Raisonnement Partir de Cas Une introduction Alain Mille

Raisonnement à Partir de Cas Une introduction Alain Mille

Objectif n Fournir les définitions, les principes, les méthodes, les techniques et des exemples pour la mise en œuvre d’applications du RàPC. Alain Mille 2

Plan général du cours n n Racines historiques Principes de base du RàPC. Étude des différentes phases du cycle RàPC (Élaboration, Remémoration, Adaptation, Révision, Mémorisation). Exemples d’applications et d’outils. Alain Mille 3

Racines, Principes n n n Minsky, un modèle de mémoire. Schanck, auteur de l’expression « Case-Based Reasoning » . Principes directeurs du Raisonnement à Partir de Cas Alain Mille 4

Minsky, le modèle de mémoire : principe « Quand on rencontre une nouvelle situation (décrite comme un changement substantiel à un problème en cours), on sélectionne de la mémoire une structure appelée « cadre » (frame). Il s’agit d’une structure remémorée qui doit être adaptée pour correspondre à la réalité en changeant les détails nécessaires. » Alain Mille 5

Minsky, le modèle de mémoire : les cadres n n n Une partie de l ’information concerne son usage, une autre partie concerne ce qui peut arriver ensuite, et une autre partie concerne ce qu’il convient de faire en cas d’échec (quand ce qui devait arriver n’arrive pas. . . ). Alain Mille 6

Minsky, le modèle de mémoire : illustration Les différents cadres partagent des feuilles terminales. Les cadres sont plus ou moins activés selon la valeur des feuilles terminales. Les feuilles sont toujours garnies (valeurs par défaut). Alain Mille 7

Minsky, le modèle de mémoire : processus n n Les cadres sont des situations « idéales » regroupées en hiérarchie et sont reliés par les différences qui les séparent. Processus : sélectionner un cadre, u tenter d’appliquer le cadre (faire le bilan des buts non atteints), u appliquer une technique d’adaptation-correction, u synthétiser l’expérience pour l’ajouter à la bibliothèque de techniques de correction. u Alain Mille 8

Schank et le modèle de mémoire dynamique n n « Comprendre c’est expliquer » . Problématique de la compréhension des textes en langage naturel. Utilisation de scripts pour expliquer des situations. Utiliser l’expérience concrète dans la construction des scripts. Alain Mille 9

Des scripts à la mémoire dynamique Commerçant entrer s’installer commander être servi payer sortir restaurant magasin restaurant classique à sa place rester devant la banque chez Dédé être placé Saluer xxxx magasin au comptoir manger s’installer au bar épisodes réels Alain Mille xxxx 10

Processus de raisonnement n n Dans une mémoire d ’expériences, organisée en hiérarchie de généralisation, on recherche ce qui est le plus près du problème courant, on réutilise le script trouvé en le spécialisant dans le contexte courant, on réorganise la mémoire pour y intégrer le nouvel épisode. Alain Mille 11

Principes du RàPC n n n Le carré d ’analogie Le cycle du RàPC L’analogie et le cycle revisités. . . Alain Mille 12

Le carré d’analogie problème source problème cible solution source solution cible Alain Mille 13

Qu’est-ce qu’un cas ? n Un cas est la description d'un épisode de résolution de problème. Il peut donc prendre des formes très diverses selon la nature de la tâche : diagnostic, planification, aide à la décision, conception, etc. Alain Mille 14

Descripteurs de cas n n Un cas est donc l'association d'un problème et de la solution de ce problème : cas=(pb, Sol(pb)). Un cas source est un cas dont on va s'inspirer pour résoudre un nouveau cas que l'on appelera un cas cible. Un cas source s'écrit : u cas-source=(source, Sol(source)) et un cas cible s'écrit donc u cas-cible=(cible, Sol(cible)). Un cas, son problème et sa solution sont donc décrits par un ensemble de descripteurs. Un descripteur d est défini par une paire d=(a, v) où ‘a’ est un attribut et ‘v’ la valeur qui lui est associée dans ce cas. Alain Mille 15

Descripteurs n n source={ds 1. . dsn} où dsi est un descripteur du problème source. Sol(source)={Ds 1. . Dsm} où Dsi est un descripteur de la solution source. cible={dc 1. . dcn} où dci est un descripteur du problème cible. Sol(cible)={Dc 1. . Dcn} où Dci est un descripteur du problème cible. Alain Mille 16

Extrait d’une base de cas Descripteurs Solution Descripteur Problème Attribut Type attribut Cas 1 Cas 2 Cas 3 Surface Réel 55 35 55 Lieu Départ. Symbole Rhône Ain Lieu Ville Symbole Lyon Bourg en Bresse Type appart. Symbole F 2 F 3 Prix Réel 20000 45000 15000 Alain Mille 17

