Chaînage avant

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

Le chaînage avant est une méthode de déduction qui applique des règles en partant des prémisses pour en déduire de nouvelles conclusions. Ces conclusions enrichissent la mémoire de travail et peuvent devenir les prémisses d'autres règles. Par opposition, le chaînage arrière part des conclusions pour essayer de « remonter » aux axiomes. Le chaînage avant est utilisé en intelligence artificielle, dans un système expert à base de règles, dans un moteur de règles, ou encore dans un système de production.

Fonctionnement[modifier | modifier le code]

Le chaînage avant commence avec les données disponibles et utilise des règles d'inférence pour extraire davantage de données jusqu'à ce qu'un but soit atteint. Un moteur d'inférence utilise le chaînage avant une recherche dans les règles d'inférence jusqu'à ce qu'il trouve l'antécédent (Si l'article) qui est connu pour être vrai. Une fois trouvé, il peut conclure ou déduire que la conséquence (alors l'article) entraîne l'ajout de nouvelles informations à ses données.

Les moteurs d'inférence réitèrent ce processus jusqu'à ce qu'un but soit atteint.

Par exemple, on suppose que l'objectif est de conclure la couleur d'un animal de compagnie nommé Fritz, et étant donné qu'il croasse et mange des mouches, et que les règles de base contiennent ces quatre règles suivantes :

  1. Si X croasse et mange des mouches, alors X est une grenouille.
  2. Si X piaule et chante, alors X est un canari.
  3. Si X est une grenouille, alors X est vert.
  4. Si X est un canari, alors X est jaune.

Sur ces règles de base examinées, la première règle serait choisie, parce que son antécédent (Si Fritz croasse et mange des mouches) correspond à nos données. Maintenant, la conséquente (Alors X est une grenouille) est ajoutée aux données. Les règles de base sont de nouveau examinées et cette fois-ci, la troisième règle est sélectionnée, parce que son antécédent (Si Fritz est une grenouille) correspond à nos données qui viennent d'être confirmées. Maintenant, la nouvelle conséquente (Alors Fritz est vert) est ajoutée à nos données. Plus rien ne peut être déduit de cette information, mais on a maintenant atteint l'objectif qui est de déterminer la couleur de Fritz.

Quand les données déterminent les règles choisies et utilisées, cette méthode est appelée « Data driven » (retranscrit littéralement Pilotage par les données), contrairement à l'objectif d'inférence axé sur le chaînage arrière. Le chaînage avant est souvent employé dans les systèmes experts, comme le CLIPS.

L'un des avantages du chaînage avant sur le chaînage arrière est que la réception de nouvelles données peuvent déclencher de nouvelles inférences, ce qui rend le moteur plus adapté à des situations dynamiques dans lesquelles les conditions sont susceptibles de changer.

Voir aussi[modifier | modifier le code]

Références[modifier | modifier le code]