dic9401 examen gÉnÉral · richard o. duda, peter e. hart et david g. stork, pattern...

DIC9401 EXAMEN GÉNÉRAL

Compilation des examens de synhèse 2006-2007 ÉTUDIANT A.............................................................................................................. 2

ÉTUDIANT B.............................................................................................................. 7

ÉTUDIANT C.............................................................................................................. 12

ÉTUDIANT D.............................................................................................................. 15

ÉTUDIANT E.............................................................................................................. 19

ÉTUDIANT F .............................................................................................................. 23

ÉTUDIANT G.............................................................................................................. 27

ÉTUDIANT H.............................................................................................................. 31

ÉTUDIANT I .............................................................................................................. 35

ÉTUDIANT J.............................................................................................................. 39

ÉTUDIANT K.............................................................................................................. 43

ÉTUDIANT L.............................................................................................................. 47

ÉTUDIANT M.............................................................................................................. 51

ÉTUDIANT N.............................................................................................................. 55

1

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : A VOLET : INFORMATIQUE Question 1: Quelles sont les grandes thèses et les critiques du point de vue informatique apportées à l’intelligence artificielle? Présentez-en trois en expliquant les arguments qui ont été avancés en faveur ou en opposition à l’IA. RÉFÉRENCES DREYFUS, Hubert L, 1984, Intelligence artificielle, Mythes et limites. Paris : Flammarion. Haugeland, John, 1989, Artificial Intelligence :The very Idea, MIT Press, 287 p. WEIZENBAUM, Joseph, 1976, Puissance de l’ordinateur et raison de l’homme, Éditions

d’informatique, Paris, 1981, 195 p. SEARLE, John, 1984, Du cerveau au savoir : Conférence Reith 1984 de la BBC, Hermann, Paris,

1985, 143 p. Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems. Addison-Wesley S. Russell and P. Norvig. "Artificial Intelligence: A Modern Approach". Prentice Hall. 1995. Question 2 : Les méthodes utilisées par les systèmes d'apprentissage sont très nombreuses et sont issues de domaines scientifiques variés, comment peut-on les classifier ? Donner un exemple de chaque catégorie. RÉFÉRENCES Introduction de l'encyclopédie du MIT, Wilson, Keil (MIT 1999) L. Breiman, J. H. Friedman, R. A. Olshen, and C. J. Stone. Classification and regression trees.

Technical report, Wadsworth International, Monterey, CA, 1984. T. Mitchell. Machine Learning. McGraw-Hill, 1997. P. Adriaans and D. Zantinge. Data Mining. Addison-Wesley, 1996. Ethem Alpaydin, Introduction to Machine Learning, MIT press, 2004 Richard O. Duda, Peter E. Hart et David G. Stork, Pattern Classification, Wiley Interscience, 2001 Question 3 : Présentez et décrivez les composantes du web sémantique et les approches de construction d’ontologies en regard des problèmes de représentation des connaissances. RÉFÉRENCES Michael C. Daconta, Leo J. Obrst, Kevin T. Smith. The Semantic Web: A guide to the future of

XML, Web Services and Knowledge Management John Davies, Dieter Fensel, Frank van Harmelen. Towards the Semantic Web: Ontology-driven

Knowledge Management. ISBN: 0-470-84867-7 John Wiley editions 2003. Gomez-Perez, A. et al. Ontological Engineering, Springer, 2004, 401 p.

2

http://www.springer.com/west/home?SGWID=4-102-22-6954647-0 Grigoris Antoniou, Frank van Harmelen, A Semantic Web Primer, The MIT Press, Cambridge,

Massachusetts, April 2004, ISBN 0-262-01210-3. BO, Leuf, The Semantic Web, 2005, Wiley, 378 p.

3

VOLET COGNITIF Question 1 De travaux indiquent que nous utilisons des représentations communes pour comprendre notre propre action et celle d’autrui (ou nos émotions et celles d’autrui). Certains placent ces représentations au cœur des notre capacité de comprendre l’action d’autrui ou de nos capacités empathiques. Expliquez comment fonctionne ce mécanisme de reconnaissance et comment il s’y prend pour distinguer ce qui nous appartient de ce qui appartient à autrui (pour le dire autrement, comment fait-il pour reconnaître notre propre action de celles des autres puisqu’il utilise les mêmes représentations) ? Texte d’introduction : Gallese, V. C. Keysers and G. Rizzolatti. 2004. « A unifying view of the basis of social cognition ». Trends in Cognitive Sciences, Volume 8, Issue 9, p. 396-403

RÉFÉRENCES : Decety, J. et J. Sommerville. 2003. « Shared Representations between Self and Others : A Social Cognitive Neuroscience View ». Trends in Cognitive Sciences, 7, p. 527-533. Frith, C. 2005. « The Self in Action : Lessons From Delusions of Control ». Consciousness and Cognition, vol. 14, no. 4, p. 752-770. Gallese, V. 2005. « Embodied Simulation : From Neurons to Phenomenal Experience ». Phenomenology and the Cognitive Sciences, p. 23-48. Jeannerod, M. et E. Pacherie. 2004. « Agency, Simulation and Self-Identification ». Mind and Language, vol. 19, no. 2, p. 113-146. Rizzolatti, G., L. Fogassi et V. Gallese. 2001. « Neurophysiological Mechanisms Underlying the Understanding and Imitiation of Action ». Nature Review Neuroscience, 2, 661-670 (on trouve plusieurs texes de ces auteurs sur leur site web). Autres lectures De Vignemont, F. et P. Fournet. 2004. « The sense of agency: A philosophical and empirical review of the "Who" system » Consciousness and Cognition, vol. 13, no. 1, 1-19 Jacob, P. et M. Jeannerod. 2005. « The Motor Theory of Social Cognition : A Critique ». Trends in Cognitive Sciences, vol. 9, no. 1, p. 21-25. Metzinger, T. et V. Gallese. 2003. « The Emergence of Shared Action Ontology : Building Blocks for a Theory ». Consciouness and Cognition, vol. 12, no. 4, p. 549-571. Wegner, D. M. et Sparrow, B. 2004. « Authorship Processing ». In M. Gazzaniga (ed.), the Cognitive Neuroscience, 3 ième édition, p. 1201-1209. Question 2 Il y a actuellement un débat en sciences cognitives entre les partisans de la modularité massive et ceux qui militent pour une modularité plus réduite. L’hypothèse de la modularité massive, généralement celle que les psychologues évolutionnistes favorisent, suppose que l’architecture

4

cognitive du cerveau est constituée d’un grand nombre de modules, ce qui est en contradiction avec l’hypothèse initiale de la modularité (présentée par Fodor, 1983) selon laquelle la modularité est limitée à certains systèmes d’intrants et d’extrants. Quels sont les arguments en faveur de la modularité massive ? Quels arguments peut-on invoquer contre la modularité massive ? Quels sont les différents types de modules ?

Texte d’introduction

Fodor, J. 1983. Modularity of Mind. MIT Press (pour un résumé, voir également son (1992) Theory of Content and other Essays, chapitre 8 et 9).

