Frame-Based Expert Systems
Un système expert à base de frames est un type de système d’intelligence artificielle, plus spécifiquement un système expert, qui utilise une structure de représentation des connaissances appelée « frame » (parfois traduit par cadre, schéma ou prototype) pour organiser et stocker l’information relative à des concepts, objets ou situations stéréotypées. Ces systèmes exploitent ces structures pour effectuer des raisonnements et résoudre des problèmes dans un domaine d’expertise spécifique, simulant ainsi la démarche d’un expert humain.
Les concepts fondamentaux des systèmes experts à base de frames reposent sur la notion de frame elle-même. Un frame est une structure de données qui représente un concept ou un stéréotype en regroupant des informations pertinentes sous forme d’attributs appelés « slots ». Chaque slot décrit une caractéristique ou une propriété du concept représenté par le frame. Les slots peuvent contenir diverses informations, organisées en « facettes », telles que la valeur de l’attribut (qui peut être une valeur spécifique, une valeur par défaut, ou une référence à un autre frame), le type de données autorisé, des contraintes sur les valeurs possibles, ou même des procédures attachées (appelées démons ou méthodes). Ces procédures peuvent être déclenchées automatiquement lorsque le slot est accédé ou modifié (par exemple, procédures « if-needed » pour calculer une valeur à la demande, ou « if-added » pour propager des conséquences lors de l’ajout d’une valeur). Un principe essentiel est l’organisation hiérarchique des frames via des liens d’héritage (souvent de type « IS-A » ou « AKO » – A Kind Of), permettant à des frames plus spécifiques (sous-classes) d’hériter des slots et de leurs facettes depuis des frames plus généraux (super-classes), favorisant ainsi la réutilisabilité et la cohérence des connaissances.
L’importance des systèmes à base de frames réside dans leur capacité à offrir une représentation plus riche, structurée et intuitive des connaissances que les systèmes experts purement basés sur des règles. Ils permettent de modéliser efficacement des domaines où les objets et les situations peuvent être décrits par un ensemble de caractéristiques typiques et organisés hiérarchiquement. Cette structuration facilite non seulement la compréhension de la base de connaissances par les humains mais aussi le développement et la maintenance du système. Ils ont été particulièrement pertinents pour représenter le bon sens et les connaissances contextuelles, en encapsulant des attentes et des valeurs par défaut associées à des situations courantes. Leur impact a été significatif dans l’évolution des techniques de représentation des connaissances en IA, influençant des domaines ultérieurs comme la modélisation orientée objet et le développement d’ontologies.
Les applications pratiques des systèmes experts à base de frames couvrent divers domaines. En diagnostic médical, un frame peut représenter une maladie, avec des slots pour les symptômes, les causes possibles, les tests diagnostiques recommandés et les protocoles de traitement. Des frames spécifiques comme « Pneumonie » ou « Appendicite » hériteraient d’un frame général « Maladie ». En compréhension du langage naturel, les frames (ou des concepts similaires comme les scripts) sont utilisés pour représenter des scénarios typiques (aller au restaurant, prendre l’avion) afin d’aider le système à interpréter le texte en se basant sur des attentes contextuelles. D’autres applications incluent la vision par ordinateur (reconnaissance d’objets en comparant les caractéristiques extraites de l’image aux slots d’un frame d’objet), la planification (représentation d’actions et d’états), et la conception assistée par ordinateur (représentation de composants et de leurs relations).
Il existe des nuances dans la conception et l’utilisation des systèmes à base de frames. Rarement utilisés de manière isolée, ils sont souvent intégrés dans des systèmes hybrides qui combinent les frames avec d’autres formalismes, notamment les règles de production. Ces règles peuvent opérer sur les informations contenues dans les slots des frames ou être déclenchées par les procédures attachées aux slots. Les implémentations varient également en termes de gestion de l’héritage (simple ou multiple, gestion des conflits), de la complexité des facettes autorisées, et des types de procédures attachées supportées. L’interprétation d’un frame peut aller d’une simple structure de données passive à une entité plus active capable de raisonner sur elle-même et son contexte.
Plusieurs concepts sont étroitement liés aux systèmes à base de frames. Les réseaux sémantiques partagent l’idée de nœuds (concepts) et de liens (relations), les frames pouvant être vus comme une structuration plus élaborée des nœuds d’un réseau sémantique. La programmation orientée objet emprunte de nombreux concepts aux frames, tels que les objets (frames), les attributs (slots), les méthodes (procédures attachées) et l’héritage. Les ontologies, utilisées dans le web sémantique et l’ingénierie des connaissances, sont des descendants directs des systèmes à base de frames, formalisant la description de concepts et de relations de manière plus rigoureuse. Le terme « système à base de schémas » est parfois utilisé comme synonyme. Par contraste, les systèmes experts purement à base de règles représentent la connaissance sous forme de clauses SI-ALORS, une approche moins structurée pour représenter des objets complexes mais parfois plus directe pour le raisonnement déductif.
L’origine du concept de frame est principalement attribuée à Marvin Minsky dans son article influent de 1974, « A Framework for Representing Knowledge ». Il y proposait les frames comme une structure pour organiser les connaissances stéréotypées nécessaires à la vision, à la compréhension du langage naturel et à d’autres tâches cognitives. Cette idée a été rapidement adoptée et développée dans la communauté de l’intelligence artificielle durant les années 1970 et 1980, donnant naissance à de nombreux langages et outils de représentation des connaissances basés sur les frames (comme KRL, FRL, KL-ONE). Bien que l’engouement pour les systèmes experts traditionnels ait diminué avec l’essor de l’apprentissage automatique, les principes fondamentaux des frames continuent d’influencer la conception de systèmes intelligents, notamment via les ontologies et la modélisation de domaines.
Les systèmes experts à base de frames présentent plusieurs avantages. Ils offrent une représentation naturelle et modulaire des connaissances, facilitant la modélisation de concepts complexes et de leurs relations. L’héritage permet une économie de représentation et une maintenance simplifiée. La capacité à inclure des valeurs par défaut, des contraintes et des procédures attachées enrichit la représentation et permet des raisonnements plus flexibles. Cependant, ils ont aussi des inconvénients. La structure peut être rigide et difficile à adapter si le domaine évolue ou si la connaissance est mal structurée ou très dynamique. Représenter l’incertitude ou la connaissance incomplète peut être moins direct qu’avec d’autres approches (comme les réseaux bayésiens ou la logique floue), bien que des extensions aient été proposées. L’acquisition des connaissances pour remplir les frames et définir leur structure hiérarchique reste un défi majeur (le « goulet d’étranglement de l’acquisition des connaissances »). La gestion de l’héritage multiple peut introduire des ambiguïtés ou des conflits qui doivent être résolus. Enfin, le raisonnement basé sur les frames peut être computationnellement coûteux dans de très grandes bases de connaissances.