Faculté des Arts et Sciences - Département d'Informatique et de Recherche opérationnelle TITRE DU COURS: Intelligence Artificielle: Introduction SIGLE: IFT3330 / 6330 PROFESSEUR: Jian-Yun Nie EXAMEN: FINAL-99A (différé) DATE: le 31 janvier 2000 LIEU: B-2285 HEURES: 18h30-21h30 _________________________________________________________________________ Directive pédagogique: Toute documentation est permise. _________________________________________________________________________ Question 1. (20%) Donnez trois phrases en français qui ne peuvent pas être représentées adéquatement en logique de prédicats. Expliquez les difficultés respectives. Ces trois phrases doivent illustrer trois types différents de difficultés pour la représentation. Quels autres formalismes de représentations de connaissances choisirez-vous pour ces trois phrases? Question 2. (20%) Considérez les connaissances suivantes: x y: chat(x) poisson(y) aime_manger(x, y). x: calicot(x) chat(x). x: thon(x) poisson(x). thon(Charlie). thon(Herb). calicot(Puce). a) Convertir ces connaissances en forme clausale, et en un programme Prolog. b) Quelle est l'expression en Prolog qui correspond à la question "Qu'est-ce que Puce aime manger?" c) Montrez les étapes de résolution pour cette question. Question 3. (20%) a) Soit le programme en Prolog suivant qui effectue une analyse syntaxique du français: ph --> gn, gv. gn --> art, nom. gn --> nom_propre. gv --> verbe. gv --> verbe, gn. art --> [une]. art --> [un]. art --> [des]. art --> [la]. art --> [le]. art --> [les]. prep --> [à]. nom --> [télévision]. nom --> [salle]. nom --> [cours]. verbe --> [va]. verbe --> [regarde]. nom_propre --> [marc]. Est-ce que ce programme peut reconnaître les phrases suivantes? "marc regarde la télévision" "marc va à la salle de cours" S'il ne peut pas, faites les modifications nécessaires pour pouvoir reconnaître ces deux phrases. Montrez aussi les structures syntaxiques reconnues pour les deux phrases. b) Comparez le langage Prolog avec le français. Quels sont les principaux différences entre eux? Énumérez et expliquez toutes les différences que vous pouvez voir. Question 5. (20%) a) Commentez l'opinion suivante: "Par notre cerveau, nous arrivons à apprendre des exemples, à organiser les neurones comme dans les réseaux de neurones artificiels. Mais nous arrivons aussi à généraliser et formaliser ces exemples, ce que les réseaux de neurones artificiels n'arrivent pas à faire. Donc, les réseaux de neurones artificiels ne simulent pas exactement le fonctionnement de notre cerveau. On est sur une mauvaise piste en utilisant les réseaux de neurones artificiels." b) Supposons qu'on a observé les cas montrés dans la table suivante. On veut construire un arbre de décision qui nous permet de choisir les combinaisons pour une meilleure production dans chaque situation. Construisez cet arbre en utilisant l'algorithme ID3 (le numéro de cas ne fait pas partie des caractéristiques à considérer). No. de cas 1 2 3 4 5 6 7 8 Superviseur Patrick Patrick Thomas Patrick Sally Thomas Thomas Patrick Opérateur Joe Samantha Jim Jim Joe Samantha Joe Jim Machine A B B B C C C A Temps supplémentaire Non Oui Oui Non Non Non Non Oui Production Haute Basse Basse Haute Haute Basse Basse Basse Les valeurs de log dont vous pouvez avoir besoin sont comme suit: n log2(n) 1/8 -3 2/8 -2 3/8 -1.4 4/8 -1 5/8 -0.68 6/8 -0.42 7/8 -0.19 8/8 0 Question 5. (20%) a) Un des problèmes dans l'utilisation de la théorie de probabilité est que les informations disponibles ne sont pas suffisantes pour permettre de calculer les probabilités. La théorie d'évidence de Dempster-Shafer apporte une solution possible à ce problème. Comment est ce problème traité dans la théorie de Dempster-Shafer? b) Expliquez en votre propre langage et en 5 lignes le principe de réseaux de neurones. c) Est-il possible de modifier le système MYCIN pour qu'il utilise la théorie de probabilité plutôt que le calcul de Stanford implanté dans MYCIN? Pourquoi?