Répartition des cas dans une base Les cas sont représentés sur le plan des solutions. Les cas proches ont des solutions proches. Alain Mille 18

Différentes classes de solution Alain Mille 19

Différentes classes de solution Règles d’adaptation définies pour les cas de la même classe de solution que S (Source) SC Alain Mille 20

Choix du cas source 4 5 6 3 2 6 1 325 C 41 Cas source choisi = Classe Jaune N° 1 Alain Mille 21

Algorithme KPPV K Plus Proches Voisins (1) 5 Construire une liste des voisins du cas cible. Un cas source est voisin si la similarité de sa partie problème avec le problème cible est supérieur à un seuil S (à l’intérieur du cercle donc). Une solution est représentée si elle possède au moins k=3 représentants 4 5 6 3 2 6 1 325 Rs C 41 1 2 3 4 Alain Mille 1 4 2 2 6 2 cas rouges (solution non représentée) 4 cas jaunes (solution représentée) Le cas jaune n° 1 est le + proche 1 2 13 2 3 22

Le cycle du RàPC ELABORER PROBLEME RETROUVER Cas cible Cas appris MEMORISER Cas cible adapté, évalué, corrigé Base de cas Cas Source cible Connaissance générale ADAPTER Cas cible adapté Solution confirmée Alain Mille REVISER 23

Analogie et cycle revisités idx(source)b : se remémorer. 1 c : se remémorer. 2 idx(cible) a : élaborer source cible Sol(idx(source)) d f : adapter. 2 e : adapter. 1 Sol(idx(cible)) Sol(source) g : adapter. 3 Alain Mille Sol(cible) 24

Le cycle du RàPC ELABORER PROBLEME RETROUVER Cas cible Cas appris MEMORISER Cas cible adapté, évalué, corrigé Base de cas Cas Source cible Connaissance générale ADAPTER Cas cible adapté Solution confirmée Alain Mille REVISER 25

Élaborer Rappel : on cherche une solution(!) similaire à partir de l’énoncé d ’un problème. . . n Compléter et/ou filtrer la description du problème en se fondant sur les connaissances disponibles sur l’adaptabilité n Commencer à résoudre le problème == orienter la recherche d ’une solution adaptable n Alain Mille 26

Illustration simple sur un cas de vente d’automobiles d’occasion n La base de cas est constituée d’épisodes de vente Le problème est décrit par les descripteurs du véhicule La solution est le prix de vente réellement négocié Alain Mille 27

Descripteurs de cas Alain Mille 28

Élaboration / Ontologie du domaine 206 = sorte-de Peugeot Alain Mille 29

Elaboration / Règle =>Bon =(corrosion superficielle) Alain Mille 30

Élaborer : résumé n n n Affectation descripteurs au nouveau cas. Construire descripteurs possédant une sémantique liée au problème. Anticiper au maximum l’adaptabilité des cas qui seront remémorés. Alain Mille 31

Exemple : Élaborer dans ACCELERE Assistance à la conception de caoutchouc Trois types de tâches à assister : Synthèse : trouver une structure permettant de satisfaire des spécifications Analyse : trouver le comportement résultant d’une structure particulière Évaluation : vérifier que le comportement est conforme à ce qui est attendu Alain Mille 32

Le processus de production de caoutchouc Paramètres de fabrication Matières Premières Mélanger Paramètres Extruder Couper Paramètres Vulcaniser Alain Mille stocker 33

Concevoir un nouveau produit Synthèse d ’une structure pour atteindre les spécifications Un essai = un cas TESTS Analyse des résultats Plusieurs centaines d’essais pour un produit Plusieurs mois de mise au point Alain Mille 34

Aide à l’élaboration. . Copie d ’écran Accelere Lancement de la déduction d’indices supplémentaires = commencer à résoudre le problème sous contrainte d’adaptabilité Alain Mille 35

Élaboration d’indices État désiré: Force Choc E=50 J INTEREP selon EN 1621 -1 = [Très bas, Bas] Dureté Shore 00 intérieur = [Moyen, Élevé, Très élevé] But examiné: État le plus proche atteint avec: Force Choc E=50 J INTEREP selon EN 1621 -1 = Très bas Dureté Shore 00 intérieur = Elevé Dureté Shore 00 intérieur = Moyen Structure: NBR, Pcc = 100 NBR/PVC, Pcc = 100 Etat atteint: État atteint: Dureté Shore 00 intérieur = Elevé Dureté Shore 00 intérieur = Bas Dureté Shore 00 intérieur = Moyen Similarité: 91% Force Choc E=50 J INTEREP selon EN 1621 -1 = INCONNU Force Choc E=50 J INTEREP selon EN 1621 -1 = Très bas Force Choc E=50 J INTEREP selon EN 1621 -1 = Moyen Similarité: 67% Similarité: 83% Similarité: 91% Alain Mille 36

Exploitation pour la recherche. . Alain Mille 37

Retrouver n Similarité = degré d’appariement entre deux cas : u Recherche des correspondances entre descripteurs. u Calcul du degré d’appariement descripteurs. u Pondération éventuelle descripteurs dans le cas. Alain Mille 38

Mesure de similarité n n Se rappeler qu’elle doit être représentative de l’adaptabilité ! Littérature très abondante sur le sujet : u la base (Tversky) F Sim(a, b)= f(A∩B)/f(AUB) • A = {caractéristiques de a} • B = {caractéristiques de b} u Biblio : B. Bouchon-Meunier, M. Rifqi and S. Bothorel, Towards general measures of comparison of objects. Fuzzy Sets and Systems, vol. 84, n. 2, p. 143 -153, 1996. Alain Mille 39

La réalité… n La formule générale est le plus souvent quelque chose comme : Pi = poids exprimant la « difficulté d’adapter » la solution si le descripteur problème di présente un écart entre cible et source. Alain Mille 40

Retrouver : exemple Alain Mille 41

Mesures de similarités n n Prendre en compte la structure de cas(Mignot) Mesures de comparaisons(Rifqi) u Mesure de similitudes u Mesures de dissimilarité n n Prendre en compte des historiques & des séquences (Mille, Jaczynski, Rougegrez) Etc. Alain Mille 42

Adapter : la problématique n n n il s’agit de réutiliser la solution d’un cas proche, en supposant qu’il est possible d’adapter ce cas, et plus facile de l’adapter que d’essayer de le résoudre directement. . Alain Mille 43

Adapter : formalisation Alain Mille 44

Adapter : formalisation Alain Mille 45

Adaptation : formalisation Alain Mille 46

Exemple : Connaissance / Similarité Alain Mille 47

Exemple: connaissance/adaptat ion Alain Mille 48

Adaptation générative n n trace de raisonnement = plan de résolution + justifications (+ alternatives + tentatives ayant échoué. . . ) moteur de résolution complet = système de résolution de contraintes, planificateur, recherche dans un espace d’états, etc. Alain Mille 49

n n n Résolution de contraintes Cadre [HFI 96] Notion de réduction de « dimensionnalité » fondée sur l ’interchangeabilité et la résolution de contraintes. Représentation explicite des degrés de liberté pour l’adaptation : 1) les contraintes liées aux anciens éléments de contexte ayant changé sont relâchées, u 2) on ajoute les contraintes liées aux nouveaux éléments de contexte. u 3) on résout le jeu réduit de contraintes. u [HFI 96] : Kefeng Hua, Boi Faltings, and Ian Smith. Cadre: case-based geometric design. Artificial Intelligence in Engineering, pages 171 --183, 1996 Alain Mille 50

Planificateur n n On cherche un plan qui satisfasse aux mieux les buts à atteindre à partir de l’état initial (état final proche). Ce plan est généralisé (le moins possible) pour donner un état intermédiaire susceptible de conduire à l’état final recherché. A partir de cet état intermédiaire, on tente de terminer la planification. En cas d’échec, on remonte dans l’arbre des états pour généraliser un peu plus le plan. . . Alain Mille 51

Autres approches de l’adaptation n n Par recherche en mémoire et application de cas d’adaptation : acquisition progressive de compétences d’adaptation. Par cycles itératifs de raisonnement à partir de cas : décomposition hiérarchique de l’adaptation Par l’étude des similarités de rôle des éléments dans le cas. Selon un chemin de similarité Alain Mille 52

Évaluer/Réviser n n L ’objectif est de faire le bilan d ’un cas avant sa mémorisation / apprentissage : Vérification par introspection dans la base de cas. Utilisation d’un système de vérification (contrôle de cohérence globale, simulateur, etc. ). Retour du « monde réel » . intégration des révisions dans le cas Alain Mille 53

Révision : l’exemple de CHEF* n n CHEF est un système de planification. Explication d’un échec par instanciation d’un arbre causal. Réparation par des connaissances générales. Échecs et succès guident l’insertion dans la mémoire (mémoire dynamique). *CHEF est un exemple « historique » Alain Mille 54

Mémoriser : vers l’apprentissage n n Ajouter le cas dans la base (selon la qualité des cas par exemple). Organiser le cas dans la base : l’insérer dans un réseau d ’explications. Indexer le cas dans la base. Synthétiser des connaissances nouvelles. Alain Mille 55

Maintenir une base de cas Qualité des cas-1 n Heuristiques (Kolodner) u Couvrir la tâche de raisonnement. u Couvrir les situations de succès et les situations d’échec. u Cas collectionnés d’une manière incrémentale. Alain Mille 56

Maintenir une base de cas Qualité de cas-2 n Utilité u Par rapport à la performance. u Se débarrasser des connaissances inutiles. n Compétence u Couverture d’un cas. u Accessibilité d’un problème. Alain Mille 57

Maintenir une base de cas Modéliser la compétence-1 (Smyth) n n Cas essentiels : dont l’effacement réduit directement la compétence du système. Cas auxiliaires : la couverture qu’il fournit est subsumée par la couverture de l’un de ses cas accessibles. Cas ponts : leurs régions de couverture feront la liaison entre des régions qui sont couvertes indépendamment par d’autres cas. Cas de support : cas ponts en groupe. Alain Mille 58

Maintenir une base de cas Modéliser la compétence-2 Compétence Auxiliaire, Support, Pont, Essentiel. Alain Mille 59

Organisation des cas n Mémoire plate u Indexation superficielle u Partitionnement de la mémoire u Extraction parallèle n Mémoire hiérarchique u Réseaux à traits partagés u Réseaux de discrimination Alain Mille 60

Réseaux de discrimination EG 1 index 2 valeur 1 valeura cas 1 Mémoire dynamique de Schank index 3 valeurb valeur 3 EG 2 cas 2 index 4 index 5 index 6 valeur 4 valeur 5 valeur 6 Alain Mille cas 5 61

Apprendre des connaissances-1 Exemple : Protos (cas + indexation) CHAISE Chaise 1 roulettes accoudoirs métal piédestal Alain Mille Chaise 2 siège dossier pieds bois 62

Apprendre des connaissances-2 Exemple : Protos (cas + indexation) CHAISE Prototype fort Prototype faible Différence : accoudoirs, piédestal Chaise 1 Chaise 2 Différence : pieds accoudoirs piédestal siège Alain Mille dossier pieds 63

Maintenance de la base de cas (Leake 98) n Stratégies u Collecte des données F périodique, conditionnel, Ad Hoc. u Intégration des données F On-line, Off-line. n Activation de la maintenance F espace, temps, résultat de résolution. n Étendue de la maintenance F Large, étroite. Alain Mille 64

Approches connexes au RàPC Exemples, Instances & Cas n Raisonnement fondé sur la mémoire u Pas de théorie sur le domaine u Aucune tâche d’induction ou d ’abstraction n Apprentissage à partir d’instances u Instance = attribut-valeur u IBL (Aha), C 4. 5, ID 5 R(Quinlan) n Exemples typiques (exemplar) u Protos n RàPC conversationnel (Aha) Alain Mille 65

Intégration avec d’autres approches n Exemple : Règles + cas u Mode d’intégration F Coopératif F Intégration des règles dans le RàPC u Creek (Aamodt), Cabata (Lenz) n Mode coopératif u A qui donner la main ? F Degrés de confiance F Selon type de cas Alain Mille 66

Exemples d’outils et application n n n n L’outil Orenge (http: //www. empolis. com/) Kaidara (http: //www. kaidara. com/) Case. Bank (http: //www. casebank. com/) L’environnement JColibri L’outil Remind L’outil CBR-tools Application Prolabo Application Interep Application Radix Alain Mille 67

Outil CBR*Tools n n n n Action AID, INRIA Sophia-Antipolis M. Jaczynski & B. Trousse Constat : Manque d’ouverture des outils existants (modification, ajout de composants difficile ou impossible) Nouveau type d’outil en RàPC : Plate. Forme a objets (en Java) Architecture - Points d’ouverture Modèles a objets - Explication en termes de patrons de conception Contact: trousse@sophia. inria. fr Alain Mille 68

Utilisation de CBR*Tools 1/ manipulation des classes java via éditeur 2/ atelier de manipulation directe des modèles UML Alain Mille 69

n n PROLABO / Programmation de minéralisateur microondes Un programme de minéralisation est une sorte de recette (plan) Plusieurs cas sources et/ou un cas prototype sont utilisés pour créer un cas source à réutiliser L ’adaptation est guidée par les différences structurelles relevées avec le cas cible Trois niveaux d’adaptation : u. Le niveau plan. u. Le niveau étape. u. Le niveau valeur. Alain Mille 70

Un programme de digestion Une valeur une étape Alain Mille 71

un cas prototype Plusieurs cas sources Alain Mille 72

Stratégie d’adaptation Cas sources sélectionnés cas cible différences Découvrir le type de plan Démo Théorie du domaine type de plan établir les différences expliquer les différences substitution des : - étapes - variables -valeurs Alain Mille explications des différences Solution proposée 73

RADIX n n n Modélisation de l’utilisation d’un explorateur et des tâches de navigation et de recherche d ’information Application à la recherche d’information en internet et intranet, en réutilisant l’expérience personnelle Partenaire industriel : Data Storage Systems by Chemdata Alain Mille 74

Radix : les modèles n n n Modèle d ’utilisation : tout événement « faisant sens » dans le cadre de l ’application (explorateur) (lien distant, lien local, retour, avance, signet, etc. ) Modèle tâche : une interprétation des actions : Session unitaire (SU) : du début à la fin d ’un épisode de recherche d ’information Tentative unitaire (TU) : une recherche cohérente autour d ’un sous-but particulier Recherche Unitaire (RU) : un triplet état-transition-état passant d ’une « page » à une autre « page » de la recherche. Vocabulaire utile (VU) : les termes « gagnants » pour décrire une page « utile » (portée RU, TU ou SU) Alain Mille 75

Illustration des modèles de Radix La session unitaire Alain Mille 76

Illustration des modèles de Radix TU et RU TU RU Alain Mille 77

Radix : connecter le modèle d’utilisation et le modèle de tâche Vocabulaire Utile Trace d’utilisation Alain Mille 78

ACCELERE Alain Mille 79

Alain Mille 80

Alain Mille 81

Alain Mille 82

JColibri – Historique n n Développé par le groupe GAIA (Group for Artificial Intelligence Applications, Univ. Complutense, Madrid) Origines : u Colibri [Bélen Diaz-Agudo, 2002] u CBROnto u LOOM (Logiques de description) + LISP n JColibri u JAVA u Philosophie opensource u V 1. 0 beta

n JColibri – Présentation Framework de Prototypage rapide d'applications de n RàPC Approche tâches-méthodes. Deux types de méthodes : u Décomposition u Résolution n Connecteurs : u Fichiers texte u Bases de données u RACER u. . . n Génération d'applications autonomes

JColibri – Eléments clés n Possibilités de configurer : u Structure du cas u Connecteurs u Tâches/Méthodes u Types de données personnalisés u Mesures de similarité n Pas de base de connaissance !

n JColibri – Possibilités d'extension Développement de tâches/méthodes personnalisées u Description en XML (automatisé par JColibri) u Implantation en Java n n Développement de mesures de similarité Utilisation des composants supplémentaires fournis avec JColibri ou par d'autres membres de la communauté : u CRN u Racer u Composants personnalisés

Aspects de la similarité n n n K-plus proches voisins. Agrégation. Recherche selon point de vue. Prise en compte de la dynamique d’une séquence. Approches inductives. Alain Mille 89

Représentation objet et Similarités Objet Technique Prix : réel PC Stockage Processeur Type : symbole Vitesse : réel Capacité : réel Temps : réel Magnétique disquette disque Alain Mille Optique CD-ROM 90

Calcul de similarités -1 K 2 <K 3, K 4> K K 3 K 4 K 1 LK u Similarité intra-classes F propriétés communes entre deux objets. F similarité sur la classe commune la plus spécifique. F Simintra=F(sim. A 1(q. A 1, c. A 1), …, sim. An(q. An, c. An)), Alain Mille 91

Calcul de similarités -2 OBJETS CONCRETS n n Sim(q, c)=Simintra(q, c). Siminter(class(q), class(c)) Similarité inter-classes u Siminter (K, K 1) <= Siminter(K, K 2) IF <K, K 1> > <K, K 2> u Associer une similarité Si à chaque nœud F X, Y dans Lki, Siminter (X, Y)>=Si u Siminter (K 1, K 2)= F 1 si K 1=K 2 F S<K 1, K 2> sinon Alain Mille 92

Calcul de similarités -3 n Objet abstrait et requêtes u Siminter(Q, C)= max {Siminter(Q, C`)| C`dans Lc} F 1 si Q < C F S <Q, C> sinon n Objets abstraits u Siminter(Q, C)= max {Siminter(Q, C`)| Q` dans Lq, C`dans Lc} F 1 is Q < C ou C < Q F S <Q, C> sinon Alain Mille 93