoir faire rule free c est dire qui ne repose pas sur une capacit appliquer des r gles Les r gles explicites en bref la th orie ne constituent pas le fond rationnel du savoir faire de l expert qu il aurait enfoui dans les couches les plus souterraines de son inconscient cognitif Elles ne sont qu une sorte de premier d ambulateur qui en facilite la mise en place IA ontologies et connaissances en m decine 465 4 4 Le probl me de la formalisation du raisonnement la question pr c dente de la formalisation des connaissances se trouve directement li e celle de la fo
42. nces and to solve problems Johnson 1987 p 168 cit dans Dreyfus 1992b p xxi 64 Ainsi les principales formes de raisonnement utilis es sur les ontologies 1 la classification r organisation des rapports de subsomption entre les classes partir de leurs d finitions formelles et v rification que telle classe est bien contenue dans telle autre par analyse de leurs d finitions 2 l valuation de la consistance v rification que les crit res d appartenance une classe ne sont pas contradictoires sont toutes deux r ductibles des inf rences d ductives 65 Voir ce titre les nombreux travaux que J Bouaud et B S roussi ont consacr l informatisation des guides de bonnes pratiques Insistant sur le caract re d contextualis des connaissances formalis es dans les syst mes d aide la d cision traditionnels ainsi que sur le caract re informalisable du contexte qu exploite le m decin dans ses raisonnements situ s IA ontologies et connaissances en m decine 467 Par ailleurs une approche formaliste de la connaissance et du raisonnement m dical semble laisser chapper ce qui en constitue pourtant en croire diff rents th oriciens un trait essentiel savoir son caract re collectif et distribu Comme l ont expliqu Berg amp Toussaint 2003 et d autres avant eux les connaissances m dicales sont le fruit d un travail d laboration collectif o la dimension socio normative est
43. nt regrouper des documents ou donn es suivant des crit res pr alablement d finis ou encore la structuration de bases de connaissances exploit es par des programmes d aide au diagnostic Une des principales fonctions des ontologies et syst mes base de connaissances SBC en m decine est de combattre la d sorientation Avec le d veloppement des machines num riques c est un nouveau support de m moire qui s est impos beaucoup plus puissant et beaucoup moins on reux que son pr d cesseur le papier Le num rique permet de stocker une quantit quasi infinie de donn es Mais du fait m me de cette possibilit les donn es stock es n ont plus besoin de faire l objet d un filtrage en amont qui n autoriserait le stockage que des donn es pertinentes m ritant donc d tre enregistr es Puisque les machines ont suffisamment de m moire pour tout stocker puisque cela ne co te quasiment rien stockons tout nous ferons le tri apr s Aussi cette possibilit fait elle aussit t naitre un probl me celui de s orienter dans ces donn es celui de l acc s et de la s lection des donn es pertinentes celui du recoupement et de la synth se en bref le probl me d exploiter ces donn es pour g n rer des connaissances c est dire des expectatives sch mas mod lisations ou hypoth ses sur la r alit qui vont permettre d aiguiller l action et la 1 Cf Mazuel amp Charlet 2009 2 Cf Rector et al 1999 3 Cf Douali
44. ntology for medicine IEEE Transactions on Information Technology in BioMedicine vol 2 4 1999 p 229 242 472 RSTI RIA 25 2011 Intelligence artificielle et sant Rosch E Human categorization In N Warren ed Advances in cross cultural psychology vol 1 London Academic Press 1977 Steiner P Cognitivisme et sciences cognitives Labyrinthes vol 5 N sp cial Sciences cognitives et sciences sociales 2005 p 13 39 Uschold M Gruninger M Ontologies principles methods and applications Knowledge Engineering Review vol 11 2 1996 p 93 155
45. oncepts non pas les relations empiriques entre les objets auxquels r f rent les concepts C est de cette mani re et de cette mani re uniquement qu il faut entendre leur fonction de repr sentation des connaissances 16 Bachimont 2004 p 144 17 Ces r seaux taient l origine destin s mod liser la mani re dont les connaissances de l individu sont organis es dans sa m moire et dont se r alise l acc s ces connaissances aussi bien dans l activit de cat gorisation perceptive que dans le raisonnement Voir par exemple Rosch 1977 Lindsay amp Norman 1980 ou Rastier 2004 IA ontologies et connaissances en m decine 451 2 2 Formalisation des connaissances et computabilit de la signification Nous l avons vu pr c demment les ontologies sont des syst mes de concepts sp cifi s par des d finitions formelles A quoi exactement se r f re cette pith te Que signifie d finir formellement un concept Pour le dire de mani re synth tique le formel caract rise ce dont la signification est ind pendante de tout contexte ou plut t ce qui vaut invariablement quel que soit le contexte car apr s tout il n y a jamais de signification qu en contexte Consid r d une perspective purement formelle le concept de carcinome h patique a toujours la m me signification quel que soit le contexte Son intension et donc son extension ne changent pas selon qu il est employ dans un service de canc rologie