RÉFÉRENCES : Atkinson, A. et M. Wheeler. 2004. « The Grain of Domains : The Evolutionary Psychological Case Against Domain General Cognition ». Mind and Language, vol. 19, no. 2, p. 147-176. Atran, S. 2005. « Adaptationism for Human Cognition : Strong, Spurious or Weak ? ». Mind and Language, vol. 20, no. 1, p. 39-67. Barrett, C. 2005. « Enzymatic Computation and Cognitive Modularity ». Mind and Language, Vol. 20, no. 3, p. 259-287. Fodor, J. 2003. L’esprit, ça ne marche pas comme ça. Odile Jacob. Pinker, S. 2000. Comment fonctionne l’esprit ? Odile Jacob. Pinker, S. 2005. « So How Does the Mind Work ? » Mind and Language, vol. 20, no. 1, p. 1-24. Samuels, R. 2000. « Massively Modular Minds : Evolutionary Psychology and Cognitive Architecture ». In P. Carruthers (Ed.) Evolution and the Human Mind, Cambridge University Press (et « Is the Mind Massively Modular » sur le site de Samuels : http://www.kcl.ac.uk/kis/schools/hums/philosophy/staff/r_samuelsb.html) Question 3 Les anthropologues cognitifs s’intéressent depuis quelques années à la possibilité d’expliquer l’évolution de la culture. En effet, il semble que de tous les phénomènes étudiés en biologie, le fait de posséder une culture est ce qui démarque véritable l’homme du reste des autres animaux (ce genre d’assertion est cependant contesté, voir Whiten et al., 1999). Comment la culture a-t-elle pu évoluer et surtout, comment la présence de la culture a-t-elle pu changer l’architecture cognitive ? L’existence de la culture peut également permettre de revoir la conception traditionnelle (ou le mythe) de l’esprit comme un système isolé. Comment peut-on penser l’esprit une fois qu’il est placé dans la culture ? Textes d’introduction Sperber, D. et L. Hirschfeld. 2004. « The Cognitive Foundations of Cultural Stability and Diversity ». Trends in Cognitive Sciences, 8, 1, 40-46. Whiten, A. et al. 1999. « Cultures in Chimpanzees ». Nature, 399, p. 682-685. RÉFÉRENCES : Donald, M. « The Central Role of Culture in Cognitive Evolution : A Reflection on the Myth of the

5

‘Isolated Mind’ ». IN L. Nucci, Culture Thought and Development, Lawrence Erlbaum, 19-38 (en ligne http://psyc.queensu.ca/faculty/donald/sel-pubs.html) Henrich, J. et R. McElreath. 2003. « The Evolution of Cultural Evolution ». Evolutionary Anthropology, vol. 12, p. 123-135. Mithen, S. J. (2005) « Ethnobiology and the evolution of the human mind ». Journal of the Royal Anthropological Institute, 12, 45-61. Sperber, D. (à paraître). « Why a Deep Understanding of Cultural Evolution is Incompatible with Shallow Psychology ». Dans Roots of Human Sociality, sous la direction de N. Enfield et S. Levinson (sur www.dan.sperber.com). Sperber, D. et L. Hirschfeld. (à paraître). « Culture and Modularity ». Dans The Innate Mind : Culture and Cognition, de T. Simpson, P. Carruthers, S. Laurence et S. Stich (sur www.dan.sperber.com). Sperber, D. et L. Hirschfeld. 2004. « The Cognitive Foundations of Cultural Stability and Diversity ». Trends in Cognitive Sciences, 8, 1, 40-46 Sterelny, K. 2006. « The Evolution and Evolvability of Culture ». Mind and Language, vol. 21, no. 2, p. 137-165.

1

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : B VOLET : INFORMATIQUE Question 1: Les problèmes d’adaptation des systèmes aux multiples changements qui surviennent dans l’entreprise entraînent constamment des ajustements au niveau des modèles d’affaires et des problèmes d’intégration et d’interopérabilité au plan technique. Le développement des services web et des architectures orientées services semblent aujourd’hui constituer une voie particulièrement prometteuse pour résoudre ces problèmes. Pouvez-vous nous expliquer pourquoi et comment on arrivera peut-être à les résoudre tant du point de vue affaires que du point de vue technique. RÉFÉRENCES DE JONG Peter, Going with the flow, 2006, ACM Queue, vol. 4 no. 2, March, p. 24-32 JOS de Bruijn and al., 2005, Using the Web Service Modeling Ontology to enable Semantic E-Business, Communications of the ACM, vol. 48 no. 12, December, p. 43-47. EJUB Kajan and al., 2005, Toward an Ontology-Driven Architectural Framework for B2B, Communications of the ACM, vol. 48 no. 12, December, p. 60-66. ERL Thomas, 2005, Service-Oriented Architecture Concepts, Technology and Design, Prentice-Hall, 760 pages. KREGER Heather, 2003, Fulfilling the Web Services Promise, Communications of the ACM, vol. 46 no. 6, June, p. 29-34. STAL Michael, 2002, Enterprise Services, Communications of the ACM, vol. 45 no. 10, October, p. 77-82. Question 2 : Dans les sciences de la vie, on prend pour acquis que la fonction d’un système biologique découle, ou tout au moins, dépend, de sa structure. Ceci s’observe tant au niveau des gênes et des structures des molécules d’ADN, qu’au niveau de systèmes macroscopiques beaucoup plus complexes (un écosystème, une communauté, etc.). En représentation de connaissances, on fait traditionnellement la distinction entre les connaissances déclaratives (le savoir) et les connaissances procédurales (le savoir-faire, les compétences). Cette dichotomie est forcément abusive étant donné que chaque système complexe exhibera une structure et un comportement non-triviaux. La structure d’un système serait alors à représenter de façon déclarative, alors que le comportement serait à représenter de façon

2

procédurale. Des représentations dites hybrides sont supposées réconcilier les deux, dont la représentation par cadres et les représentations orientées objet. La plupart des modèles de représentations symboliques de connaissances traitent bien la notion de spécialisation au niveau de l’aspect structurel/déclaratif, mais ne traitent pas (ou pas adéquatement) la spécialisation de l’aspect comportemental. Le but de la question est d’explorer la spécialisation comportementale, et sa relation avec la spécialisation structurelle, dans le cadre des langages de représentations de connaissances symboliques, et le cas des langages de modélisation communs en génie logiciel. RÉFÉRENCES 1) Ronald J. Brachman & James G. Schmolze ,“ An overview of the KL-ONE Knowledge

Representation System,” Cognitive Science: A Multidisciplinary Journal, 1985, Vol. 9, No. 2, Pages 171-216

2) Janet M. Thornton1, 2, Annabel E. Todd1, Duncan Milburn1, Neera Borkakoti3 & Christine A. Orengo, From structure to function: Approaches and limitations, Nature Structural Biology 7, 991 - 994 (2000)

3) Michael Schrefl, Markus Stumptner, “Behavior-consistent specialization of object life cycles,” ACM Transactions on Software Engineering and Methodology (TOSEM) Volume 11 , Issue 1 (January 2002)

4) Representation and Understanding : Studies in Cognitive Science, edité par Daniel Bobrow et Allan Collins, Academic Press, 1975 (ISBN 0-12-108550-3)

5) Rumelhart, D. E. & Norman, D. A. (1988) Representation in memory. In R. C. Atkinson, R. J. Herrnstein, G. Lindzey, & R. D. Luce (Ed.), Stevens' Handbook of Experimental Psychology. New York: Wiley

6) Taivalsaari A. “On the notion of inheritance”. ACM Computing Surveys, 28(3): 438-479, September 1996.

AUTRES RÉFÉRENCES 7) Darden & Rada, 1988 Lindley Darden and Roy Rada, "Hypothesis Formation Using Part-

Whole Interrelations," Analogical Reason. ing : Perspectives in Philosophy and Artificial intelligence, Eds. Helman, Reidel & Dordrecht, Netherlands, 1988.

