THESE présentée par Daniel Schneider
Après avoir discuté la modélisation isolée du décideur et des approches de simulations multi-modales, nous faisons ici le point épistémologique et méthodologique de la "modélisation IA" au plan généra et de celle des sciences politiques et du décideur en particulier. Nous discutons d'abord les fondements épistémologiques de l'intelligence artificielle. Nous examinons notamment la question de savoir à quel point l'IA peut vraiment modéliser l'intelligence humaine. Ensuite, nous discuterons quelques aspects importants du génie cognitif, c'est-à-dire de la méthodologie pour construire un système à bases de connaissances. Nous concluons par une analyse de la notion de modèle en sciences sociales.
Un bon modèle de la démarche d'un décideur est un modèle exécutable par ordinateur. "Exécutable" ne signifie pas "imitation parfaite des processus cognitifs" du décideur. Un modèle du décideur sera nécessairement une construction analytique, mais une construction qui modélise les connaissances subjectives et intersubjectives potentiellement mises en jeu par l'individu.
- 7-1 - Les bases épistémologiques de l'intelligence artificielle
-
- 7-1.1 - Les disciplines de l'intelligence artificielle
-
- 7-1.2 - Problèmes de l'IA symbolique
-
- 7-1.3 - Le connexionisme - complément ou alternative?
-
- 7-1.4 - La negation totale du cognitivisme: une alternative valable ?
-
- 7-1.5 - Le statut épistémologique de l' IA appliquée à la science politique
-
- 7-2 - La modélisation IA et le génie cognitif
-
- 7-2.1 - Introduction
-
- 7-2.2 - L'élicitation des connaissances
-
- 7-2.3 - La génération de données cliniques
-
- 7-2.4 - L'organisation des connaissances
-
- 7-2.5 - La représentation des connaissances
-
- 7-3 - Pour une nouvelle modélisation systémique
-
- 7-3.1 - La notion de modèle scientifique
-
- 7-3.2 - La formation inductive de théories et les données "soft"
-
- 7-3.3 - Vers les modèles multi-paradigmes
-
THESE présentée par Daniel Schneider - 19 OCT 94
Generated with WebMaker