46. onde humain fonci rement accidentel on normalise le monde o va op rer la machine On le rend r gulier Cette d marche a cependant ses limites et sa mise en uvre ne va pas sans poser des probl mes qui sont peut tre insolubles d s lors qu on prend en consid ration la r alit du facteur humain Il est en effet loin d tre acquis qu une telle normalisation des documents soit r alisable que ce soit au niveau de la saisie ou travers un post traitement Les d marches pour la normalisation des documents lors de la saisie rencontrent ainsi des r sistances parfois tr s fortes chez les acteurs Amener le personnel de sant faire usage d un vocabulaire contr l par exemple le syst me terminologique de la Snomed CT Systematized Nomenclature of Medicine Clinical Terms parait de nombreux gards irr alisable D une part parce que la r daction en langage contr l prend beaucoup plus de temps qu en langage naturel en tout cas ce langage demi normalis propre la m decine concr te qui reste normalis par les pratiques non par des syst mes de normalisation qui leur sont extrins ques D autre part car le m decin ne dispose de toute fa on g n ralement pas de la m moire suffisante ou cette fois encore du temps qui serait n cessaire son d veloppement pour s approprier le vocabulaire contr l en question Il ne s agit 51 Mohammed amp Sahroni 2010 ont avanc l id e qu une des principales
47. pist mologiques de l IA Dreyfus en pr cise les limites IA ontologies et connaissances en m decine 453 situations de la vie quotidienne dont la performance a lieu dans un cadre a fortiori moins formalis Aussi cette critique ne porte t elle pas sur l IA en tant que telle mais de mani re plus radicale sur le mod le de l esprit comme machine symbolique sur lequel se construit l IA Le postulat la base de l IA cognitiviste est en effet que les processus cognitifs qui sous tendent le comportement intelligent consistent pour l essentiel en des manipulations de repr sentations symboliques en particulier des propositions exprimant des croyances propos de l tat pr sent de la r alit aussi bien que de son tat venir anticipations ob issant des r gles formelles De sorte que si l on parvient impl menter dans une machine des algorithmes et syst mes de traitement de l information lui offrant de d velopper des propositions symboliques repr sentatives de l tat de son environnement ainsi que les r gles de manipulation de ces propositions et de d clenchement du comportement ad quates on pourra cr er un comportement intelligent artificiel de m me nature que celui l uvre chez les tres vivants humains compris C est l l affirmation essentielle promue par Newell amp Simon 1976 dans leur fameuse Physical Symbol System Hypothesis En reprenant les affirmations paradigmatiques du cognitivisme l I
48. post rieur destin leur conf rer un format les rendant exploitables pour des traitements automatiques Elles ont en ce sens un r le normatif analogue aux terminologies m dicales classiques notamment les th saurus mettre en place un vocabulaire commun et faire usage de repr sentations et concepts partag s afin de permettre l interop rabilit des documents et l laboration de bases de connaissances m dicales pourquoi pas universelles d passant les particularit s r gionales et linguistiques de chacun Toutefois leur approche formelle de la s mantique les distingue galement clairement des syst mes terminologiques traditionnels les ontologies sont des architectures de concepts non des listes organis es de fermes Les concepts la diff rence des termes se caract risent par des d finitions formelles ce qui les rend manipulables par des machines Faire usage d une ontologie pour normaliser un document m dical c est en ce sens encoder l information en lui conf rant un caract re qui la rend imm diatement manipulable par des machines qui vont pouvoir op rer diff rents raisonnements exploitant les propri t s formelles des concepts Les ontologies peuvent ainsi tre utilis es pour des applications plus complexes que la seule normalisation des donn es comme l indexation automatique de documents la fouille de donn es pour l extraction de connaissances et la recherche d informations le clustering proc d visa