8) Keuneke, A.M., “Device representation-the significance of functional knowledge,” IEEE Expert, Apr 1991, vol 6, no. 2

9) MacGregor, R. 1990. The Evolving Technology of Classification-Based Knowledge Representation Systems. In John Sowa (ed.), Principles of Semantic Networks: Explorations in the Representation of Knowledge. Morgan Kaufmann.

10) Wong, A. and Sriram, D., “SHARED: An Information Model for Cooperative Product Development,” Research in Engineering Design, pages 21–39, Fall, 1993.

11) Harel, D. and Kupferman, O. 2000. On the Behavioral Inheritance of State-Based Objects. In Proceedings of the Technology of Object-Oriented Languages and Systems (TOOLS 34'00) (July 30 - August 03, 2000). TOOLS. IEEE Computer Society, Washington, DC, 83.

3

Question 3 : En génie logiciel (GL), les travaux de développement et maintenance mobilisent la presque totalité des ressources disponibles, ce qui fait que l’on accorde peu d’importance à retenir les leçons des expériences passées ou même à mettre en place des systèmes de gestion des connaissances facilitant la réutilisation. Pourtant, du fait que le GL est essentiellement un travail requérant de l’intelligence, cela signifie qu’une très importante partie des connaissances utiles se retrouvent dans les connaissances tacites qui sont plus difficilement formalisées et capturées. À partir d’une revue de la littérature proposée, définissez ce que signifie les connaissances tacites en GL, identifiez les principaux domaines du génie logiciel qui auraient intérêt à être couverts et indiquez des exemples de formalismes qui pourraient être employés pour représenter ces connaissances dans le domaine de l’ingénierie des exigences. RÉFÉRENCES MAY Daniel and al., 2003, Knowledge Management with Patterns, Communications of the ACM,

vol. 46 no. 7, July, p. 94-99 RUS Iona adn al., 2002, Knowledge Management in Software Engineering, IEEE Software,

May/June, p. 26-38. RAMESH Balasubramaniam, 2002, Knowledge Management in Software Engineering, IEEE

Software, May/June, p. 50-52. Ramasubramanian S and al., Knowledge Management at Infosys, IEEE Software, May/June, p.

53-55 NONAKA Ikujiro, The Knowledge Creating Co., 1995, N.Y. Oxford University Press, 284 p. BAETJER Howard Jr., 1998, Software as capital, IEEE Computer Society, 194p.

4

VOLET COGNITIF Question 1 Montrez comment la psychologie cognitive, à travers des notions comme celles de réseau sémantique ou de schéma, par exemple, a contribué aux modèles contemporains de représentation des connaissances en informatique cognitive. RÉFÉRENCES : Anderson, J. R. and G. H. Bower. Human Associative Memory. V.H. Winston and Sons, 1973. Bechtel, W. et G. Graham. (1999). Blackwell Companion to Cognitive Science. Oxford: Blackwell Lehmann, Fritz, ed. (1992) Semantic Networks in Artificial Intelligence, Pergamon Press, Oxford. Russell, S. and P. Norvig. (1995). Artificial Intelligence: A modern approach. Prentice-Hall. Sowa, J. (1999). Knowledge Representation: Logical, Philosophical, and Computational

Foundations. Boston: Thomson/Course Technology Sowa, John F., ed. (1991) Principles of Semantic Networks: Explorations in the Representation of

Knowledge, Morgan Kaufmann Publishers, San Mateo, CA, 1991. Wilson, R. et F. Keil, (2001). The MIT Encyclopaedia of the Cognitive Sciences. Cambridge: MIT

Press. Question 2 Les sciences cognitives explorent actuellement une foule de nouvelles idées concernant la cognition (ex. cognition située, cognition incarnée, cognition distribuée, computation affective, systèmes dynamiques, etc.). Explorez les impacts que pourraient avoir quelques-uns de ces nouveaux paradigmes sur la conception de systèmes informatisés de gestion des connaissances. RÉFÉRENCES : Clark, Andy (1997). Being There: Putting Brain, Body, and World Together Again. Cambridge: MIT

Press. Dourish, Paul (2004). Where the Action Is : The Foundations of Embodied Interaction. Cambridge:

MIT Press. Gay, Geri and Helene Hembrooke (2004). Activity-Centered Design : An Ecological Approach to

Designing Smart Tools and Usable Systems. Cambridge: MIT Press. Groff, Todd R. and Thomas P. Jones (2003). Introduction to Knowledge Management, First Edition

: KM in Business. New York: Butterworth-Heinemann Picard, Rosalind (2000). What does it mean for a computer to “have” emotions? In

Emotions in Humans and Artifacts, ed. by R. Trappl, P. Petta and S. Payr. Cambridge: MIT Press. http://vismod.media.mit.edu/pub/tech-reports/TR-534.pdf

Suchman, Lucy A. (1987). Plans and Situated Actions : The Problem of Human-Machine Communication. Cambridge: Cambridge University Press.

Question 3 Un système d’information intelligent doit pouvoir gérer efficacement les nouvelles connaissances acquises (les catégoriser, les classer, les insérer dans les précédentes, etc.). Les paradigmes symbolique et connexionniste de l’intelligence artificielle conçoivent différemment ces processus. Comparez ces deux paradigmes en faisant ressortir leurs avantages et inconvénients pour la gestion des nouvelles connaissances.

5

RÉFÉRENCES : Alpaydin, Ethem (2004). Introduction to Machine Learning. Cambridge: MIT Press. Anderson, J.A. (1995). An introduction to neural networks. Cambridge: MIT Press. Deutch, S. et A. Deutch (1993). Understanding the nervous system. IEEE Press. Fodor, J.A. et Z.W. Pylyshyn (1988). Connectionism and Cognitive Architecture: A Critical Analysis.

Cognition, vol. 28, pp. 3-71. Haykin, S. (1999). Neural Networks. A comprehensive foundation. Prentice Hall. O’Reilly, R.C. and Y. Munakata (2000). Computational Explorations in Cognitive Neuroscience.

Cambridge: MIT Press. Russell, S. and P. Norvig. (1995). Artificial Intelligence: A modern approach. Prentice-Hall. Wilson, R. et F. Keil, (2001). The MIT Encyclopaedia of the Cognitive Sciences. Cambridge: MIT

Press. Witten, Ian H. and Eibe Frank (2005). Data Mining: Practical Machine Learning Tools and

Techniques, Second Edition. Palo Alto : Morgan Kaufmann.

1

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : C VOLET : INFORMATIQUE Question 1 Plusieurs classes des problèmes informatiques ont été identifiées pour lesquelles sont associées des catégories d’algorithmes. Certains de ces problèmes sont dits de classe polynomiale (P), d’autres de classe non polynomiale (NP), etc. On vous demande d’identifier quelques-unes de ces classes et de les illustrer à l’aide de problèmes. On vous demande également de donner des indications quant aux méthodes de preuves utilisées pour montrer l’appartenance d’un problème à une classe donnée. RÉFÉRENCES • H. Papadimitriou, Computational complexity , Addison-Wesley, 1994 • M. Garey, D. Johnson, Computers and intractability, W.H. Freeman & Co., 1979 • Scott Aarson, Is P versus NP formally independent ?,

http://www.scottaaronson.com/papers/pnp.pdf • Michael Sipser, The history of status of the P versus NP question, , Dept of Mathematics,

Massachusetts Institute of Technology

Question 2 En informatique, pour divers domaines d’application (ex. bases de données, intelligence artificielle, forage de données, téléinformatique, ..), on utilise diverses structures de données relativement élaborées pour représenter et implanter des solutions. Quels sont les problèmes de représentation ou de structuration en jeu? Montrez leurs avantages et leurs inconvénients en les illustrant avec des exemples. RÉFÉRENCES • A. V. Aho, J. D. Ullman, J. E. Hopcroft, Data Structures and Algorithms,

1st edition, Addison-Wesley, 1983, ISBN 0201000237

• J. Basch, L. J. Guibas and J. Hershberger. Data Structures for Mobile Data. Journal of Algorithms, 31(1), pp. 1-28, 1999.

