Analyse théorique - introduction aux topic maps
Les Topic Maps et le réseau sémantique
Traditionnellement, une carte structurant les connaissances utilise des index, des glossaires et / ou des thesaurus. Le domaine de l'Intelligence artificielle (IA) impose lui aussi une représentation fiable de la connaissance (et de la signification), pour soutenir la communication homme - machine. Un formalisme de représentation de connaissance largement utilisé est celui de graphiques conceptuels, dont les composantes sont des concepts et des relations conceptuelles. Un modèle de structure de " graph ", qui est très semblable à celui de graphiques conceptuels, est mis en oeuvre en tant que réseau sémantique.
Le traitement automatique des données qui visent à faciliter la recherche d'information et la navigation sur le web,nécessite la représentation formelle des connaissances concernanat ces données (leur sémantique). Plusieurs standards ont été proposés pour formaliser cette sémantique, par exemple sous forme de mêta-données: c'est le cas du langage RDF (Ressource Description Framework) du W3C et du formalisme des Topic Maps, standard ISO développé au départ dans le monde de l'édition pour constituer un équivalent électronique des index traditionnels. Les mêta-données permettent de décrire les ressources, ainsi que les relations entre ces ressources.<Topic Maps et navigation intelligente sur le Web sémantique>
Le modèle de base de réseaux sémantiques ressemble à celui des sujets (topics) et des associations trouvées dans des index, donc la nouvelle norme de topic maps fournira de grands bénéfices tant dans la gestion de l'information que dans la gestion de connaissance. En ajoutant à un topic l'axe d'occurrence et le modèle d'association, les topic maps construisent une liaison entre la représentation de la connaissance et le domaine de la gestion de l'information.
Dans l'arène d'IA, il y a une technique de représentation de la connaissance appelée un réseau sémantique. Un réseau sémantique est créé en utilisant des noeuds composants et des liens d'une structure. Les noeuds représentent des objets, des concepts, ou des situations dans un domaine spécifique. Les liens représentent et définissent des rapports entre les noeuds. Des réseaux sémantiques sont souvent employés pour représenter la connaissance des experts humains en matière d'applications d'IA appelées les systèmes experts du moteur d'inférence .<Using Topic Maps for the representation, management and discovery of knowledge>
Il ne faut pas perdre de vue que la connaissance diffère fondamentalement de l'information. Car selon (Ruggles, 1997), "la gestion de la connaissance couvre trois activités de connaissance principales : la génération, la codification et le transfert", par conséquent le topic map pourrait être considéré comme la norme pour la codification en devenant une chose préalable nécessaire pour le développement des outils qui aident dans la génération et le transfert de la connaissance.
La capacité de coder des structures de connaissance donne au topic map un rôle principal dans la gestion de connaissance : le topic map peut être utilisé pour représenter la relation réciproque de rôles, des produits, des procédures, etc qui constitue la " mémoire " d'entreprise et les liaisons avec la documentation correspondante.<Le TAO du topic maps>
Puisqu'on peut dire qu'un topic map représente la connaissance au sujet des choses qu'elle décrit, cette solution est parfaite pour toutes les sortes des portales, catalogues, index d'emplacement, etc.
Comment les Topic Maps fonctionnent
Avec des Topic Maps nous pouvons créer un index d'information àl'extérieur de cette information. Le Topic Map décrit l'information dans les documents et les bases de données en se liant entre eux par URLs . Le Topic Maps prend les concepts principaux décrits dans les bases de données et les documents et les relie indépendamment de ce qui est dit au sujet d'elles dans l'information.
Les concepts clefs dans topic map sont les topics (sujets), leurs associations et leurs occurrences. Chaque topic a un identificateur interne et au moins une représentation externe. Les topics peuvent avoir n'importe quel nombre de références à l'information externe (occurrence) et peuvent être tapés dans des classifications (norme)
Les caractéristiques d'un topic:
- le nom de topic (la représentation externe
- les occurrences (les liens vers des ressources)
- le rôle joué par le topic en l'association
La prochaine étape est les rapports entre les topics, qui dans des Topic Maps est modelée avec les associations (les lignes entre les topics). Les associations ont un dispositif peu commun. On dit que chaque topic impliqué dans l'association joue un rôle , qui est défini par son type de rôle . A son tour, l'association elle même peut être traversée dans l'une ou l'autre direction. Des associations n'ont pas besoin d'être limitées à deux topics.Les associations entre les topics permettent le lien entre les concepts et facilitent la navigation au niveau sémantique.
