Les systèmes experts sont l’un des domaines de recherche les plus importants de l’IA. Il est présenté par les chercheurs de l’Université de Stanford, Département d’informatique.

Que sont les Systèmes experts ?

Les systèmes experts sont les applications informatiques développées pour résoudre des problèmes complexes dans un domaine particulier, au niveau de l’intelligence et de l’expertise humaines extra-ordinaires.

Caractéristiques des Systèmes Experts

• Haute performance
• Compréhensible
• Fiable
• Très réactif

Capacités des Systèmes experts

Les systèmes experts sont capables de −

• Conseiller
• Instruire et aider l’homme à prendre des décisions
• Démontrer
• Dériver une solution
• Diagnostiquer
• Expliquer
• Interpréter les données
• Prédire les résultats
• Justifier la conclusion
• Suggérer des options alternatives à un problème

Ils sont incapables de −

• Remplacer les décideurs humains
• Posséder des capacités humaines
• Produire une sortie précise pour une base de connaissances inadéquate
• Affiner leurs propres connaissances

Composants de Systèmes experts

Les composants de ES incluent −

• Base de connaissances
• Moteur d’inférence
• Interface utilisateur

Voyons−les un par un brièvement –

Base de connaissances

Il contient des connaissances spécifiques au domaine et de haute qualité.

Des connaissances sont nécessaires pour faire preuve d’intelligence. Le succès de toute ES dépend principalement de la collecte de connaissances très précises et précises.

Qu’est-ce que la connaissance ?

Les données sont une collecte de faits. Les informations sont organisées sous forme de données et de faits sur le domaine de tâche. Les données, les informations et l’expérience passée combinées ensemble sont appelées connaissances.

Composants de la Base de connaissances

La base de connaissances d’un ES est une réserve de connaissances factuelles et heuristiques.

• Connaissance factuelle − C’est l’information largement acceptée par les ingénieurs du savoir et les chercheurs dans le domaine des tâches.

• Connaissance heuristique – Il s’agit de pratique, de jugement précis, de capacité d’évaluation et de devinettes.

Représentation des connaissances

C’est la méthode utilisée pour organiser et formaliser les connaissances dans la base de connaissances. C’est sous la forme de règles IF-THEN-ELSE.

Acquisition des connaissances

Le succès de tout système expert dépend principalement de la qualité, de l’exhaustivité et de l’exactitude des informations stockées dans la base de connaissances.

La base de connaissances est formée par les lectures de divers experts, chercheurs et ingénieurs du savoir. L’ingénieur des connaissances est une personne possédant les qualités d’empathie, d’apprentissage rapide et d’analyse de cas.

Il acquiert des informations auprès de l’expert en la matière en l’enregistrant, en l’interviewant, en l’observant au travail, etc. Il catégorise et organise ensuite les informations de manière significative, sous la forme de règles IF-THEN-ELSE, à utiliser par interference machine. L’ingénieur des connaissances surveille également le développement de l’ES.

Moteur d’inférence

L’utilisation de procédures et de règles efficaces par le Moteur d’inférence est essentielle pour déduire une solution correcte et sans faille.

Dans le cas d’une ES basée sur les connaissances, le moteur d’inférence acquiert et manipule les connaissances de la base de connaissances pour arriver à une solution particulière.

Dans le cas d’ES basées sur des règles, it−

• Applique des règles à plusieurs reprises aux faits, qui sont obtenues à partir d’une application antérieure des règles.

• Ajoute de nouvelles connaissances à la base de connaissances si nécessaire.

• Résout les conflits de règles lorsque plusieurs règles sont applicables à un cas particulier.

Pour recommander une solution, le moteur d’inférence utilise les stratégies suivantes −

• Chaînage avant
• Chaînage arrière

Chaînage avant

C’est une stratégie d’un système expert pour répondre à la question:  » Que peut-il se passer ensuite? »

Ici, le Moteur d’inférence suit la chaîne des conditions et des dérivations et en déduit finalement le résultat. Il examine tous les faits et règles, et les trie avant de conclure à une solution.

Cette stratégie est suivie pour travailler sur la conclusion, le résultat ou l’effet. Par exemple, la prévision de l’état du marché des actions en tant qu’effet des variations des taux d’intérêt.

Chaînage arrière

Avec cette stratégie, un système expert trouve la réponse à la question « Pourquoi cela s’est-il produit? »

Sur la base de ce qui s’est déjà passé, le moteur d’inférence essaie de savoir quelles conditions auraient pu se produire dans le passé pour ce résultat. Cette stratégie est suivie pour trouver la cause ou la raison. Par exemple, le diagnostic du cancer du sang chez l’homme.

Interface utilisateur

L’interface utilisateur fournit une interaction entre l’utilisateur de l’ES et l’ES elle-même. Il s’agit généralement d’un traitement du langage naturel afin d’être utilisé par l’utilisateur qui connaît bien le domaine de la tâche. L’utilisateur de l’ES n’a pas nécessairement besoin d’être un expert en Intelligence Artificielle.

Il explique comment le SE est parvenu à une recommandation particulière. L’explication peut apparaître sous les formes suivantes −

• Langage naturel affiché à l’écran.
• Narrations verbales en langage naturel.
• Liste des numéros de règle affichés à l’écran.