• T. H. Cormen, C. E. Leiserson and R. L. Rivest. Introduction to Algorithms. MIT Press, Cambridge MA, 1990.

• B. Chazelle and L. J. Guibas, Fractional cascading: I. A data structuring technique. Algorithmica, 1, pp. 133-162, 1986.

• Bayer, R., M. Schkolnick. Concurrency of Operations on B-Trees. In Readings in Database Systems (ed. Michael Stonebraker), pages 216-226, 1994.

• Florent Masseglia, Pascal Poncelet and Maguelonne Teisseire. Extraction de motifs séquentiels : problèmes et méthodes. Dans: Numéro spécial, Ingénierie des Systèmes d'Information (ISI), Vol. 9(3/4):183-210, 2004.

2

Question 3 Dans les travaux sur les réseaux informatiques, plusieurs algorithmes de routage (routing) ont été proposés dans la littérature. Par ailleurs, de nouveaux réseaux ont vu le jour depuis quelques années dont les réseaux sans fil et les réseaux ambiants (ad-hoc). De nouvelles approches évolutionnistes et d’intelligence collective, par exemple inspirées de la vie des insectes (notamment les fourmis) ont été avancées. On vous demande de montrer le fonctionnement de ces algorithmes dans le contexte de ces réseaux et de montrer leur efficacité et leur degré de réalisation. RÉFÉRENCES

• B. Johnson, David A. Maltz: Dynamic Source Routing in Ad Hoc Wireless Networks, Mobile Computing, Thomasz Imielinski and Hank Korth (Editors), Vol. 353, Chapter 5, pp. 153-181, Kluwer Academic Publishers, 1996. • Mesut Günes et. A., l Ant-based Routing Algorithm for Mobile Ad-Hoc Networks -., ARA - the

ant-colony based routing algorithm for manets, In Stephan Olariu, editor, Proceedings of the 2002 ICPP Workshop on Ad Hoc Networks (IWAHN 2002), pages 79-85, IEEE Computer Society Press, August 2002, http://www.adhoc-nets.de

• Mesut Günes, Udo Sorges, Imed Bouazizi: ARA - The Ant-Colony Based Routing Algorithm for MANETs. ICPP Workshops 2002: 79-85

• Yihan Li, Shivendra S. Panwar and Srinivas Burugupall, A Mobile Sensor Network Using Autonomously Controlled Animals. Polytechnic University, Brooklyn, NY.

3

VOLET COGNITIF Question 1 Montrer les liens entre les concepts techniques de grammaires, règle , fonction récursive, machine de Turing et les théories de la représentation en sciences cognitives. Question 2 Situer quelques modèles dits de «la représentation des connaissances» en regard à la théorie de l’intelligence collective ? Question 3 Comment se situent les théories de l’information symboliques et non symboliques en regard des théories de la cognition? RÉFÉRENCES pertinentes aux trois questions: Luger, G. F. (2002). Artificial Intelligence : Structures and Strategies for Complex Problem Solving (Fourth ed.). Addison-Wesley. Introduction de l'encyclopédie du MIT, Wilson, Keil (MIT 1999) Vocabulaire de sciences cognitives, Houdé, Kayser, Koenig (PUF 1998) Blackwell Companion to Cognitive Science, (Bechtel et Graham. (1999),Blackwell, PYLYSHYN, Z. (1984), Computation and Cognition. Toward a Foundation for Cognitive Science, Cambridge, Mass., The MIT Press. Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems. Addison S. Russell and P. Norvig. "Artificial Intelligence: A Modern Approach". Prentice Hall. 1995. Churchland, P.M., Churchland, P.S. 1990. `Could a Machine Think?'. Scientific American, 262

(Jan.), 26-31. Flückiger Federico (1995) Contributions s Towards a Unified Concept of Information PHd

dissertation , ( disponible sur le web) Soulié.,F. Les theories de la complexité. Seuil 1991.

Swarm Intelligence: From Natural to Artificial Systems by Eric Bonabeau, Marco Dorigo and Guy Theraulaz 1999

Swarm Intelligence by James Kennedy and Russell C. Eberhart 1999

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : D VOLET : COGNITIF QUESTION 1: Le débat autour de l’innéisme est au cœur des théories visant à décrire les processus d’acquisition du langage. Discutez de cette opposition inné/acquis en vous basant sur les notions présentées dans la bibliographie partielle. RÉFÉRENCES : Chomsky, N. Knowledge of language, New York, Praeger. MacNeilage, P. F. (1997) : « Acquisition of Speech », in Hardcastle, W. J. and Laver, J. (eds), Handbook of Phonetic Sciences, Cambridge/Oxford, Blackwell Publishers, 301-332. MacNeilage, P. F. and Davis, B. L. (2000) Evolution of speech: The relation between ontogeny and phylogeny. In Chris Knight, James R. Hurford and Michael Studdert-Kennedy, editors, The Evolutionary Emergence of Language: Social Function and the Origins of Linguistic Form. Cambridge: Cambridge University Press. Pinker, S. (1989) : Learnability and Cognition, Cambridge (Mass.), MIT Press. QUESTION 2: Si vous deviez concevoir un système informatique simulant l’acquisition du langage, quels seraient les problèmes auxquels vous seriez confronté (par exemple, rôle de l’input provenant de l’environnement, rôle des informations sensorielles, présence ou non d’un dictionnaire initial représentant la grammaire universelle, génération de règles, …)? Comment serait-il possible de les résoudre?

RÉFÉRENCES : Chomsky, N. (1993) : The Minimalist Program, Cambridge (Mass.), MIT Press. Guenther, F.H., Hampson, M., and Johnson, D., (1998) : « A theoretical investigation of reference frames for the planning of speech movements », Psychological Review, 105, pp 611-633. Guenther, F.H. (1995) : « A modeling framework for speech motor development and kinematic articulator control » Proceedings of the XIIIth International Congress of Phonetic Sciences (vol. 2, pp. 92-99). Stockholm, Sweden: KTH and Stockholm University. Jackendoff, R. (1987) : Consciousness and the Computational Mind, Cambridge (Mass.), MIT Press. Schwartz, J.-L. et Escudier, P. (2000) : La parole : des modèles cognitifs aux machines communicantes, Paris, Hermès. QUESTION 3 : Quelle approche en informatique cognitive (réseaux de neurones, algorithmes génétiques, robotique,…) vous semble la plus pertinente pour simuler l’acquisition du langage et de la parole chez l’enfant? Expliquez. RÉFÉRENCES: Boë, L.-J., Vallée, N., Badin, P., Schwartz, J.-L.; Abry, C. (2000) : « Tendencies in Phonological Structures: The Influence of Substance on Form », Bulletin de la Communication Parlée, 5, 35-55. Kuhl, P. K. (1985) : « Categorization of speech by infants », in Mehler, J. et Fox, R. (eds), Neonate Cognition : Beyond the Blooming, Buzzing Confusion, Hillsdale (NJ), Erlbaum, 231-262. Chomsky, N. (2002) : « Perspectives on language and mind », in Belleti, A., et Rizzi, L. (eds) On nature and language, Cambridge, Cambridge University Press, 45-91. Oudeyer, P-Y. (2005) : « The Self-Organization of Speech Sounds », Journal of Theoretical Biology, 233(3):435-449.

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : D VOLET : INFORMATIQUE

Question 1 Une tâche importante en cognition est l’évaluation de la similarité entre deux concepts, pour des fins de reconnaissance/classification, de résolution de problèmes par analogie, etc. En intelligence artificielle et sciences cognitives, ces mesures de similarité sont calculées en comparant des descriptions de concepts.

Partant d’une classification des différentes approches de représentation de connaissances, décrivez les principales mesures de similarité proposées dans la littérature, en mentionnant le domaine d’application, et leur utilité ou pertinence.

RÉFÉRENCES:

• Rumelhart, D. E. & Norman, D. A. (1988) Representation in memory. In R. C. Atkinson, R. J. Herrnstein, G. Lindzey, & R. D. Luce (Ed.), Stevens' Handbook of Experimental Psychology. New York: Wiley

Quelques exemples d’applications de mesures de similarité : • Jaime Carbonell, “Derivational Analogy in Problem Solving and Knowledge

Acquisition,” Proceedings of the International Machine Learning Workshop, Monticello, Illinois, June 1983, pp. 12-18

• Roy Rada, Hafedh Mili, Ellen Bicknell, and Maria Blettner, ``Development and Applications of a Metric on Semantic Nets,'' IEEE Transactions on Systems, Man, and Cybernetics, Jan/Feb 1989, vol 19(1), pp 17-30.

• Neil A. Maiden et Alistair G. sutcliffe, «Exploiting Reusable Specifications Through Analogy,” Communications of the ACM, April 1992, vol. 35, no. 4, pp. 55-64, special issue on CASE

• Information Retrieval Research, eds R. N. Oddy, S. E. Robertson, C. J. van Rijsbergen, et P. W. Williams, Butterworths, London, 1981

Question 2 La fouille d’informations consiste à trouver des documents pertinents à une requête de l’utilisateur, souvent formulée en langage naturel. Décrivez l’apport de la linguistique computationnelle à la théorie et à la pratique de la fouille d’informations textuelles. Commentez la problématique particulière de l’information sur le web.

RÉFÉRENCES:

• Ricardo Baeza-Yates et Berthier Ribeiro-Neto, Modern Information Retrieval, Addison Wesley, 1999.

• Lewis, D. D. and Jones, K. S. 1996. Natural language processing for information retrieval. Commun. ACM 39, 1 (Jan. 1996),

• Smeaton, A. F. 1992. Progress in the application of natural language processing to information retrieval tasks. Comput. J. 35, 3 (Jun. 1992), 268-278.

• Peter Jackson & Isabelle Moulinier, Natural Language Processing for On-line applications: Text retrieval, extraction, and categorization, John Benjamins, July 2002

• Moldovan, D. I. and Mihalcea, R. 2000. Using WordNet and Lexical Operators to Improve Internet Searches. IEEE Internet Computing 4, 1 (Jan. 2000), 34-43

Question 3 Peut-on utiliser UML pour la représentation de connaissances? Répondez à cette question dans le contexte d’une comparaison d’UML à OWL, et aux logiques de description en général.

RÉFÉRENCES:

• Nardi, D. and Brachman, R. J. 2003. An introduction to description logics. In the Description Logic Handbook: theory, Implementation, and Applications, F. Baader, D. Calvanese, D. L. McGuinness, D. Nardi, and P. F. Patel-Schneider, Eds. Cambridge University Press, New York, NY, 1-40. Disponible aussi sur le web.

• Ian Horrocks, Peter F. Patel-Schneider, and Frank van Harmelen. From SHIQ and RDF to OWL: The making of a web ontology language. J. of Web Semantics, 1(1):7-26, 2003.

• LARMAN, Craig – Applying UML and Patterns - An Introduction to Object-Oriented Analysis and Design – Third Edition, Prentice-Hall, 2005, ISBN: 0-13-148906-2. OU LARMAN, Craig – UML et les Design – Patterns, Campus Press, 2002.

• FOWLER, Martin & SCOTT, Kendall – UML Distilled - Applying the Standard Object Modeling Language –Addison-Wesley, 1997 ISBN 0-201-32563-2

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : E VOLET : INFORMATIQUE QUESTION 1 : Présentez les principales méthodes de regroupement de données (clustering) en faisant ressortir leurs avantages et inconvénients. RÉFÉRENCES:

• Han, J. and Kamber, M. (2006). Data Mining : Concepts and Techniques, Morgan Kaufmann.

• Berkhin, P. (2002). Survey of Clustering Data Mining Techniques, Accrue Software. • http://citeseer.ist.psu.edu/cache/papers/cs/26278/http:zSzzSzwww.accrue.comzSzprod

uctszSzrp_cluster_review.pdf/berkhin02survey.pdf • Jain, A. K., Murty, M. N. and Flynn, P. J. (1999). "Data Clustering: A Review." ACM

Computing Surveys 31(3): 264-323. • http://citeseer.ist.psu.edu/cache/papers/cs/26235/http:zSzzSzwww.isi.uu.nlzSzMeeting

szSz..zSzTGVzSzjain.pdf/jain99data.pdf QUESTION 2: Présentez les principaux algorithmes d’extraction de motifs fermés fréquents en contrastant leur manière d’explorer l’espace des motifs. RÉFÉRENCES:


• Zaki, M. J. and Hsiao, C.-J. (2005). "Efficient Algorithms for Mining Closed Itemsets and Their Lattice Structure." IEEE Transactions on Knowledge and Data Engineering 17(4): 462-478.

• Lucchese, C., Orlando, S. and Perego, R. (2006). "Fast and Memory Efficient Mining of Frequent Closed Itemsets." IEEE Transactions on Knowledge and Data Engineering 18(1): 21-36.

• Valtchev, P., Missaoui, R., Godin, R. and Meridji, M. (2002). "Generating Frequent Itemsets Incrementally : two Novel Approaches based on Galois Lattice Theory." Journal of Experimental & Theoretical Artificial Intelligence (JETAI ) : Special Issue on Concept Lattice-based theory, methods and tools for Knowledge Discovery in Databases 14(2/3): 115-142.

• Aaron Ceglar and John F. Roddick (2006) Association mining, ACM Comput. Surv., vol. 38(2), pp. 5, http://doi.acm.org/10.1145/1132956.1132958.

• Jianyong Wang and Jiawei Han and Jian Pei (2003), CLOSET+: searching for the best strategies for mining frequent closed itemsets, KDD '03: Proceedings of the ninth ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 236-245, Washington, D.C., http://doi.acm.org/10.1145/956750.956779.

QUESTION 3 : Expliquez le principe du raisonnement dans un système à base de règles et expliquez le rôle joué par un réseau RETE dans l’optimisation des performances. Présentez quelques raffinements possibles alternatifs en prenant comme point de départ l’article suivant : RÉFÉRENCES:

• Luger, G.F. Artificial Intelligence : Structures and Strategies for Complex Problem Solving. Addison-Wesley, 2002.