La dernière caractéristique principale des Topic Maps est représenté par les occurrences , qui sont des ressources de l'information concernant un topic. Les occurrences pourraient être des pages web, des images, des documents, des ressources etc... Puisque des occurrences peuvent également être dactylographiées, ces différents genres de ressources peuvent être distingués. Ceci signifie qu'au moment où un utilisateur vient à un topic et veut plus d'informations sur lui, il obtient non seulement un ensemble de liens, mais il sait également ce que fait chaque lien qui l'intéresse.
Le dernier point est que les topics peuvent également avoir des types, paer exemple les types raisonnables pour les topics pourraient être 'norme ', 'organisme de normalisation ', 'personne ', etc. Notamment, les Topic Maps sont elles-mêmes les topics, ce que signifie que n'importe qui a crée un Topic Maps peut choisir quel topic dactylographier, des types d'association et de rôle, et les types d'occurrence qu'elles veulent employer. En conséquence, le modèle est infiniment extensible et adaptable et peut capturer un nombre infinit d'information.
Un des avantages de l'approche de Topic Maps est qu'habituellement, quand nous réalisons un Topic Map pour un ensemble de données existantes (des documents ou des bases de données), nous constatons qu'un certain nombre de concepts importants sont touchés dessus dans l'ensemble de données, sans réellement avoir leurs propres identités.
Avant que nous regardions les caractères pratiques, un peu de fond est nécessaire. Les Topic Maps sont une norme de l'OIN, éditée comme ISO/IEC 13250 de 2000. Cette norme définit le modèle de base et une syntaxe SGML-basée pour elle, qui emploie HyTime pour l'enchaînement, et est donc connue comme HyTM. Quand la norme a été éditée il était clair que quelque chose comme un enchaînement-optimisée ait été nécessaire, et ainsi une organisation ad hoc connue sous le nom de TopicMaps.Org a été formée pour créer une syntaxe de Topic Map basée sur XML et URIs.
TopicMaps.Org a édité ses spécifications 1,0 des topic maps de XML (XTM) début 2001, et en octobre de la même année la syntaxe a été acceptée dans la deuxième édition d'OIN 13250 comme annexe. Aujourd'hui, XTM est la syntaxe principale de topic map et elle est soutenu par presque tous les outils de topic maps.
Terminologie et syntaxe
En bref, quelques termes de décrire des documents xtm (norme)
<topicMap>:
- Le terme
- Un topic map est constitué d'un réseau des topics (sujets) liés par les rôles qu'ils jouent les uns à regard des autres et par les influences qu'ils ont les uns sur les autres (associations).
- Les balises :
- Avec l'élément <TopicMap> on déclare le topic-map lui même. Sa caractéristique (comme les éléments <topic> ou <subjectIdentity>) est qu'il peut être vide.
- Syntaxe :
- Au début du fichier XTM on met la déclaration de la topic-map où s'effectue normalement tout , juste après la déclaration de la version de xml et du DOCTYPE. Voici, par exemple, comment on déclare une topic map :
<?xml version="1.0 encoding=""ISO-8858-1"?> <!DOCTYPE topicMap PUBLIC "-//TopicMaps.Org//DATE XML Topic Map (XTM) 1.0 // EN" "file: // usr/local/home/gromit/xml/xtm/xtm1.d td"> <topicMap id="namedocument" xmlns="http://www.topicmaps.org/xtm/1.0" xmlns:xlink="http://www.w3.org/1999/xlink"> ... </topicMap>
- Les declarations xmlns envoient à la page définie par le formalisme XTM. Le deuxième envoie est vers le formalisme xlink de la W3. L'identité id="namedocument" n'est pas obligatoire et elle définie le sujet du topic map mais il doit être unique dans le document.
<topic> :
- Le terme:
- Un topic peut être n'importe quelle chose, sans se soucier, qu'elle existe ou pas, si elle est de nature physique ou juste une idée ou une expression (norme)
- Les balises:
- L'élément <topic> peut représenter un sujet, une occurrence ou une association dans le topic map.
- Syntaxe :
<topic id="identificateur-interne">
...
</topic>
<baseName> et <baseNameString>:
- Le terme:
- Le base-name est la forme de base d'un nom de topic et il est différent de l'indificateur interne "id".Les base-name sont soumis à topic nommant la contrainte, qui interdit a topic map traité de contenir des sujets multiples avec la même base nomment dans même but.
- Les balises:
- L'élément <baseName> permet de définir le nom (représentation externe) d'un topic et l'élément obligatoire <baseNameString> permet de préciser le nom de base pour le topic.
- Syntaxe :
<topic id="identificateur-interne"> <basename> <basenameString>nom-topic</basenameString </basename> </topic>
<occurrence>,<ressourceRef>,<topicRef>, <ressourceData>:
- Le terme :
- Une occurrence c'est une information relevant d'un sujet précis. Cela peut être toute forme de ressource comme une page web, un texte, une image, une vidéo ou autres qui traitent un thème précis.