L’interface utilisateur permet de retracer facilement la crédibilité des déductions.

Exigences d’une interface utilisateur ES efficace

• Il devrait aider les utilisateurs à atteindre leurs objectifs le plus rapidement possible.

• Il doit être conçu pour fonctionner selon les pratiques de travail existantes ou souhaitées de l’utilisateur.

• Sa technologie doit être adaptable aux besoins des utilisateurs ; pas l’inverse.

• Il doit utiliser efficacement les entrées de l’utilisateur.

Limitations des systèmes experts

Aucune technologie ne peut offrir une solution simple et complète. Les grands systèmes sont coûteux, nécessitent un temps de développement important et des ressources informatiques. Les SSE ont leurs limites qui incluent –

• Limites de la technologie
• Acquisition de connaissances difficile
• Les SSE sont difficiles à maintenir
• Coûts de développement élevés

Applications du système expert

Le tableau suivant montre où les SSE peuvent être appliquées.

Application	Description
Design Domain	Camera lens design, automobile design.
Medical Domain	Diagnosis Systems to deduce cause of disease from observed data, conduction medical operations on humans.
Systèmes de surveillance	Comparant les données en continu avec le système observé ou avec un comportement prescrit tel que la surveillance des fuites dans un long pipeline pétrolier.
Systèmes de contrôle de processus	Contrôle d’un processus physique basé sur la surveillance.
Domaine de connaissances	Recherche de défauts dans les véhicules, les ordinateurs.
Finance/Commerce	Détection d’éventuelles fraudes, transactions suspectes, transactions boursières, ordonnancement des compagnies aériennes, ordonnancement du fret.

Technologie système expert

Il existe plusieurs niveaux de technologies ES disponibles. Les technologies de systèmes experts comprennent –

• Environnement de développement de systèmes experts − L’environnement de développement ES comprend du matériel et des outils. Ce sont –

  • Postes de travail, mini-ordinateurs, ordinateurs centraux.

  • Langages de programmation Symboliques de haut niveau tels que LISt Programming (LISP) et Programmation en LOGique (PROLOG).

  • Grandes bases de données.

• Outils – Ils réduisent dans une large mesure les efforts et les coûts liés au développement d’un système expert.

  • Éditeurs puissants et outils de débogage avec multi-fenêtres.

  • Ils fournissent un prototypage rapide

  • Ont des définitions intégrées du modèle, de la représentation des connaissances et de la conception d’inférence.

• Shells – Un shell n’est rien d’autre qu’un système expert sans base de connaissances. Un shell fournit aux développeurs une acquisition de connaissances, un moteur d’inférence, une interface utilisateur et une facilité d’explication. Par exemple, peu de shells sont donnés ci−dessous –

  • Java Expert System Shell (JESS) qui fournit une API Java entièrement développée pour créer un système expert.

  • Vidwan, un shell développé au Centre National de Technologie Logicielle de Mumbai en 1993. Il permet l’encodage des connaissances sous la forme de règles IF-THEN.

Développement de Systèmes experts : Étapes générales

Le processus de développement ES est itératif. Les étapes de développement de l’ES incluent –

Identifier le domaine du problème

• Le problème doit convenir à un système expert pour le résoudre.
• Trouvez les experts dans le domaine de tâches pour le projet ES.
• Établir la rentabilité du système.

Concevoir le système

• Identifier la technologie ES

• Connaître et établir le degré d’intégration avec les autres systèmes et bases de données.

• Réalisez comment les concepts peuvent représenter le mieux la connaissance du domaine.

Développer le Prototype

À partir de la base de connaissances: L’ingénieur des connaissances travaille à −

• Acquérir les connaissances du domaine auprès de l’expert.
• Représentez-le sous la forme de règles If-THEN-ELSE.

Testez et affinez le prototype

• L’ingénieur des connaissances utilise des exemples de cas pour tester le prototype afin de détecter tout défaut de performance.

• Les utilisateurs finaux testent les prototypes de l’ES.

Développer et compléter le test ES

• et assurer l’interaction de l’ES avec tous les éléments de son environnement, y compris les utilisateurs finaux, les bases de données et autres systèmes d’information.

• Documentez bien le projet ES.

• Entraînez l’utilisateur à utiliser ES.

Maintenir le système

• Maintenir la base de connaissances à jour par un examen et une mise à jour réguliers.

• Prendre en charge de nouvelles interfaces avec d’autres systèmes d’information, au fur et à mesure que ces systèmes évoluent.

Avantages des systèmes experts

• Disponibilité – Ils sont facilement disponibles grâce à la production en série de logiciels.

• Moins de coût de production − Le coût de production est raisonnable. Cela les rend abordables.

• Vitesse – Ils offrent une grande vitesse. Ils réduisent la quantité de travail qu’un individu met.

• Moins de taux d’erreur − Le taux d’erreur est faible par rapport aux erreurs humaines.

• Réduire les risques − Ils peuvent travailler dans un environnement dangereux pour les humains.

• Réponse stable − Ils fonctionnent régulièrement sans être motionnels, tendus ou fatigués.