• Jack S. E. Tan and Jaideep Srivastava and Sashi Shekhar (1992) On the construction of efficient match networks, SAC '92: Proceedings of the 1992 ACM/SIGAPP Symposium on Applied computing, pp. 353-362, Kansas City, Missouri, United States, http://doi.acm.org/10.1145/143559.143662

• D. P. Miranker and B. J. Lofaso (1991), The Organization and Performance of a TREAT-Based Production System Compiler, IEEE Transactions on Knowledge and Data Engineering, vol. 3(1), pp. 3-10, http://dx.doi.org/10.1109/69.75882.

• Eric N. Hanson (1996) The Design and Implementation of the Ariel Active Database Rule System, IEEE Transactions on Knowledge and Data Engineering, vol. 8(1), pp. 157-172, http://dx.doi.org/10.1109/69.485644.

• Daniel P. Miranker and David A. Brant (1990) An Algorithmic Basis for Integrating Production Systems and Large Databases, Proceedings of the Sixth International Conference on Data Engineering, pp. 353-360, Washington, DC, USA.

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : E VOLET : COGNITIF QUESTION 1 : Quel rôle joue la méthode de reverse engineering chez Dennett ? Comment Dennett interprète-t-il l’évolution comme phénomène? L’approche de Dennett est-elle d’abord cybernétique, cognitiviste ou connexioniste?

RÉFÉRENCES : Brook, A. et Don Ross (2002). Daniel Dennett, Cambridge University Press Varela, F.J. (1989). Connaître. Les sciences cognitives : tendances et perspectives, Paris Seuil/Science ouverte. Voir les autres références de Dennett dans la bibliographie du séminaire de mise à niveau.

QUESTION 2 : Une des contributions fondamentales de l’informatique a été d’expliquer ce que sont les symboles. Comme l’a écrit McCulloch (1961) : «Qu’est-ce qu’un symbole tel que l’intelligence puisse l’utiliser et qu’est-ce que l’intelligence qui pourrait utiliser un symbole?». Pour Newell et Simon, les symboles sont à la racine de l’action intelligente, ce qui est le thème premier de l’intelligence artificielle. Quelle est votre compréhension des exigences d’un système qui devrait agir avec intelligence en utilisant des symboles? L’intelligence artificielle est-elle une science respectable ou une philosophie portant sur la nature de l’esprit? RÉFÉRENCES : Dupuy, J.-P. (1994). Aux origines des sciences cognitives. Paris : Éditions La Découverte/série sciences cognitives. Newell, A., & Simon, H.A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the Association for Computing Machinery, 19(3), 113-126. (1975 ACM Turing Award Lecture.) Voir le texte de Jean-Louis Lemoigne: www.mcxapc.org/docs/ateliers/atelier10jlm0804.pdf QUESTION 3 :

L’approche d’enaction proposée par Varela va à l’encontre de la définition d’ontologies de domaine. Il écrit : «Aucun aspect de notre monde naturel et vivant ne peut être classifié à partir de délimitations nettes : on ne peut en faire un domaine dont on tracerait la carte.» (Francisco J.Varela, Connaître, 1989 : 95). Quelles leçons pouvez-vous tirer de cette affirmation quant aux différentes approches basées sur les modèles neuronaux ou connexionistes face aux approches de codage de la connaissance comme la méthode KADS? RÉFÉRENCES : Varela, F.J. (1989). Connaître. Les sciences cognitives : tendances et perspectives, Paris Seuil/Science ouverte. Varela, F.J. et Humberto R. Maturana (1994). L'Arbre de la connaissance. Addison-Wesley France Dieng-Kuntz, R. et al. (2005). Knowledge Management : Méthodes et outils pour la gestion des connaissances. Paris : Dunod Informatique

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : F VOLET : COGNITIF QUESTION 1 : L’acquisition du langage chez l’enfant est un processus complexe dont les différentes étapes sont influencées par divers facteurs : les capacités cognitives initiales, l’input de l’environnement, le développement périphérique (physiologie des articulateurs),... Les approches théoriques actuelles se distinguent par le poids accordé à chacun de ces facteurs dans l’émergence des premiers mots et phrases chez l’enfant. En prenant comme point de départ les articles suivants, décrivez quelques-unes de ces approches en faisant ressortir leurs points forts et leurs points faibles. RÉFÉRENCES : Chomsky, N. (2002) : « Perspectives on language and mind », in Belleti, A., et Rizzi, L. (eds) On nature and language, Cambridge, Cambridge University Press, 45-91. Gleitman, L., & Newport, E. (1995). The invention of language by children: Environmental and biological influences on the acquisition of language. In Gleitman, L., & Liberman, M. (Eds.), Language: An invitation to cognitive science (2nd edition). Cambridge, MA: MIT Press. Pinker, S. (1990). Language acquisition. In D. Osherson & H. Lasnik (Eds.), Language: An invitation to cognitive science (1st edition). Cambridge, MA: MIT Press. Saffran, J. R. (2003). Statistical language learning: Mechanisms and constraints. Current Directions in Psychological Science, 12, 110-114. Saffran. J.R. (2001). The use of predictive dependencies in language learning. Journal of Memory and Language, 44, 493-515. QUESTION 2 : Quel est le rôle de la vision et de l’audition dans le développement des représentations (cibles) de la parole? Discutez de la nature multimodale de la parole chez l’adulte également.

RÉFÉRENCES : Boë, L.-J., Vallée, N., Badin, P., Schwartz, J.-L.; Abry, C. (2000) : « Tendencies in Phonological Structures: The Influence of Substance on Form », Bulletin de la Communication Parlée, 5, 35-55. Dodd, B. et Campbell, R. (1987): Hearing by eye : the psychology of lip-reading, London, Lawrence Erlbaum Kuhl, P. K. (1985) : « Categorization of speech by infants », in Mehler, J. et Fox, R. (eds), Neonate Cognition : Beyond the Blooming, Buzzing Confusion, Hillsdale (NJ), Erlbaum, 231-262. Mills, A. E. (1987) : « The Development of Phonology in the Blind Child », in Dodd, B. et Campbell, R. (eds), Hearing by eye : the psychology of lip-reading, London, Lawrence Erlbaum, 145-161. Schwartz, J.-L., Abry, C., Boë, L.-J. et Cathiard, M. (2002) : « Phonology in a Theory of Perception-for-Action-Control », in Durand, J. et Laks, B. (eds.), Phonetics, Phonology, and Cognition, Oxford University Press. QUESTION 3 : En vous basant sur les principes de la cognition incarnée, décrivez l’apport des modèles artificiels de la production de la parole aux théories actuelles dans ce domaine. RÉFÉRENCES : Boë, L.-J., Vallée, N., Badin, P., Schwartz, J.-L.; Abry, C. (2000) : « Tendencies in Phonological Structures: The Influence of Substance on Form », Bulletin de la Communication Parlée, 5, 35-55. Schwartz, J.L., Serkhane, J., Bessière, P., & Boë, L.J. (2004) : « La robotique de la parole, ou comment modéliser la communication par gestes orofaciaux ». In Schwartz (ed.) Origine de la parole et du langage : Neanderthal, le singe et l’homme, Primatologie, 6, 329-352. Serkhane, J.E., Schwartz, J.L., Boë, L.J., Bessière, P. « Building a talking baby robot: A contribution to the study of speech acquisition and evolution », Interaction Studies, in press.