- Les balises :
- L'élément <occurrence> est de renvoyer vers une ressource par <ressourceRef> ou aussi un topic par <topicRef> traitant de la topic dans laquelle cette occurrence est déclaré. Elle permet donc aux lecteurs d'accéder à de plus amples informations existant sur le web et portant sur la topic en question. L'élément <ressourceData> permet d'introduire une description de la ressource.
- Syntaxe :
<topic id="identificateur-interne"> ... <occurrence id="name"> <ressourceRef xlink:href="url"> ou <topicRef xlink:href="#id-topic"> <ressourceData>description</ressourceData> </occurrence> </topic>
Il faut savoir à ce niveau de connaissance que toute référence à une ressource externe se fait entre les balises <occurrence></occurrence>.
<subjectIdentity> et <subjectIndicatorRef>,<scope>
- Le terme:
- On peut définir l'élément <subject-identity> comme étant une caractéristique qui permet de distinguer un sujet (ici une topic) des autres sujets. Touts les topics ne doivent pas avoir qu'un seul « sujet » et tout « sujet », une identité unique.
Le
scope
permet de spécifier le contexte dans lequel une base-name ou une occurrence est appliquée à une topic et le contexte dans lequel on relie des topics par certaines associations. - Les balises :
- On peut définir l'élément <subjectIdentity> comme l'identité d'un topic qu' une machine peut comprendre. Pour cela on fait un lien vers une ressource qui sert, d'un commun accord, de légitimation de l'identité de notre topic.
L'élément <scope> permet d'assigner à un topic donné un nom ou une occurrence et définir le contexte dans lequels les sujets sont rapprochés par des association. - Syntaxe :
- Par exemple si nous voulons accéder au nom du topic écrit en deux langues (anglais-français) pour le topic "NOM", on peut écrir comme "baseName" en anglais "name" et en français "nom". On va créer 2 nouvelles topics <english> et <français> qui correspondront aux 2 concepts en norme ISO des langues «English» et «Français». On va procéder ainsi :
<topic id="english"> <subjectIdentity> <subjectIndicatorRef xlink:href="http://www.topicmaps.org/xtm/1.0/language.xtm#en"/> </subjectIdentity> </topic> <topic id="français"> <subjectIdentity> <subjectIndicatorRef xlink:href="http://www.topicmaps.org/xtm/1.0/language.xtm#fr"/> </subjectIdentity> </topic>
- Le lien de référence vers le site topicmaps.org permet de légitimer l'identité des topics pour l' anglais ("english") et le français ("français") pour que même la machine puisse comprendre de quoi on parle (ce sont les PSI's - Published Subject Indicators). Maintenant qu'on a nos 2 concepts de langue définis sous forme de topic, il nous suffit d'y référer à partir de notre topic «NOM» à l'aide des balises <scope>.
<topic id="NOM"> <basename> <scope> <topicRef xlink:href="english"> </scope> <basenameString>nom</basenameString> </basename> <basename> <scope> <topicRef xlink:href="français"> </scope> <basenameString>name</basenameString> </basename> </topic>
<association>, <member>, <roleSpec>
- Le terme:
- Une association est un lien entre deux sujets (topics). L'association définit des rôles aux topics qu'elle relit et doit aussi être définie comme une topic dans le document (car elle est aussi un concept dans le sens ou elle traite aussi d'un sujet qui porte sur la relation entre d'autre sujets).
- Les balises :
- L'élément <association> permet de définir une relation entre deux topics ou plusieurs.
L'élément <membre>permet d'indiquer quels topics sont membres d'une associations.
L'élément <roleSpec> permet de spécifier le rôle qu'un topic joue dans une association. Il s'agit ici d'aller plus loin que de dire qu'une topic est membre d'une association. Il faut lui associer un rôle concret. - Syntaxe :
- Puisqu'une association doit avoir minimum deux topics, il faut créer un nouveau topic auquel on pourra relier la topic "NOM" à l'aide d'une association. On va créer la topic "PERSONNE" pour associer le topic "NOM" avec le topic "PERSONNE" à l'aide d'une association et après on va créer les topics pour le rôle joué de membres dans l'association ( "R-nom", "R-personne" )et le topic pour l'association "NOM" et "PERSONNE" ("N-P")
<topic id="NOM"> <basename> <basenameString>nom</basenameString> </basename> </topic> <topic id="PERSONNE"> <basename> <basenameString>personne</basenameString> </basename> </topic> </topic> <topic id="R-nom"> <basename> <basenameString>le "nom" fait partie de la categorie "personne" </basenameString> </basename> </topic> </topic> <topic id="R-personne"> <basename> <basenameString>Dans la categorie "personne" nous avons le "nom"</basenameString> </basename> </topic> <association id="ass-N-P"> <member> <roleSpec> <topicRef xlink:href="R-nom"> </roleSpec> <topicRef xlink:href="NOM"></member> <member> <roleSpec> <topicRef xlink:href="R-personne"> </roleSpec> <topicRef xlink:href="PERSONNE"></member> </association> <topic id="N-P"> <basename> <basenameString>association nom et personne</basenameString> </basename> </topic>
<instanceOf>:
- Le terme :
- L'élément <instanceOf> spécifie la classe à laquelle son parent appartient, via <topicRef> ou <subjectIndicatorRef>.Autre nom pour le topic-instance est l'élément d'enfant.
