Inférence

Moteurs d’inférenceModifier

Articles principaux : Système de raisonnement, Moteur d’inférence, système expert et moteur de règles commerciales

Les systèmes d’IA ont d’abord fourni une inférence logique automatisée et ceux-ci ont été autrefois des sujets de recherche extrêmement populaires, conduisant à des applications industrielles sous la forme de systèmes experts et plus tard de moteurs de règles commerciales. Des travaux plus récents sur la preuve de théorème automatisée ont eu une base plus forte dans la logique formelle.

Le travail d’un système d’inférence est d’étendre automatiquement une base de connaissances. La base de connaissances (KB) est un ensemble de propositions qui représentent ce que le système sait du monde. Plusieurs techniques peuvent être utilisées par ce système pour étendre la KB au moyen d’inférences valides. Une exigence supplémentaire est que les conclusions auxquelles le système arrive soient pertinentes pour sa tâche.

Moteur PrologEdit

Prolog (pour « Programming in Logic ») est un langage de programmation basé sur un sous-ensemble du calcul des prédicats. Son principal travail consiste à vérifier si une certaine proposition peut être déduite d’une KB (base de connaissances) à l’aide d’un algorithme appelé chaînage à rebours.

Retournons à notre syllogisme de Socrate. Nous entrons dans notre base de connaissances le morceau de code suivant :

mortal(X) :- man(X).man(socrates). 

( Ici :- peut être lu comme « si ». En général, si P → {\displaystyle \to }

\to

Q (if P then Q) alors en Prolog nous coderions Q:-P (Q if P).)
Ceci affirme que tous les hommes sont mortels et que Socrate est un homme. Maintenant, nous pouvons interroger le système Prolog sur Socrate :

?- mortal(socrates).

(où ?- signifie une requête : Mortal(Socrate). peut-il être déduit du KB en utilisant les règles)donne la réponse « Oui ».

En revanche, demander au système Prolog ce qui suit :

?- mortal(plato).

donne la réponse « Non ».

Ceci est dû au fait que Prolog ne sait rien sur Platon, et donc que toute propriété sur Platon est fausse par défaut (ce qu’on appelle l’hypothèse du monde fermé). Enfin… mortal(X) (Est-ce que quelque chose est mortel) aboutirait à « Oui » (et dans certaines implémentations : « Oui » : X=socrates)
Prolog peut être utilisé pour des tâches d’inférence beaucoup plus compliquées. Voir l’article correspondant pour d’autres exemples.

Edition web sémantique

Récemment, les raisonneurs automatiques ont trouvé dans le web sémantique un nouveau champ d’application. Étant basées sur la logique de description, les connaissances exprimées à l’aide d’une variante de OWL peuvent être traitées logiquement, c’est-à-dire que des inférences peuvent être faites sur elles.

Statistiques bayésiennes et logique des probabilitésEdit

Article principal : Inférence bayésienne

Les philosophes et les scientifiques qui suivent le cadre bayésien pour l’inférence utilisent les règles mathématiques de la probabilité pour trouver cette meilleure explication. Le point de vue bayésien a un certain nombre de caractéristiques souhaitables – l’une d’entre elles est qu’il intègre la logique déductive (certaine) comme un sous-ensemble (ce qui incite certains auteurs à appeler la probabilité bayésienne « logique des probabilités », à la suite de E. T. Jaynes).

Les bayésiens identifient les probabilités avec des degrés de croyances, les propositions certainement vraies ayant une probabilité de 1, et les propositions certainement fausses ayant une probabilité de 0. Dire que  » il va pleuvoir demain  » a une probabilité de 0,9, c’est dire que l’on considère la possibilité qu’il pleuve demain comme extrêmement probable.

A travers les règles de probabilité, on peut calculer la probabilité d’une conclusion et des alternatives. La meilleure explication est le plus souvent identifiée à la plus probable (voir théorie de la décision bayésienne). Une règle centrale de l’inférence bayésienne est le théorème de Bayes.

La logique floueEdit

Article principal : Logique floue

Cette section nécessite une extension. Vous pouvez aider en la complétant. (Octobre 2016)

Logique non monotoneModifier

Article principal : Logique non monotone

Une relation d’inférence est monotone si l’ajout de prémisses ne remet pas en cause les conclusions précédemment atteintes ; sinon, la relation est non monotone.L’inférence déductive est monotone : si une conclusion est atteinte sur la base d’un certain ensemble de prémisses, alors cette conclusion tient toujours si d’autres prémisses sont ajoutées.

En revanche, le raisonnement quotidien est le plus souvent non monotone parce qu’il comporte des risques : nous sautons aux conclusions à partir de prémisses déductives insuffisantes.Nous savons quand il vaut la peine ou même la nécessité (par exemple dans le diagnostic médical) de prendre le risque. Nous savons quand il est utile, voire nécessaire (par exemple, dans le cas d’un diagnostic médical), de prendre ce risque. Divers types d’inférences défaisables mais remarquablement réussies ont traditionnellement retenu l’attention des philosophes (théories de l’induction, théorie de l’abduction de Peirce, inférence à la meilleure explication, etc.) Plus récemment, les logiciens ont commencé à aborder le phénomène d’un point de vue formel. Il en résulte un vaste ensemble de théories à l’interface de la philosophie, de la logique et de l’intelligence artificielle.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *