Le raisonnement automatis\u00e9 est un vaste domaine de l'intelligence artificielle (IA) et de l'informatique qui utilise la logique et l'heuristique pour r\u00e9soudre des probl\u00e8mes, prouver des th\u00e9or\u00e8mes et faire des d\u00e9ductions ou des pr\u00e9dictions. La technique implique fondamentalement la construction de syst\u00e8mes capables de tirer automatiquement des conclusions \u00e0 partir d\u2019un ensemble de pr\u00e9misses, ce qui en fait aujourd\u2019hui partie int\u00e9grante d\u2019une multitude d\u2019innovations technologiques.<\/p>\n
Le raisonnement automatis\u00e9 trouve ses racines profond\u00e9ment ancr\u00e9es dans l\u2019histoire de la logique et de l\u2019informatique. Le premier moteur d'inf\u00e9rence connu a \u00e9t\u00e9 construit dans le cadre de Logic Theorist, un programme con\u00e7u par Allen Newell, Cliff Shaw et Herbert Simon en 1955. Le programme \u00e9tait capable de prouver des th\u00e9or\u00e8mes de Principia Mathematica, lan\u00e7ant ainsi l'\u00e8re du raisonnement automatis\u00e9.<\/p>\n
En 1958, John McCarthy a introduit Lisp, le premier langage de programmation int\u00e9grant le raisonnement automatis\u00e9 en son c\u0153ur. Par la suite, dans les ann\u00e9es 1960 et 1970, la recherche en IA a encore affin\u00e9 le concept, aboutissant au d\u00e9veloppement du premier langage de programmation Prolog en 1972, un langage centr\u00e9 sur le raisonnement automatis\u00e9.<\/p>\n
Les syst\u00e8mes de raisonnement automatis\u00e9s, \u00e0 la base, mettent en \u0153uvre des algorithmes et des heuristiques bas\u00e9s sur la logique pour d\u00e9duire de nouvelles connaissances \u00e0 partir d\u2019un ensemble donn\u00e9 de faits et de r\u00e8gles. Ils sont capables d\u2019effectuer des t\u00e2ches d\u2019inf\u00e9rence logique, de preuve de th\u00e9or\u00e8mes et de r\u00e9solution de probl\u00e8mes.<\/p>\n
Le raisonnement automatis\u00e9 est divis\u00e9 en deux types\u00a0:<\/p>\n
Raisonnement d\u00e9ductif\u00a0: il s\u2019agit de tirer logiquement certaines conclusions \u00e0 partir de pr\u00e9misses donn\u00e9es. Par exemple, si toutes les pommes sont des fruits et qu\u2019une Granny Smith est une pomme, un syst\u00e8me utilisant le raisonnement d\u00e9ductif conclurait qu\u2019une Granny Smith est un fruit.<\/p>\n<\/li>\n
Raisonnement inductif\u00a0: il s'agit de former des r\u00e8gles g\u00e9n\u00e9rales bas\u00e9es sur des instances observ\u00e9es. Par exemple, apr\u00e8s avoir observ\u00e9 une centaine de cygnes blancs, un syst\u00e8me utilisant le raisonnement inductif d\u00e9duirait que tous les cygnes sont blancs.<\/p>\n<\/li>\n<\/ol>\n
Les syst\u00e8mes de raisonnement automatis\u00e9 comprennent plusieurs \u00e9l\u00e9ments cl\u00e9s\u00a0:<\/p>\n
Base de connaissances<\/strong>: Ceci stocke les r\u00e8gles et les faits que le syst\u00e8me utilise pour tirer des conclusions.<\/p>\n<\/li>\n Moteur d'inf\u00e9rence<\/strong>: Ceci applique des r\u00e8gles logiques aux donn\u00e9es de la base de connaissances pour d\u00e9duire de nouvelles informations.<\/p>\n<\/li>\n Interface utilisateur<\/strong>: Cela permet une interaction avec le syst\u00e8me, permettant aux utilisateurs de saisir de nouvelles donn\u00e9es et de visualiser les conclusions du syst\u00e8me.<\/p>\n<\/li>\n<\/ol>\n Le syst\u00e8me fonctionne en prenant d'abord un probl\u00e8me d'entr\u00e9e et en le repr\u00e9sentant dans un langage formel. Il effectue ensuite une recherche dans sa base de connaissances, en utilisant le moteur d'inf\u00e9rence pour appliquer des r\u00e8gles logiques et en d\u00e9duire de nouvelles informations. Le r\u00e9sultat est g\u00e9n\u00e9ralement une solution au probl\u00e8me d\u2019entr\u00e9e ou un ensemble de conclusions bas\u00e9es sur les donn\u00e9es d\u2019entr\u00e9e.<\/p>\n Le raisonnement automatis\u00e9 pr\u00e9sente plusieurs caract\u00e9ristiques distinctes qui le distinguent\u00a0:<\/p>\n Logique formelle<\/strong>: Il utilise des langages formels et la logique pour la repr\u00e9sentation et la d\u00e9duction des probl\u00e8mes.<\/p>\n<\/li>\n Inf\u00e9rence automatis\u00e9e<\/strong>: Il est capable de tirer des conclusions ou de r\u00e9soudre des probl\u00e8mes sans intervention humaine.<\/p>\n<\/li>\n G\u00e9n\u00e9ralisabilit\u00e9<\/strong>: Le m\u00eame syst\u00e8me peut r\u00e9soudre divers probl\u00e8mes compte tenu de diff\u00e9rents ensembles de r\u00e8gles et de faits.<\/p>\n<\/li>\n Coh\u00e9rence<\/strong>: Il maintient la coh\u00e9rence dans son raisonnement, \u00e9vitant ainsi les contradictions dans la base de connaissances.<\/p>\n<\/li>\n<\/ol>\n Les syst\u00e8mes de raisonnement automatis\u00e9 peuvent \u00eatre class\u00e9s en fonction de leur style de raisonnement et des types de probl\u00e8mes auxquels ils s'attaquent. Voici un bref tableau r\u00e9sumant quelques types\u00a0:<\/p>\nPrincipales caract\u00e9ristiques du raisonnement automatis\u00e9<\/h2>\n
\n
Types de raisonnement automatis\u00e9<\/h2>\n