Qu'est-ce qu'un système expert et comment fonctionne-t-il ? Exemples de systèmes experts

Un système expert (SE) Il s'agit d'un logiciel spécialisé dans un domaine précis, capable de traiter les demandes liées à ce domaine. des utilisateurs de manière très précise et humaine, en s'appuyant sur une base de connaissances, c'est-à-dire une base de données. Le système expert le plus connu à l'heure actuelle est ChatGPT, un modèle linguistique avancé qui utilise l'intelligence artificielle et qui est spécialisé dans une multitude de domaines.

Le principe fondamental des systèmes experts c'est qu'ils incarnent la figure d'un être humain expert dans un domaine particulier du savoir, de manière à ce que les utilisateurs puissent lui poser des questions afin que le système leur fournisse des connaissances spécialisées. L'un des aspects essentiels de ces systèmes de connaissance est qu'ils sont capables d'expliquer le raisonnement qui sous-tend les solutions qu'ils proposent en réponse aux demandes des utilisateurs.

Comment fonctionne un système expert ?

Son fonctionnement repose sur la collecte, le traitement et la présentation d'informations spécialisées et fiables provenant de sources expertes dans un domaine donné. L'ensemble des étapes liées à la conception et à la mise en œuvre d'un système expert est appelé ingénierie des connaissances. Nous vous présentons ci-dessous les étapes suivies par un système expert pour répondre de manière satisfaisante aux demandes de l'utilisateur :

Acquisition de connaissances

Au cours de la phase d'acquisition des connaissances, les experts (ou sources fiables) du domaine apportent leur expérience et leurs connaissances sous forme d'informations, qui sont ensuite structurées et organisées dans une base de données qui, comme nous l'avons indiqué précédemment, est appelée « base de connaissances » dans ce secteur. Cette base contient des faits, des règles et des relations logiques qui représentent les informations pertinentes du domaine en question.

Règles relatives au moteur

Le cœur du système est le moteur d'inférence, qui est le processeur central fonctionnant selon les règles et les relations définies dans la base de connaissances afin de fournir des conclusions (sortie) à l'utilisateur en fonction de la requête saisie (entrée). Il utilise un processus de chaîne d'inférence, dans lequel il applique des règles séquentielles afin de fournir la réponse la plus rigoureuse, cohérente et logique.

Réponse

Ainsi, l'utilisateur interagit avec l'interface du système expert pour poser des questions. Les données saisies sont traitées, et le système effectue une recherche dans la base de connaissances afin de trouver les informations pertinentes permettant de répondre de manière satisfaisante à la requête.

Mise à jour des connaissances

Mais le système expert n’est pas un logiciel figé que l’on peut créer une fois pour toutes sans plus y toucher ; au contraire, comme toute autre technologie utilisant l’intelligence artificielle, il doit être perfectionné et mis à jour en permanence. C'est pourquoi la base de connaissances est mise à jour avec de nouvelles données et découvertes, et les règles du moteur d'inférence sont affinées afin de prendre des décisions plus précises et cohérentes.

Exemples de systèmes experts

Les premiers systèmes experts ont été développés à la fin des années soixante et étaient principalement destinés au domaine médical. Ce n’est toutefois qu’à partir des années soixante-dix que la recherche a véritablement pris de l’ampleur. Voici quelques exemples de systèmes experts qui se sont distingués dès leur création :

MYCIN

Développé dans les années 70 à l'université de Stanford, MYCIN est un système expert qui se distingue par son orientation vers le diagnostic et le traitement des maladies infectieuses. Il fournit des indications préliminaires sur les agents pathogènes susceptibles d'être à l'origine de l'infection et donne des conseils sur les traitements appropriés. Sa capacité à fournir des recommandations médicales dans des situations où un diagnostic rapide est crucial a marqué un tournant dans l'évolution des systèmes experts en médecine.

INTERNIST/CADUCEUS

Dans les années 70, à l'université de Pittsburgh, le développement d'INTERNIST/CADUCEUS a été lancé dans le but d'améliorer le diagnostic des maladies dans le domaine de la médecine interne. Ce système se concentre sur les maladies les plus probables, en tenant compte des symptômes et des résultats des examens cliniques du patient.

ALGORITHME DENDRAL HEURISTIQUE

Depuis ses débuts en 1965 à l'université de Stanford, HEURISTIC DENDRAL s'est distingué par son approche de la chimie organique. Ce système joue un rôle crucial dans la détermination des formules structurales des composés chimiques. À l'aide d'une méthode par essais et erreurs, il génère diverses hypothèses de structures moléculaires et les confronte aux données observées, notamment grâce à des techniques telles que la spectrométrie de masse.

XCON

Face à la complexité de la configuration des systèmes informatiques de Digital Equipment Corporation (DEC), XCON a été développé dans les années 70. Son impact sur la gestion de la configuration des systèmes informatiques a été considérable.

Avantages et inconvénients des systèmes experts

L'utilisation des systèmes experts présente à la fois des avantages et des inconvénients :

Avantages des systèmes experts

Les avantages des systèmes experts sont étroitement liés à leur nature technologique et à des facteurs de productivité. Ainsi, un Un système expert ne se fatigue pas et n'a pas de besoins humains, ce qui signifie qu'il est disponible 24 heures sur 24 et qu'il reste toujours aussi efficace. 

De plus, elles constituent une source fiable de connaissances spécialisées dont la véracité et l'exactitude ont été confirmées, ce qui garantit une qualité ne laissant guère de place à l'erreur.

Inconvénients des systèmes experts

Ils présentent toutefois aussi des inconvénients. Par exemple, les systèmes experts courants (à l'exception de ChatGPT) sont hyperspécialiséss, ce qui limite leur utilisation à un domaine très spécifique. En général, les systèmes experts il leur manque cette touche de créativité et cette souplesse d'esprit dont nous, les humains, sommes dotés. De même, ils ont une capacité très rudimentaire à percevoir les émotions ou les doubles sens.

Un autre inconvénient majeur réside dans le fait que toutes les informations qu’il fournit sont extraites d’une base de données qui, en principe, s’appuie sur des sources scientifiques et 100% fiables. Pour en être certain, ces informations doivent être minutieusement vérifiées. En effet, sinon, les réponses des systèmes experts pourraient être biaisées ou comporter des imprécisions.