Lézard : acquisition des connaissances et gestion de l'incertitude dans un système expert de seconde génération - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 1989

Lézard : Knowledge Acquisition and Uncertainty Management in Second Generation Expert System

Lézard : acquisition des connaissances et gestion de l'incertitude dans un système expert de seconde génération

Jean Charlet

Résumé

Most medical expert systems use advanced knowledge representation modes, allowing the description of complex pathophysiological models. The knowledge thus declared is called "deep knowledge". Yet, no matter how complex, such models do not always provide the knowledge needed for a diagnostic task. Empirical or surface knowledge (``shallow knowledge'') must necessarily be integrated into the system. We propose here an approach that allows the acquisition of surface knowledge from deep knowledge: the latter has a complex semantic content that allows several valid logical interpretations. The translation of this deep knowledge into surface knowledge forces to retain only the semantically valid interpretations. This decoupling then allows to have a simplified interpretation procedure insofar as it only depends on the logical framework of the surface knowledge. In our system, the expert is questioned during the process of acquiring surface knowledge from deep knowledge. Heuristic meta-knowledge is used to guide his interrogation. The information provided by the deep knowledge is thus completed in a very precise way at the level of the very granular surface knowledge; this completion makes it possible to solve in a satisfactory way the problems of uncertainty, contributing to the construction of an operational knowledge base. This base is then used by an inference engine of the "forward chaining" type operating within the framework of a non monotonic logic. This engine relies on a coherence maintenance system providing the necessary information to discriminate possible reasonings. Heuristic strategies are then used to choose the right reasoning. The essential Lizard system, in which these mechanisms are implemented, is applied to the domain of acute abdominal pain.
La plupart des systèmes experts médicaux utilisent des modes de représentation des connaissances évolués, autorisant la description de modèles physiopathologiques complexes. Les connaissances ainsi déclarées sont appelées connaissances profondes (``deep knowledge"). Pourtant, quelle que soit leur complexité, de tels modèles ne fournissent pas toujours les connaissances nécessaires à une tâche diagnostique. Des connaissances empiriques ou de surface (``shallow knowledge") doivent nécessairement être intégrées au système. Nous proposons ici une approche qui permet l'acquisition des connaissances de surface à partir des connaissances profondes: ces dernières ont un contenu sémantique complexe qui autorise plusieurs interprétations logiques valides. La traduction de ces connaissances profondes en connaissances de surface oblige à ne retenir que les interprétations sémantiquement valides. Ce découplage permet ensuite d'avoir une procédure d'interprétation simplifiée dans la mesure oò elle ne dépend plus que du cadre logique des connaissances de surface. Dans notre système, l'expert est interrogé durant le processus d'acquisition des connaissances de surface à partir des connaissances profondes. Des métaconnaissances heuristiques permettent de guider son interrogatoire. L'information fournie par les connaissances profondes est ainsi complétée de manière très précise au niveau des connaissances de surface très granulaires; cette complétion permet de résoudre de façon satisfaisante les problèmes d'incertitude, concourrant à la construction d'une base de connaissances opératoire. Cette base est ensuite utilisée par un moteur d'inférences de type ``chaînage avant'' fonctionnant dans le cadre d'une logique non monotone. Ce moteur s'appuie sur un système de maintien de la cohérence fournissant les informations nécessaires à la discrimination des raisonnements possibles. Des stratégies heuristiques sont alors employées pour choisir le bon raisonnement. Le système essentiel Lézard, dans lequel ces mécanismes sont mis en œuvre, est appliqué au domaine des douleurs aiguës de l'abdomen.
Fichier principal
Vignette du fichier
CharletTHESE1989.pdf (6.59 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

tel-03560682 , version 1 (25-02-2022)

Identifiants

  • HAL Id : tel-03560682 , version 1

Citer

Jean Charlet. Lézard : acquisition des connaissances et gestion de l'incertitude dans un système expert de seconde génération. Intelligence artificielle [cs.AI]. Université Pierre & Marie Curie - Paris 6, 1989. Français. ⟨NNT : ⟩. ⟨tel-03560682⟩
58 Consultations
10 Téléchargements

Partager

Gmail Facebook X LinkedIn More