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : F VOLET : INFORMATIQUE

Question 1 Grosso-modo, on peut parler de deux grandes familles de théories de la représentation de connaissances, la famille des approches symboliques, et la famille des approches connexionnistes.

Décrivez les principales approches de la famille des approches symboliques, et comparez-les selon les critères suivants : 1)le type de connaissances qu’elles permettent de représenter 2)le type d’inférences / raisonnement qu’elles permettent de soutenir, et 3)la vraisemblance cognitive, i.e. la mesure dans laquelle les différentes approches permettent de rendre compte de certains comportements cognitifs (apprentissage, déduction, abstraction, etc.)

RÉFÉRENCES :

• Rumelhart, D. E. & Norman, D. A. (1988) Representation in memory. In R. C. Atkinson, R. J. Herrnstein, G. Lindzey, & R. D. Luce (Ed.), Stevens' Handbook of Experimental Psychology. New York: Wiley

• The handbook of artificial intelligence – Volume 1, édité par Avron Barr et Edward Feigenbaum, William Kaufmann inc., 1982, ISBN 0-86576-004-7

• The handbook of artificial intelligence – Volume 3, édité par Paul R. Cohen et Edward Feigenbaum, William Kaufmann inc., ISBN 0-86576-004-7

• Semantic Networks in Artificial Intelligence, édité par Fritz Lehmann, Pergamon Press, 1992, ISBN 0-08-0420125

Question 2 Le génie logiciel a été l’une des premières applications de l’intelligence artificielle. La programmation automatique était basée principalement sur le paradigme transformationnel de développement de logiciels. L’Object Management Group (OMG) a récemment proposé l’ « architecture » MDA (Model-Driven Architecture) pour le développement de logiciels qui est basée sur l’approche de transformation de modèles. En vous appuyant sur la bibliographie partielle suivante, il vous est demandé de présenter l’architecture MDA dans le contexte des approches transformationnelles au développement de logiciel.

RÉFÉRENCES:

• Partsch, H. and Steinbrüggen, R. 1983. Program Transformation Systems. ACM Comput. Surv. 15, 3 (Sep. 1983), 199-236.

• Baxter, I. D. 1992. Design maintenance systems. Commun. ACM 35, 4 (Apr. 1992), 73-89.

• Krzysztof Czarnecki and Simon Helsen, “A Classification of Model Transformation Systems,” OOPSLA’03 Workshop on Generative Techniques in the Context of MDA”, http://www.swen.uwaterloo.ca/~kczarnec/ECE750T7/czarnecki_helsen.pdf

• IEEE Computer, February 2006, numéro special sur Model-Driven Engineering. Question 3 La notion de « complexité logicielle» est relative à la manipulation que l’on désire effectuer sur un produit logiciel (l’exécuter, y trouver les erreurs, le comprendre, ou le modifier). Dans le cas de la maintenance logicielle, la complexité touche plusieurs aspects dont, 1) la compréhension de la structure et de la fonctionnalité du système à modifier, et 2) la conception des changements requis pour modifier le comportement du logiciel pour le corriger et l’adapter aux nouvelles exigences.

Décrivez l’état de l’art sur les recherches en compréhension de programmes en abordant autant l’aspect cognitif que l’aspect outils de support à la compréhension de programmes.

RÉFÉRENCES :

• Marian Petre, “Why Looking Isn't Always Seeing: Readership Skills and Graphical Programming,” Communications of the ACM, vol. 38, no. 6, pp. 33-44, June 1995.

• Jungpil Hahn, Jinwoo Kim, “Why Are Some Representations (Sometimes) More Effective,” ACM Transactions on Computer-Human Interaction, 1999.

• Andrew Walenstein, “Cognitive Support In Software Engineering Tools: A Distributed Cognition Framework,” 2002.

• A. von Mayrhauser, A.M. Vans, “On the Role of Hypotheses during Opportunistic Understanding While Porting Large Scale Code,” WPC '96: Proceedings of the IEEE Fourth Workshop on Program Comprehension, (Berlin, Germany; March 29-31, 1996)

• Spencer Rugaber, “The use of domain knowledge in program understanding,” Annals of Software Engineering, 2000

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : G VOLET : INFORMATIQUE QUESTION 1 : Comparez les principales représentations concises pour les motifs fréquents et les règles d’association. RÉFÉRENCES :

• Calders, T., Rigotti, C. and Boulicaut, J. (2006). A Survey on Condensed Representations for Frequent Sets. European Workshop on Inductive Databases and Constraint Based Mining, Hinterzarten, Germany, Springer, 64 - 80.

• Kryszkiewicz, M. (2002). Concise Representations of Association Rules. Pattern Detection and Discovery: ESF Exploratory Workshop, London, UK, Springer, 92-109.


• M. J. Zaki and M. Ogihara. Theoretical foundations of association rules. In Proc.SIGMOD Workshop on Research Issues in Data Mining and Knowledge Discovery DMKD’98, pages 1–8, June 1998.

• N. Pasquier, Y. Bastide, R. Taouil, and L. Lakhal. Efficient mining of association rules using closed itemset lattices. Information Systems, 24(1):25–46, Jan. 1999.

• J.-F. Boulicaut, A. Bykowski, and C. Rigotti. Free-sets: a condensed representation of boolean data for the approximation of frequency queries. Data Mining and Knowledge Discovery journal, 7(1):5–22, 2003.

• T. Calders and B. Goethals. Mining all non derivable frequent itemsets. In Proc.Principles and Practice of Knowledge Discovery in Databases PKDD’02, volume 2431 of LNAI, pages 74–85, Helsinki, FIN, Aug. 2002. Springer-Verlag.

• T. Calders and B. Goethals. Minimal k-free representations of frequent sets. In Proc. Principles and Practice of Knowledge Discovery in Databases PKDD’03, volume 2838 of LNAI, pages 71–82, Cavtat-Dubrovnik, HR, Sept. 2003. Springer-Verlag.

QUESTION 2 : Quels sont les caractéristiques distinctives des principales méthodes de classification (supervisée). RÉFÉRENCES :


• Duda, R.O., Hart, P.E. and Stork, D.G. Pattern Classification. Wiley, 2001.

QUESTION 3 : Contrastez les principaux modèles du repérage de l’information. RÉFÉRENCES :

• Baeza-Yates, R. and Ribiero-Neto, B. (1999). Modern Information Retrieval, Addison Wesley (chapitre 2)

• Salton, G., Fox, E. A. and Wu, H. (1983). "Extended Boolean Information Retrieval." Communications ACM 26: 1022-1036.

• Fabio Crestani and Mounia Lalmas and Cornelis J. Van Rijsbergen and Iain Campbell (1998), “Is this document relevant?\…probably\”: a survey of probabilistic models in information retrieval, ACM Comput. Surv., vol. 30(4), pp. 528-552, http://doi.acm.org/10.1145/299917.299920

• S. K.M. Wong and W. Ziarko and V. V. Raghavan and P. C.N. Wong (1987) On modeling of information retrieval concepts in vector spaces, ACM Trans. Database Syst., vol. 12(2), number = {2}, pp. 299-321, http://doi.acm.org/10.1145/22952.22957.

• G. W. Furnas and S. Deerwester and S. T. Dumais and T. K. Landauer and R. A. Harshman and L. A. Streeter and K. E. Lochbaum (1988) Information retrieval using a singular value decomposition model of latent semantic structure, SIGIR '88: Proceedings of the 11th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 465-480, Grenoble (France), http://doi.acm.org/10.1145/62437.62487.