- Les balises :
- Cet élément permet de dire qu'une certaine association, topic ou occurence est d'un certain type (classe). Par exemple on peut dire qu'un topic est une instance d'une classe de topic.
Dans les topics - chaque l'élément d'enfant <d'instanceOf>, facultatif et répétable, spécifie dont une classe à laquel ce topic est instance.Si aucun des enfants <d'instanceOf> ne sont présents, la classe de topic manque à ses engagements à la classe définie partopic
published subject..
Dans l'association - la classe à laquelle <l'association> appartient est spécifiée par l'élément d'enfant <instanceOf>.Si aucun tel élément n'est présent, les défauts de classe de l'association àassociation
published subject..
Dans l'occurence - la classe dont la présence(l'occurrence) est instance est indiquée via l'élément d'enfant <instanceOf>.Si aucun tel élément n'est présent, les défauts de type d'occurrence à la classe définie paroccurrence
published subject.. - Syntaxe :
- Dans l'exemple avec l'association NOM et PERSONNE on peut dire que le NOM apartient au catégorie PERSONNE et il fait partie de la classe MALE
<topic id="NOM"> <instanceOf> <topicRef xlink:href="#MALE"/> </instanceOf> <basename> <basenameString>nom</basenameString> </basename> </topic>
ou
<association id="ass-N-P"> <instanceOf> <topicRef xlink:href="#MALE"/> </instanceOf><member> <roleSpec> <topicRef xlink:href="R-nom"> </roleSpec> <topicRef xlink:href="NOM"></member> <member> <roleSpec> <topicRef xlink:href="R-personne"> </roleSpec> <topicRef xlink:href="PERSONNE"></member> </association> <topic id="NOM"> <basename> <basenameString>nom</basenameString> </basename> <occurrence id="NOM-O"> <instanceOf> <topicRef xlink:href="#MALE"/> </instanceOf> <ressourceData>description</ressourceData> </occurrence> </topic>
Références, sources, outils
Topics maps - généralités
- Topic Maps linksCette page lie aux sources utiles d'informations sur des cartes de matière, une nouvelle norme de l'OIN pour l'information d'organisation. Des cartes de matière sont basées sur XML, mais vont lointaines au delà de XML en termes de ce qu'elles peuvent faire pour organiser l'information.
- Spécification xml-Topic MapsCes spécifications fournissent un modèle et une grammaire pour représenter la structure des ressources de l'information utilisées pour définir des topics, et les associations (rapports) entre les topics. Les noms, les ressources, et les rapports seraient des caractéristiques des sujets abstraits, qui s'appellent les topics . Les matières ont leurs caractéristiques dans des portées : c'est à dire les contextes limités dans lesquels les noms et les ressources sont considérés comme le nom, les ressources, et les caractéristiques du rapport. Un ou plusieurs documents en corrélation utilisant cette grammaire s'appelle un Topic Maps.
- Managing complex environments with Topic MapsCet article propose une méthodologie générale pour le bâtiment et la gestion de carte de matière dans les environnements complexes de l'information impliquant une grande diversité des ressources, des objets, des concepts et des acteurs. La méthodologie se concentre sur la distinction entre "les niveaux " objectifs des objets et des ressources identifiés, et" le niveau " conceptuel, et propose des manières pour structurer, lier et contrôler ces différents niveaux. Un cas d'utilisation est présenté: Le navigateur de matière de Mondeca est l'outil de gestion pour une base de données de collaboration de ressource des personnes, des organismes, des outils, des projets et des événements impliqués dans le développement des cartes de matière et d'autres technologies relatives de la connaissance
- Le TAO du topic mapsL'introduction classique aux topic maps.
- topicmap.comUn environement utile au sujet des topic maps
- easytopicmaps.comUn environement de wiki au sujet des topic maps.
Topic Maps - aplications, exemple, tutoriels, outils...
