Représentation du raisonnement humain dans la décision : Application à la photo-interprétation

J.-M. Monnet

LIP6 1999/004: THÈSE de DOCTORAT de l'UNIVERSITÉ PARIS 6 LIP6 / LIP6 research reports
218 pages - Décembre/December 1998 - French document.

PostScript : 698 Ko /Kb

Contact : par mail / e-mail

Thème/Team: Systèmes d'Aide à la Décision et à la Formation

Titre français : Représentation du raisonnement humain dans la décision : Application à la photo-interprétation
Titre anglais : A modelling of human reasoning in decision problems and an application to interpretation in remote sensing activities

Résumé : Les limitations rencontrées par la théorie de l'utilité espérée pour rendre compte du comportement effectif des décideurs incitent à rechercher une modélisation de la décision qui prenne davantage en compte la facon dont les préférences sont prises en compte en fonction des raisonnements. L'idée est alors d'introduire le raisonnement par similarité comme mode de raisonnement dans un problème de décision : la solution à un problème courant est recherchée parmi des problèmes de décision mémorisés, qui lui sont similaires et qui sont maximaux au sens des préférences. La similarité de deux problèmes de décision est appréhendée, compte tenu de l'état en cours du raisonnement, par la recherche d'identités partielles entre les descriptions de problèmes, le reste des descriptions étant négligé. Cette identité partielle dépend de ce qui a été négligé dans le passé et est acceptée ou non en fonction des buts et de l'état du raisonnement. La relation de préférence est définie à partir des sextuplets permettant d'exprimer des préférences entre différentes identités partielles et différentes négligibilitées. Cette relation de préférence permettent alors de déterminer une solution maximale en fonction de ce qui est connu et de ce qui a été négligé. A partir de ces deux notions (négligeabilité et préférence), on introduit deux relations de déduction par similarité, dont on détermine une sémantique de point fixe permettant une implantation sur machine. La première de ces deux relations de déduction par similarité ou relation forte de satisfaction par similarité, permet une première formalisation du raisonnement par similarité, mais exige comme pré-requis que les préférences soient complètes, faute de quoi on peut ne pas savoir conclure. La deuxième de ces des deux relations de déduction par similarité, ou relation faible de satisfaction par similarité, permet de lever ce pré-requis. L'implantation dans le système Soar consiste à informellement rajouter un processus d'appariement partiel dans le processus d'inférence de Soar, et à rajouter la prise en compte des éléments négligés, les préférences proposées étant exprimables dans le formalisme de Soar. Cette implantation permet de prendre en compte la résolution de problème en incertitude, comme par exemple en photo-interprétation, en autorisant la prise en compte de l'incertitude par de la similarité.

Abstract : The limitations encountered by expected utility theory in the modelisation of effective decision making led the path to a model of decision making which takes into account the way preferences are handled according to reasoning. The idea consists in introducing reasoning by similarity as the type of reasoning used in decision problems: The solution to a current problem is searched among maximal solutions (according to the preferences) of similar memorised decision problems. The similarity of two decision problems is defined, according to the current state of reasoning, by seeking partial identities between the descriptions of the two problems while neglecting descriptive features which distinguish the two problems. The partial identity depends upon previously used negligibilities, and is accepted or rejected with respect to the goals and state of the reasoning. The preference relation is defined using tuples which allows the expression of preferences between different partial identities and different negligibilities. Using these two notions, negligibility and similarity, we introduce two relations of entailment by similarity, and two fixed point semantics, the first relation being named strong relation of entailment allows a first formalisation of reasoning by similarity, but requires the completeness of the preference relation (or else the reasoning may not conclude). The second relation of entailment allows a second formalisation of reasoning by similarity without requiring the completeness of the preference relation. The implementation in the Soar system consists in transforming the inference mechanism from a pattern matching process to a partial one, and in taking into account negligible features, the preferences formally defined being expressible in the Soar system. This implementation can take into account problem solving under uncertainty, for example remote sensing image interpretation, by using similarity to handle uncertainty.

Mots-clés : Décision, Logiques non standards, Similarité, Soar

Key-words : Decision, Non monotonic logics, Similarity, Soar

Publications internes LIP6 1999 / LIP6 research reports 1999

Responsable Éditorial / Editor :Valerie.Mangin@lip6.fr