Fiche de lecture: NEOMYCIN

Table des matières

Les origines de NEOMYCIN remontent à un système appelé MYCIN, développé au milieu des années 70 à Stanford dans le cadre du "Heuristic Programming Project". MYCIN était un système expert "classique" pour le diagnostic d'infections bactériennes, qui comprenait un ensemble de règles, contenant les connaissances du domaine d'application, et un moteur d'inférences, capable de raisonner sur les règles pour en tirer des conclusions.

Afin de créer un système capable d'enseigner les connaissances contenues dans MYCIN, William Clancey décida de lui ajouter un tuteur, GUIDON, conçu comme un système expert distinct et indépendant du domaine. Celui-ci contenait une série de "règles de tutorat" générales, qui ne tenaient pas compte des stratégies de raisonnement utilisées dans le diagnostic médical. Cette séparation complète entre connaissances du domaine et tuteur, intéressante dans une optique de transférabilité à d'autres domaines, se révéla être une limitation importante d'un point de vue pédagogique:

• GUIDON, n'était pas toujours en mesure d'évaluer correctement les hypothèses proposées par l'étudiant, car il se reposait pour cela entièrement sur MYCIN. Or, celui-ci utilisait une approche de chaînage arrière "top-down", consistant à décomposer un objectif global en sous-objectifs jusqu'à arriver aux règles de base, et était donc incapable de raisonner "vers l'avant", ce qui lui aurait permis d'accepter des hypothèses partiellement justes.
• Dans MYCIN, les stratégies de raisonnement et l'organisation des connaissances étaient contenues implicitement dans les règles du domaine. Par conséquent, les étudiants utilisant GUIDON avaient beaucoup de peine à intégrer les règles qui leur étaient présentées dans un ensemble cohérent de connaissances.

Pour résoudre ce problème, Clancey et son équipe, après avoir étudié le processus de diagnostic médical mis en oeuvre par des experts, décidèrent qu'une reconfiguration complète du système était nécessaire. Alors que MYCIN contenait une base de règles "compilée" (et donc assez obscure pour les étudiants), qui combinait règles du domaine et stratégie implicite de raisonnement, leur nouvel objectif était de produire un modèle explicite du raisonnement diagnostic, idée qui se matérialisa dans un nouveau système, NEOMYCIN.

Une stratégie de raisonnement explicite

L'innovation la plus importante qu'apporte NEOMYCIN est la séparation des connaissances stratégiques des règles du domaine. En d'autres termes, le système contient un ensemble de "méta-règles" indépendantes du domaine, qui constituent un deuxième système expert, modélisant de manière explicite la stratégie de raisonnement du diagnostic médical, et chargé de contrôler le système expert du domaine. Ces règles indiquent par exemple comment constituer un espace d'hypothèses, ou comment valider des hypothèses sur des données.

Alors que MYCIN ne connaissait pas le concept d'hypothèse, NEOMYCIN peut ainsi mémoriser explicitement les hypothèses actives dans un "différentiel", censé correspondre à la mémoire de travail humaine, et les gérer grâce aux méta-règles stratégiques. Et là où MYCIN devait se contenter d'effectuer une recherche exhaustive dans la base de règles par chaînage arrière, NEOMYCIN est capable de raisonner "vers l'avant", c'est-à-dire de proposer des hypothèses à partir des données, en appliquant les règles du domaine sous le contrôle de la "méta-stragégie". Cette manière de faire présente plusieurs avantages:

• La recherche exhaustive par chaînage arrière n'est possible que si le nombre de conclusions à tester est limité. NEOMYCIN, qui peut aussi procéder de manière non exhaustive vers l'avant, est capable de gérer un domaine de connaissances plus vaste.
• L'existence d'un différentiel explicite permet au système de procéder d'une manière plus logique (et aussi plus proche du raisonnement humain), en choisissant les transitions ayant le plus de sens en fonction des hypothèses en compétition. NEOMYCIN évite ainsi de poser des questions inutiles, un problème relevé par les utilisateurs de MYCIN.
• Certaines hypothèses "bottom-up" proposées par les étudiants, que GUIDON ne pouvait accepter, peuvent être stockées dans le différentiel pour être traitées plus tard.
• Les justifications et explications peuvent être données par le système en termes de stratégie globale de raisonnement, en fonction des hypothèses courantes, et non pas seulement en référence aux règles du domaine.

Structure épistémologique des connaissances

Pour que le système puisse appliquer une stratégie de raisonnement adéquate, il faut que la base de connaissances du domaine à laquelle il s'applique soit structurée de façon appropriée et fournisse l'information nécessaire à la mise en oeuvre de cette stratégie. A cet effet, la base de règles de MYCIN a été remaniée sur deux plans:

• Les règles du domaine ont été épurées des aspects "stratégie de raisonnement" qu'elles contenaient de manière implicite (par exemple sous la forme de clauses additionnelles), et ceux-ci ont été repris soit comme règles du domaine explicites, soit comme méta-règles stratégiques.
• Les connaissances du domaine ont été réparties en catégories épistémiques cohérentes: principes généraux, relations causales, règles heuristiques, etc. Cette organisation peut ensuite être utilisée par la méta-stratégie pour accéder de différentes façons aux règles du domaine, en fonction du contexte et au fur et à mesure que des hypothèses sont générées, comme le font les experts humains. Ces divers "points de vue" sur la base de connaissance ont donc une signification sémantique explicite, et jouent un rôle crucial pour permettre une variété de tâches et de stratégies de raisonnement, grâce auxquelles les données et les conclusions pertinentes peuvent être mis en correspondance.

Référence: E. Wenger, Artificial Intelligence and Tutoring Systems, Morgan Kaufmann Publishers, 1987, pp. 261-277.