- Using Topic Maps for the representation, management and discovery of knowledgeDans l'arène de l'IA, il y a une technique de représentation de la connaissance appelée un réseau sémantique. Un réseau sémantique est créé en utilisant des noeuds se composants et des liens d'une structure. Les noeuds représentent des objets, des concepts, ou des situations dans un domaine spécifique. Les liens représentent et définissent des rapports entre les noeuds. Des réseaux sémantiques sont souvent employés pour représenter la connaissance des experts humains en matière d'applications de AI appelées les systèmes experts du moteur d'inférence .
- XSLT stylesheets for converting ISO 13250 Topic Map documents into XTM 1.0 syntax.Voici que vous trouverez publiquement les documents disponibles de carte de matière de plusieurs fournisseurs de carte de matière. Des échantillons provenant de chaque fournisseur sont empaquetés avec les manuscrits de transformation de XSLT qui transforment la saveur spécifique de syntaxe de cartes de matière de fournisseur en syntaxe de la version 1,0 de XTM . Des documents transformés de XTM conformant selon les spécifications de XTM 1,0 sont également fournis. Des manuscrits de XSLT peuvent être librement employés par leurs des utilisateurs de Topic Map et des lotisseurs pour mettre à jour documents de carte de matière à la nouvelle norme.
- Authoring XTM Topic Maps, Part ILa propriété intéressante du topic map estque certaines des topics du topic map peuvent être dans un rapport (associations) uns à égard des autres. Et, les topics peuvent jouer différents rôles dans différentes associations. Les topics peuvent également contenir tout nombre de références externes, telles que les pages d'enchaînement...
- Exemple tutoriel Topic Maps - Ontopia Omnigator Ce document est le guide des utilisateurs de l'Ontopia Omnigator , le navigateur omnivorous de topic map, construit en utilisant le navigateur SDK d'Ontopia. Il explique comment diriger des topic maps en utilisant l'Omnigator, et fournit également quelques conseils sur la façon de créer et charger vos propres topic map. Il assume la connaissance de base au sujet des topic maps.
- MyFirstTopicmap - tutorielUn autre exemple tutorial Topic Maps
- Topic Maps - grammaireCes spécifications définissent la syntaxe d'échange des topic maps 1.0 de XML (XTM) pour des topic maps, une syntaxe basée sur XML, XLink, et URIs. Les expressions syntactiques permises dans des documents de XTM sont contraintes en utilisant un DTD et une prose, et leur interprétation est employer défini
- TM4JUn projet ouvert de moteur de topic maps de source dans Java.
- Perl XTMUn moteur ouvert de topic maps de source dans le Perl.
- le tmprocUn moteur ouvert de topic maps de source dans le Python.
- l'OmnigatorUn browser libre de topic maps qui peut montrer n'importe quel topic map. Il y a également une démonstration en ligne
- mondeca.com Cette version: Novembre 2000. Voir la version mise à jour: Managing complex environments with Topic Maps ont présenté aux Knowledge Technologies 2001Les topic maps ont attiré récemment beaucoup d'attention parmi les spécialistes de la représentation et de la gestion de la connaissance, puisqu'ils leur apparaissent comme un outil puissant et souple pour leur univers complexe de l'information. La norme elle-même ne contient pas beaucoup de directives de toute façon au sujet de la construction efficace des cartes signicatives dans n'importe quel contexte donné. Cet article propose une armature méthodologique pour la définition des topics et des associations.
2. Analyse structurée de IA
Quelle est l'intelligence artificielle
<Qu'est-ce que l'intelligence artificielle ?>
Quelques considérations générales :
L'IA est une discipline relativement nouvelle (apparue au milieu du 20ème siècle). On la mentionne de plus en plus fréquemment en journaux, magasins, sur la TV, en films, et dans divers genres de divertissements d'ordinateur, pourtant on ne la comprend pas largement.
L'intelligence artificielle est la discipline visant à comprendre la nature de l'intelligence en condtruisant des programmes d'ordinateur imitant l'intelligence huamine.On confond fréquemment (à tort) cybernétique et intelligence artificielle; alors que la cybernétique s'intéresse aux propriétés mathématiques de systèmes retroactifs et considère l'homme comme un automate, l'intelligence artificielle s'intéresse aux processus cognitifs mis en oevre par l'être humain lors de l'accomplissement de tâches intelligents.
L'IA n'est pas enseignée ou même, elle n'est pas mentionnée dans beaucoup d'écoles et relativement peu de cours de degré d'étudiant préparant une licence d'offre d'universités de IA pourtant c'est une partie centrale d'un des développements scientifiques et intellectuels les plus profonds du dernier siècle: l'étude d'information, comment elle peut être acquise, stocké, manoeuvré, prolongé, utilisé, et transmise, en même temps chez les machines, ou les humains.