49. poth se explicative partir d une pluralit de cas particuliers La diff rence de ces deux op rations par rapport la d duction est que la validit des conclusions n y est pas assur e de mani re n cessaire par la validit des pr misses Il s agit uniquement d hypoth ses qui se trouvent favoris es en vertu de leur plausibilit Il est important de bien les distinguer car quoiqu on en dise il n est pas du tout acquis qu elles soient toutes les trois r alisables par des machines num riques La d duction tant par d finition une op ration consistant d river de propositions de d part une proposition d arriv e par application rigide de r gles formelles les machines num riques peuvent assur ment op rer des d ductions Il ne s agit l que de combinatoire de calcul Mais sont elles galement capables de r aliser des 61 Induction d duction et abduction sont notamment les trois types de raisonnement formalis s par C S Peirce 62 Encore que tous ne soient pas d accord pour attribuer aux machines la capacit m me de calculer Le philosophe Fred Dretske explique ainsi Can computer add The following argument is an attempt to show that whatever it is that computers are doing when we use them to answer our arithmetical questions it isn t addition Addition is an operation on numbers We add 7 and 5 to get 12 and 7 5 and 12 are numbers The operations computers perform however are not operations on n
50. que d ontologies capables de les enrichir et de les mettre jour sans avoir recourir des experts du domaine consid r Aucun syst me efficace de mise jour qui pourrait se passer de l intervention humaine ou au moins voir cette intervention r duite un simple processus de validation n a notre connaissance t ce jour d velopp Comme l enrichissement et la mise jour automatiques des ontologies ne peuvent a fortiori se r aliser que sur la base de documents r dig s le plus souvent en langage naturel leur possibilit d pend de la disponibilit d outils capables d en g rer les sp cificit s afin d extraire les donn es pertinentes et de les exprimer sans assistance humaine dans un langage formel On retombe donc sur le probl me pr c dent Le probl me soulev par Dreyfus de l impossibilit d tre exhaustif dans la sp cification des connaissances dont devrait disposer une machine pour interpr ter des nonc s en langage naturel soit les connaissances d arri re plan se retrouve galement dans l exigence d exhaustivit des intitul s textuels des concepts qu il peut tre n cessaire d atteindre pour qu un syst me d indexation de documents m dicaux exploitant une ontologie fonctionne avec un niveau de r ussite satisfaisant Un SBC permettant l indexation automatique de dossiers patients pourra permettre de d cider plus rapidement d un diagnostic et des conduites tenir pour la prise en charge du
51. rmalisation des raisonnements op rations qui manipulent des connaissances et qui permettent d en d velopper de nouvelles Les formes de raisonnement que les machines num riques sont capables de r aliser savoir ce qu on appelle traditionnellement des inf rences permettent elles de mod liser et reproduire le raisonnement m dical Et sinon comment peuvent elles l assister L inf rence peut se d finir comme une op ration qu on qualifie parfois de mentale mais le terme semble inappropri si on attribue galement aux machines la capacit d inf rer qui consiste tirer de propositions de d part tenues pour valide les pr misses et en appliquant des r gles exprim es de mani re purement formelle r gles de combinaison syntaxique une proposition d arriv e valide la conclusion Les r gles en question tant admises la validit de la conclusion est ainsi assur e par la validit des pr misses Prise dans ce sens particulier l inf rence se r duit une pure et simple d duction la conclusion est une pure cons quence formelle des pr misses Et il n y a donc pas ici proprement parler production de connaissances nouvelles la conclusion tait virtuellement contenue dans les pr misses Il faut toutefois noter qu on distingue galement d autres formes d inf rences en particulier l induction la g n ralisation partir d une pluralit de cas particuliers et l abduction la d termination d une hy
52. roule Autrement dit est machinisable tout domaine d expertise o ce qui est pertinent est d cidable et formalisable par avance Mais ne sont en revanche en aucune mani re machinisables les domaines d expertise o la d termination de ce qui est pertinent est pr cis ment ce qui pose probl me 4 Le probl me de la formalisation de la connaissance en ing nierie des connaissances m dicales Les d marches actuellement men es en ing nierie des connaissances m dicales en particulier dans le domaine de la conception de SBC exploitant des ontologies chappent elles aux critiques de Dreyfus Se conformentelles ses recommandations Ou bien l informatique m dicale actuelle s est elle comme PIA cognitiviste engag e dans une voie que Dreyfus consid rerait comme sans issue Des l ments de r ponse ces questions peuvent tre apport s sur plusieurs fronts 4 1 La formalisation du langage naturel et le probl me du contexte Tout d abord le constat aujourd hui r pandu parmi les concepteurs d ontologies et SBC qu il est n cessaire de d velopper des syst mes focalis s sp cifiques un domaine de connaissance hautement sp cialis et des t ches bien circonscrites et non pas g n raux va manifestement dans le sens de Dreyfus Se cantonner un 41 As long as the domain in question can be treated as a game i e as long as what is relevant is fixed and the possibly relevant factors can be determined in ter