Donc, l'IA est la science et la technologie de faire les machines intelligentes, particulièrement programmes machine intelligents. On la lie à la tâche semblable d'utiliser des ordinateurs pour comprendre l'intelligence humaine, mais l'IA ne doit pas se confiner aux méthodes qui sont biologiquement observables
Que signifie une machine intelligente?
<Intelligence artificielle - introduction>
Une machine sera considérée comme intelligente si elle reproduit le comportement d'un être humain dans un domaine spécifique ou non.
Les informaticiens adhèrent souvent à cette interprétation de l'intelligence artificielle. On peut également noter les rapports entre cette approche et celle de l'école béhavioriste ou comportementaliste en psychologie pour laquelle seul le comportement est un sujet d'études scientifiques. On désigne parfois par ingénierie des connaissances cette branche de l'informatique dont l'objet est de concevoir des machines reproduisant (et dépassant) les capacités humaines (et surtout celles qui semblent échapper à toute méthode, à tout algorithme). Les sciences cognitives par contre (ou plus exactement le cognitivisme qui en représente le courant principal des années 1960 à nos jours) se sont constituées en posant comme hypothèse de base la pertinence de l'analogie entre les couples esprit|cerveau et logiciel|matériel.
Quelques exemples d'applications de IA :
Il y a trois domaines de l'intelligence artificielle importante en ce moment (début 1984): la compréhension d'images, la compréhension des langues maternelles, les systèmes experts et les techniques d'apprentissage.
- Reconnaissance de la parole
- Dans les années 90, la reconnaissance de la parole d'ordinateur a atteint un niveau pratique pour des buts limités. Ainsi les lignes aériennes unies ont remplacé leurs arbre de clavier pour l'information de vol par un système en utilisant la reconnaissance de la parole des numéros de vol et des noms de ville. C'est tout à fait commode. Sur l'autre main, alors qu'il est possible d'instruire quelques ordinateurs en utilisant la parole, la plupart des utilisateurs sont toujours allés de nouveau au clavier et à la souris comme plus commode.
- Langage naturel de compréhension
- Entrer juste un ordre des mots dans un ordinateur n'est pas assez. La phrase à analyser n'est pas assez non plus. L'ordinateur doit être équipé de la compréhension du domaine d'où le texte parvient, et c'est actuellement possible seulement aux domaines très limités
- Vision d'ordinateur
- Le monde est composé par des objets tridimensionnels, mais les entrées aux appareils-photo humains de TV d'oeil et d'ordinateurs sont bidimensionnelles. Quelques programmes utiles peuvent fonctionner seulement dans deux dimensions, mais la pleine vision d'ordinateur exige l'information tridimensionnelle partielle qui n'est pas simplement un ensemble de vues bidimensionnelles. Actuellement il y a seulement des manières limitées de représenter l'information tridimensionnelle directement, et elles ne sont pas aussi bonnes que cellesdes humains .
- Systèmes experts
- Le domaine des systèmes expert est très fertile en applications, par exemple, pour l'enseignement assisté par ordinateur.Un
l'ingénieur de la connaissance
interviewe des experts en matière de certain domaine et essaye d'incarner leur connaissance dans un programme machine pour effectuer une certaine tâche. À quel point ceci fonctionne dépend de si les mécanismes intellectuels exigés pour la tâche sont dans l'état actuel de l'IA. Quand ceci s'est avéré ne pas être ainsi, il y avait beaucoup de résultats décevants. Un des premiers systèmes experts était MYCIN en 1974, qui a diagnostiqué des infections bactériennes du sang et a suggéré des traitements. Depuis les experts consultants par les ingénieurs de la connaissance a su des patients, des médecins, la mort, le rétablissement, etc., il est clair que les ingénieurs de la connaissance aient forcé ce que les experts leur ont dit dans un cadre prédéterminé. Dans l'état actuel de l'IA, ceci doit être vrai. L'utilité des systèmes experts courants dépend de leurs utilisateurs ayant le bon sens. - Classification heuristique
- Un des genres les plus faisables de système expert donnés la connaissance actuelle de l'IA doit mettre de l'information dans une d'un ensemble fixe de catégories en utilisant plusieurs sources d'information.