53. s informations dont elle dispose pour d terminer en connaissance de cause si l on peut dire ce qu elle peut se permettre d ignorer Le probl me est ainsi que la machine ne peut ignorer certains l ments de la situation qu apr s avoir explicitement d cid de les ignorer donc justement apr s les avoir pris en consid ration La force de l tre humain est qu il n a pour sa part 24 The problem precisely was that this know how along with all the interests feelings motivations and bodily capacities that go to make a human being would have had to be conveyed to the computer as knowledge as a huge and complex belief system and making our inarticulate preconceptual background understanding of what it is like to be a human being explicit in a symbolic representation seemed to me a hopeless task Dreyfus 1992b p xi xii 25 Cf Dreyfus 1992b p xxi xxii 26 Cf Dreyfus 1992b p xxix 27 As I taught I wondered more and more how computers which have no bodies no childhood and no cultural practices but are disembodied fully formed nonsocial purely analytic engines could be intelligent at all Dreyfus amp Dreyfus 1986 p 5 28 Cf Dreyfus 1992b p xi IA ontologies et connaissances en m decine 455 pas consid rer d abord les l ments qu il va ignorer Sa vision est d embl e x K 2 construite comme ne tenant pas compte de ce qui ne compte pas 2 La critique que Dreyfus adresse l
54. s possessed by the human mind Dreyfus amp Dreyfus 1986 Pr face p xi 69 Bachimont 2004 p 122 IA ontologies et connaissances en m decine 469 de connaissance donn ou si les algorithmes de raisonnement impl ment s dans les SBC mod lisent correctement le raisonnement humain Mais elle est de savoir si cette mod lisation est capable d assister l activit cognitive individuelle et collective et en particulier si elle permet de d passer certaines limites inh rentes la cognition humaine non proth tis e Ces derni res r flexions pourront para tre s loigner des probl mes trait s dans le cadre de ce texte Il n en est rien Si on admet que les ontologies ne repr sentent pas les connaissances d un domaine mais qu elles constituent des art facts cognitifs offrant d assister l activit cognitive humaine en l aidant notamment mieux S orienter dans un milieu o la profusion de donn es nourrit l illusion d une disponibilit imm diate d informations exploitables les probl mes voqu s par Dreyfus tombent pour une bonne part Si on ne cherche pas cr er des machines qui pensent notre place des machines intelligentes on n est pas confront au probl me des pr requis non formalisables de l intelligence humaine Bibliographie Avillach P Joubert M Thiessard F Trifird G Dufour J C Pariente A Mougin F Polimeni G Catania M A Giaquinto C Mazzaglia G Fornari C Herings R
55. t de rein h rite les attributs qui d finissent le concept d organe par exemple le fait d tre localis un endroit donn de l organisme et de participer une certaine fonction Plus g n ralement l intension du concept sera sp cifi e par l ensemble des relations s mantiques verticales hi rarchiques aussi bien qu horizontales associatives qui l articulent aux autres concepts du r seau Ainsi les ontologies sont bien plus des r seaux articulant des concepts ce que les linguistes et psychologues appellent depuis les ann es 60 des r seaux s mantiques que des syst mes de d finitions des concepts C est la position qu occupe le concept dans le r seau s mantique donc les relations qu il entretient avec les autres concepts qui en sp cifient la signification Au sens strict les ontologies n ont en aucune facon pour fonction de stocker des connaissances C est le r le des bases de donn es Leur fonction est uniquement de permettre de d crire des connaissances en respectant certaines r gles de coh rence le plus souvent emprunt es la logique Les ontologies mettent disposition des syst mes conceptuels permettant l expression des connaissances dans un format autorisant des op rations purement formelles sur celles ci soit des op rations ne n cessitant aucune composante interpr tative des calculs et donc leur r alisation automatique par des machines Elles d crivent ce titre les relations formelles entre c