Quelques exemples des topics pour l'intelligence artificielle:
Voici une liste des branches qui peuvent être considérées comme des concepts ou des topics plutôt que de pleines branches <Quelques concepts> :
- AI logique
- Quel programme sait le monde en général les faits de la situation spécifique dans laquelle il doit agir, et ses buts tous sont représentés par des phrases d'une certaine langue logique mathématique. Le programme décide quoi faire en impliquant que certaines actions sont appropriées pour réaliser ses buts
- Recherche
- Les programmes d'IA examinent souvent un grand nombre de possibilités, par exemple dans se déplace un jeu d'échecs ou des inférences par un théorème prouvant le programme. Des découvertes sont continuellement faites au sujet de comment à faites ceci plus efficacement dans divers domaines.
- Identification de modèle
- Quand un programme fait des observations d'une certaine sorte, on souvent le programme pour comparer ce qu'il voit avec un modèle. Par exemple, un programme de vision peut essayer d'assortir un modèle les yeux et un nez dans une scène afin de trouver un visage. Des modèles plus complexes, par exemple dans un texte de langage naturel, en position d'échecs, ou dans l'histoire d'un certain événement sont également étudiés. Ces modèles plus complexes exigent des méthodes tout à fait différentes que les modèles simples qui ont été étudiés le plus souvent.
- La connaissance et raisonnement de bon sens
- C'est le secteur dans lequel l'IA est le plus loin du niveau-humain, malgré le fait qu'il a été un secteur actif de recherches depuis les années 50.
- Planification
- Les programmes de planification commencent par des faits généraux sur le monde (particulièrement des faits sur les effets des actions), des faits sur la situation particulière et un rapport d'un but. De ces derniers, ils produisent d'une stratégie pour réaliser le but. Dans les cas les plus communs, la stratégie est juste un ordre des actions.
- Ontology
- L'ontology est l'étude des genres de choses qui existent. Dans l'IA, les programmes et les phrases traitent de divers genres d'objets, et nous étudions ce que sont ces sortes et ce que sont leurs propriétés de base. L'emphase sur l'ontology commence dans les années 90.
- Programmation génétique
- La programmation génétique est une technique pour obtenir des programmes pour résoudre une tâche en joignant des programmes aléatoires LISP et choix le plus convenable dans les millions de générations. Elle est développée par le groupe de John Koza's et voici un ( tutoriel)cours d'instruction
Exemples des topics primaires d'IA :
- IA dans les nouvelles
- Vue d'ensemble de IA
- Agents
- Applications
- La science cognitive
- Education
- Systèmes experts
- Histoires
- Interfaces
- Langage naturel
- Ressources
- Réseau neurologique artificiel
Références, sources, outils
La terminologie ( dictionnaires en ligne, glossaire..) - quelques exemples :
- Entrée d'intelligence artificielle dans l'encyclopédie de Colombie, sixième édition. 2001. Fourni par Bartleby.
- Entrée d'intelligence artificielle par David B. Leake. Pour apparaître dans la neuvième édition de l'encyclopédie de Van Nostrand Scientific. (Wiley, New York, 2002)
- Encyclopedia of Cognitive Science."MITECS classifie les sciences cognitives et de cerveau dans six domaines: (1) philosophie de la neurologie culture de l'intelligence (2), connaissance, et de linguistique et de langue informatiques de l'évolution (3) (4) (5), et (6) psychologie. Chaque section contient une série prolongée de brèves entrées sur les matières définissantes de recherches du domaine."
- Dictionnaire D'Intelligence Artificielle . Compilé par Bill Wilson à l'université de l'école des nouveaux Pays de Gales du sud de l'informatique et de la technologie, on le préface avec l'avertissement que ce " n'est pas une manière appropriée de commencer à se renseigner sur la AI. " Vous trouverez également des liens à ses autres dictionnaires en ligne: Étude De Machine; NLP; et prolog.
Des topics d'intelligence artificielle - ressource générale
- Pages des topics de l'IA
C'est un site Web spécial fourni par l'association américaine pour l'intelligence artificielle < AAAI > pour des étudiants, des professeurs, des journalistes, et chacun qui voudraient se renseigner sur ce qu'est l'intelligence artificielle, et quels sont les scientifiques d'IA . - PCAI Artificial Intelligence - Free eMagazine, White Papers, Demos, Products, Glossary, Links
Les matières couvertes incluent les systèmes experts, robotique, intelligence artificielle, réseaux neurologiques, exploitation de données, représentation de la connaissance, logique floue, systèmes basés sur les règles, étude de machine, pensée créatrice, la parole, algorithmes génétiques, programmation évolutionnaire, la résolution des problèmes, LISP, prolog...
Applications pratique
L'élaboration des topic maps
Enfin, après cette analyse théorique on met la question suivante : de quoi j'ai besoin pour créer un topic maps ? J'ai fait un brainstorming.
Premièrement, il faut définir le thème qui devrait être couvert ( dans ce domaine généreux de l'IA c'est mieux de commencer à créer une " page d'accueil " comme une bref introduction qui peut être développée dans le futur et dans laquelle on peut trouver quelques notions informatives sur l'IA. et quelques associations du point de vue d'utilisation des techniques d'intelligence artificielle dans d'autres domaine - l'éducation et les sciences cognitives ).
Deuxièmement, je vais ressembler des topics que je trouverai ( ce qui sont appropriées pour le thème choisi ) ainsi que d'autres ressources externes de l'informations ( occurrences).Ici, j'ai pensé qu'il est mieux à trouver des noms suggestifs pour les topics ( la représentation externe) en liant le nom aux types de ressources associés. L'utilisation des instances pour les occurrences donne la possibilité à créer des classes de ressources pour un sujet donné.
Finalement, il faudra penser aux rapports entre les topics rassemblées ( associations).
En particulier, j'ai définir le topic map comme une introduction en intelligence artificielle (un simple page d'accueil), où j'ai introduit quelques informations générales.
J'ai défini comme topic:
- Topics parents:
- Accueil - Le monde IA pour tous ( avec deux instances -aussi des topics (Qu'est-ce que l'IA et L'intelligence artificielle et l'intelligence humaine)-sur les informations générale en concernant l'IA )
- Intelligence Artificielle - le scope est à donner une autre nom pour le topic d'accueil
- Topics principaux( à développer ):
- Applications
- Introduction en IA
- Logiciel/Langage
- Bibliographie
- Education
- Science cognitive
- Association
- Association l'IA et l'éducation (membres: l'Intelligence artificielle et l'Education)
- Association l'IA et les Sciences cognitives (membres: l'Intelligence artificielle et Science cognitive)
- Les topics pour decrire du rôle de chaque membre dans l'association ( par exemple: l'application des principes de l'intelligence artificielle dans l'éducation, comme - systèmes tutoring intelligents )
- Topic enfants:
- Tous les topics qui représentes les ressources.Comme j'ai dit au-dessus, pour le même sujet on peut hiérarchiser les ressources en les partageant dans des sous-classes. On utilise l'option l'instance d'une occurrence,en conséquence, il faut écrire un nouveau topic pour chaque sous-classe de ressources.
L'analyse des topics et leurs associations
Finalement j'ai dessiné la carte des topics ( voir l'image suivant)pour écrire le fichier xtm.
LEGENDE
- TOPIC, RESSOURCE
- Tout les topics sont dessiné avec un rectangle arrondi, dans lequel on trouve le nom sugestif du topic et les ressources sont indiquées par des nuages
- INSTANCE (classification)
- Le lien entre deux topics, en signifiant la relation entre eux du point de vue du type du topic ( à quel classe appartient le topic enfant )
- OCCURRENCE (liens vers ressource)
- Les occurrences signifie les liens vers des ressources ou classes des ressources pour un sujet donné.
- INSTANCE - OCCURRENCE
- Un exemple d'application d'occurrence pour définir une instance d'un élément enfant ( une référence pour un class des ressources qui est aussi un topic )
- SCOPE (pour voir les topics sur différents context)
- Ici, j'utilise le scope pour défini un liens vers un topic dans la même context.
- ASSOCIATION (rapport entre les topics dans lequelles jouent des rôles comme membre)
- Une association entre deux domaines pour défini l'application de l'intelligence artficielle dans autre domaine de la connaissance.
- MEMBRE (membre dans une association)
- Il n'est pas marqué dans la carte, il mais signifie quels sont les membres dans l'association soulignée par le lien " association ".
- RÒLE (le rôle joué des membres dans une association)
- Le lien vers un topic qui représente le rôle joué par les membres dans l'association.
- INSTANCE-RÔLE
- Dans le rôle joué dans l'association on peut avoir plusieurs d'instance ( classes des ressources) qui peut défini le sujet " rôle ".
L'élaboration de la méthode d'implementation
Comme outil de construction, j'ai considéré utile d'écrire à la main le topic maps avec un éditeur xml et le visualiser avec la feuille de transformation, parce que le topic maps développé n'est pas très trop grande ( j'ai pensé à réaliser seulement une page d'introduction dans la problématique de l'intelligence artificielle et un " essai " d'écrire un topic maps). Tout comme un vrai topic map peut contenir des millions de topics et d'associations, il faut trouver les moyens techniques adéquats pour " automatiser " la réalisation des topic maps dans la description sémantique des ressources.
J'ai testé la visualisation de mon topic map avec le fichier xtm2xhtml.xslt (j'ai modifié un peu l'affichage de la page welcome-index.html)et j'ai compilé avec le processueur saxon. Voir Le monde IA pour tous et aussi le document projet-IA.xml.txt