56. t un co t qui peut rapidement devenir important aussi bien en termes de forces humaines que d infrastructures Qui plus est une normalisation des documents post rieure leur saisie n chappe pas au probl me de la formalisation de la signification inh rent toute tentative de ce type lorsqu il fait usage d un langage pseudo naturel pour r diger ses documents le m decin tire parti de tous les caract res qui rendent si difficilement formalisable les nonc s en langage naturel en particulier le recours l implicite c est dire ce fonds de savoir et de savoir faire dont dispose tout praticien et qui lui permettra de comprendre le rapport lorsqu il le lira L attribution d une signification aux nonc s pr suppose ainsi la disponibilit d un arri re plan non explicite leur servant de cadre d interpr tation et les nonc s peuvent le cas ch ant poss der une signification en partie ouverte qui pourra tre pr cis e ult rieurement Autrement dit le m decin n a pas besoin de tout expliciter il peut s accommoder de r gions de flou Pour toutes ces raisons une normalisation des 56 L interpr tation des nonc s peut galement comme nous l expliquions plus haut requ rir une capacit imaginer par exemple pour se repr senter la situation laquelle le rapport fait r f rence et la mani re dont nous m mes aurions pu agir dans ces circonstances Un tel recours l imagination pour se mettre virtuellement e
57. teriori tant donn la nature non formalisable du savoir faire humain il est pour Dreyfus illusoire de vouloir construire des syst mes computo symboliques base d instructions pour recr er artificiellement ce savoir faire Le d veloppement d une base de connaissances capable de r pertorier tous les l ments de situation sur lesquels l expert se base pr tendument pour agir est une t che infinie et qui reste aveugle au r le d terminant de ce que Dreyfus appelle l arri re plan aussi bien qu la fonction que remplissent l imagination et l incarnation dans cette expertise Il est donc tout bonnement pr f rable de renoncer l ambition de robotiser les caract res du comportement humain qui sont par d finition contraires au fonctionnement formel des machines symboliques Ainsi pour Dreyfus du caract re de flexibilit inh rent au comportement humain soit sa capacit s adapter l impr vu l al a l in dit Plut t que de chercher cr er des machines au comportement flexible t che selon Dreyfus impossible du fait du caract re fonci rement accidentel de la r alit o nous voluons il est pr f rable de normaliser les situations auxquelles va se trouver confront e la machine 35 Dreyfus 1992a p 356 36 Dreyfus 1992a p 356 37 Cf Dreyfus 1992a p 364 38 Dreyfus 1992a p 365 39 Cf Dreyfus 1992b p xxviii 40 No program can deal flexibility with components of arbitrary shap
58. tion nous commengons par d crire les ontologies et les principes guidant leur conception section 2 nous pr sentons ensuite dans ses grandes lignes la critique que Dreyfus adresse l IA computo symbolique section 3 et nous proposons finalement d analyser certaines des difficult s actuellement rencontr es en ing nierie des connaissances m dicales depuis la grille de lecture que nous fournit cette critique section 4 2 Ontologies et connaissance 2 1 Les ontologies d finition et principes de conception Une ontologie dans l ing nierie des connaissances contemporaine correspond un ensemble hi rarchis de concepts articul s suivant des relations s mantiques explicites le plus souvent de subsomption mais par exemple galement de partinomie et d finis par ces relations Les ontologies peuvent ainsi se repr senter sous forme d arbres ou de treillis conceptuels Et elles ont le plus souvent pour vocation de formaliser et structurer un ensemble de connaissances relatives un domaine sp cifi un univers de r f rence Elles organisent en leur conf rant une structure logique les cat gories et termes permettant de penser un domaine et 13 Cf Berg amp Toussaint 2003 14 C est galement l avis de Bouaud amp S roussi 2005 15 Nous ne nous arr tons pas ici sur les diff rentes d finitions qui ont pu tre propos es des ontologies Les plus souvent retenues sont celles de Gruber 1993 Guarino
59. tte conception rationaliste est fourvoyante Elle travestit la nature aussi bien que le fonctionnement effectif de la connaissance On peut s en rendre compte par un examen ph nom nologique minutieux de son processus de mise en place Si bien souvent les premi res phases de d veloppement d un savoir faire reposent effectivement sur la mise en application explicite de r gles transmises par des pairs le d veloppement progressif d une expertise v ritable consiste justement dans la mise en place d une capacit d adaptation ne reposant plus sur l application de r gles fussent elles internalis es et inconscientis es mais sur une sensibilit holistique aux traits pertinents des situations L expert n applique pas de r gles il se borne discriminer des milliers de cas particuliers On ne saurait donc en l exhortant expliciter les pr tendues r gles sur lesquelles il se base pour agir que parvenir des reconstructions purement artificielles Mieux si l on demande des r gles un expert on le force en fait r gresser au niveau d un d butant et noncer les r gles dont il se souvient encore mais qu il n utilise plus Ainsi pour Dreyfus si l on veut comprendre ce qu est un savoir faire et en quoi consiste l expertise acquise par l expert on doit abandonner l id e 29 Cf Dreyfus 1992b p xxviii xxix 30 Dreyfus 1992a p 372 31 Cf Dreyfus 1992a p 354 32 Comme le dit Dr
60. ugh controlled terminologies Journal of American Health Information Management Association vol 78 2 2007 p 24 29 Crevier D la recherche de l intelligence artificielle trad N Bucsek Flammarion 1997 Douali N Jaulent M C Utilisation du web s mantique dans le raisonnement m dical diagnostique Domaine d application les infections des voies urinaires de l adulte Informatique et Sant vol 18 2011 p 59 70 Dretske F Machines and the Mental In S Franchi G Guzeldere eds Mechanical Bodies Computational Minds Artificial Intelligence from Automata to Cyborgs MIT Press Cambridge MA 2005 p 281 292 Dreyfus H L La port e philosophique du connexionnisme In D Andler dir Introduction aux sciences cognitives 1992a Paris Gallimard p 352 373 Dreyfus H L What computers still can t do A critique of artificial reason Cambridge London MIT Press 1992b Dreyfus H L Dreyfus S E Mind over machine the power of human intuition and expertise in the era of the computer Oxford Basil Blackwell Ltd 1986 Gruber T A translation approach to portable ontology specifications Knowledge Acquisition vol 5 1993 p 199 220 Guarino N Undestanding building and using ontologies International Journal of Human Computer Studies vol 45 2 3 1997 p 293 310 Haugeland J Artificial Intelligence The Very Idea Cambridge MIT Press 1985 Heeks R Health inform
61. umbers At best they are operations on certain physical tokens that stand for or are interpreted as standing for numbers Therefore computers don t add Dretske 2005 p 283 284 466 RSTI RIA 25 2011 Intelligence artificielle et sant inductions et des abductions Tout d pend du type de comp tences requis par ces modalit s de raisonnement si une forme de capacit d imagination ou disons de simulation s y trouve n cessairement impliqu e ou encore une capacit choisir parmi diff rentes propositions en vertu de leur plausibilit l affirmation est clairement compromise moins bien entendu d appeler par exemple imagination l op ration consistant tester l une apr s l autre des hypoth ses pr alablement list es et formalis es dans des bases de connaissances ou de consid rer le calcul d un indice math matique comme une proc dure d valuation de la plausibilit d une hypoth se par exemple d un diagnostic Mais dans ce cas la machine ne r alise par r ellement d induction ou d abduction elle se contente de d duire par application m canique des r gles formelles impl ment es dans ses algorithmes des propositions partir d autres propositions ou de donn es d entr e Ainsi selon cette conception des formes logiques du raisonnement les machines ne pourraient par principe r aliser que des d ductions c est dire inf rer des propositions sur un mode analytique non des in
62. vie soumis un rythme d volution rapide Pour le dire de mani re ramass e les maladies dont souffrent nos parents ne sont pas les m mes que celles qui nous affectent 6 La notion de finitude r f re ici au caract re limit des ressources dont dispose l tre humain pour r aliser ses diff rentes op rations cognitives Celles ci sont principalement limit es du point de vue 1 de leur capacit de traitement et de stockage 2 de leur vitesse 1 Seule une quantit limit e d informations peut tre trait e de mani re simultan e ou stock e en m moire l homme ne dispose pas d une m moire infinie et seuls des calculs de complexit limit e notamment au sens du nombre de param tres manipul s peuvent tre r alis s 2 Calculer planifier d cider penser sont des op rations qui prennent du temps et 448 RSTI RIA 25 2011 Intelligence artificielle et sant Passer en revue des corpus comportant plusieurs centaines de milliers de documents est hors de port e d un individu isol et la solution que pr tend apporter le travail collectif est loin d aller de soi en ce qu elle suppose d une part la disponibilit d une main d uvre importante mais surtout en ce qu elle n cessite d autre part de disposer de m thodes op ratoires pour partager et donc ext rioriser et par suite synth tiser les informations extraites par chacun Cette finitude cognitive de Phumain sanctionne particuli rement la fouille de

2011d_Declerck_Charlet_

Contents

Download Pdf Manuals

Related Search

Related Contents