• Berthier A. N. Ribeiro and Richard Muntz (1996) A belief network model for IR, SIGIR '96: Proceedings of the 19th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 253-260, Zurich (Switzerland), http://doi.acm.org/10.1145/243199.243272.

• Ross Wilkinson and Philip Hingston (1991) Using the cosine measure in a neural network for document retrieval, SIGIR '91: Proceedings of the 14th annual international ACM SIGIR conference on Research and development in information retrieval, pp. 202-210, Chicago, Illinois, http://doi.acm.org/10.1145/122860.122880.

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : G VOLET : COGNITIF QUESTION 1 : «Dans le cas d’un processus computationnel dont la finalité est d’être le modèle d’un processus cogntitif, il y a seulement un niveau de l’organisation du système qui correspond à ce que nous appelons l’architecture cognitive». Quel est le rôle du concept d’architecture en cognition? Pourquoi cette correspondance pour Zenon avec un seul niveau d’organisation du système? RÉFÉRENCES :

Varela, F.J. (1989). Connaître. Les sciences cognitives : tendances et perspectives, Paris Seuil/Science ouverte. Pylyshyn, Zenon (1998). Constraining Cognitive Theories: Issues and Options : 3. (voir bibliographie du sémianire de msie à niveau) Voir également ce lien : http://ai.eecs.umich.edu/cogarch0/common/arch.html

QUESTION 2 : Selon Fodor, nous ne croyons pas toutes les conséquences de nos croyances, ainsi une certaine idéalisation est requise pour passer de dispositions causales d’un état mental à une sorte de réseau causal. Quelle est la portée de cet énoncé de Fodor? Est-ce un énoncé cognitiviste ou connexioniste? Est-ce que la définition de l’intelligence artificielle proposée par Newell et Simon est compatible avec cet énoncé? RÉFÉRENCES : Fodor, Jerry A. (1990). Fodor’s Guide to Mental Representation, MIT Press. Dupuy, J.-P. (1994). Aux origines des sciences cognitives. Paris : Éditions La Découverte/série sciences cognitives. Newell, A., & Simon, H.A. (1976). Computer science as empirical inquiry: Symbols and search. Communications of the Association for Computing Machinery, 19(3), 113-126. (1975 ACM Turing Award Lecture.)

QUESTION 3: Les sciences cognitives sont proches de réalisations concrètes de l’informatique cognitive. Newell et Simon ont proposé le General Probem Solver, Frank Rosenblatt a proposé le Perceptron, que proposent alors les partisants de l’enaction comme Francisco Varela comme réalisations pratiques? Quelles en seraient les applications en entreprise? RÉFÉRENCES : Varela, F.J. (1989). Connaître. Les sciences cognitives : tendances et perspectives, Paris Seuil/Science ouverte. Varela, F.J. et Humberto R. Maturana (1994). L'Arbre de la connaissance. Addison-Wesley France Winograd, T. and Flores, C. F. (1986) Understanding Computers and Cognition. A New Foundation for Design. Norwood: Ablex


ÉTUDIANT : H VOLET : INFORMATIQUE QUESTION 1 : Définissez et comparez les caractéristiques propres des concepts d’objet et d’agent en modélisation. Au plan de la conception de système, est-ce qu’un même problème pourrait être modélisé selon chacune de ces approches pour produire les mêmes résultats? Expliquez votre point de vue en l’appuyant sur un exemple concret. RÉFÉRENCES : Luger G.F., Artificial Intelligence, Addison-Wesley, fourth ed., 2002, 856 p. Ciancarini P. and Woolridge M.J.(Eds), 2000, Agent-Oriented Software Engineering, Springer, 321 p. Jacobson I, G. Booch and J. Rumbaugh, The Unified Software Development Process, Addison –Wesley, 1999 QUESTION 2 : La construction d’une ontologie appliquée à un domaine ou une tâche est une forme de modélisation des connaissances. Quand la formalisation des liens et des axiomes est complétée pour définir chacune des classes d’objets et leur hiérarchie, on peut s’en servir comme base de connaissances pour produire divers types d’inférence sur la tâche ou le domaine. Explicitez la notion d’ontologie et la façon de s’en servir pour construire des bases de connaissances et développer des mécanismes d’inférences. Illustrez votre propos par quelques exemples de votre choix. Discutez des caractéristiques à rechercher dans la construction de l’ontologie pour la construction de base de connaissances. RÉFÉRENCES :

Randall Davis, Howard Shrobe, Peter Szolovits, What is a Knowledge Representation? http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html

Asunción Gómez-Pérez, Mariano Fernández-López, Oscar Corcho. 2003, Ontological Engineering , Springer Verlag ISBN 1-85233-551-3, Approx. 415 pp.

Bachimont Bruno, 2000, Engagement sémantique et ontologique, http://www.utc.fr/~bachimon/Publications.html Guarino N, 1998, Formal Ontology and Informations Systems, http://www.loa-cnr.it/Papers/FOIS98.pdf, 2001, Mizoguchi R. Ontological Engineering: Foundations for the next generation knowledge processing http://www.ei.sanken.osaka-u.ac.jp/pub/all-publications.html QUESTION 3: En génie logiciel (GL), les travaux de développement et maintenance mobilisent la presque totalité des ressources disponibles, ce qui fait que l’on accorde peu d’importance à retenir les leçons des expériences passées ou même à mettre en place des systèmes de gestion des connaissances facilitant la réutilisation. Pourtant, du fait que le GL est essentiellement un travail requérant de l’intelligence, cela signifie qu’une très importante partie des connaissances utiles se retrouvent dans les connaissances tacites qui sont plus difficilement formalisées et capturées. À partir d’une revue de la littérature proposée, définissez ce que signifie les connaissances tacites en GL, identifiez les principaux domaines du génie logiciel qui auraient intérêt à être couverts et indiquez des exemples de formalismes qui pourraient être employés.

RÉFÉRENCES:

RUS Iona adn al., 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p. 26-38. RAMESH Balasubramaniam, 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p. 50-52. Ramasubramanian S and al., Knowledge Management at Infosys, IEEE Software, May/June, p. 53-55 NONAKA Ikujiro, The Knowledge Creating Co., 1995, N.Y. Oxford University Press, 284 p. BAETJER Howard Jr., 1998, Software as capital, IEEE Computer Society, 194p. MAY Daniel and al., 2003, Knowledge Management with Patterns, Communications of the ACM, vol. 46 no. 7, July, p. 94-99.


ÉTUDIANT : H VOLET : COGNITIF QUESTION 1 : Discutez comment se situent l’approche représentationnaliste et l’approche connexionniste de la cognition relativement aux conditions neurobiologiques d’émergence de l’activité cognitive. Autrement dit, comment ces deux approches sont-elles compatibles ou non avec ce que nous savons de la neurologie des fonctions cognitives. RÉFÉRENCES : Bechtel, W & Abrahamsen, A. (1991) Connectionism and the Mind, Oxford, Blackwell. Churchland, P. S. & Sejnowski, T. J. (1992) The Computational Brain, Cambridge MA., MIT Press. Fodor, J. A. (1973) The Language of Thought, New York, Crowell. Smolensky, P. (1988) On the Proper Treatment of Connectionism, Behavioral and Brain Sciences, 11, 1-74. QUESTION 2 : Montrez à partir de deux exemples de langages logiques, comme la logique du dialogue, la logique des questions, la logique situationnelle ou la logique des actes de langage, comment la logique peut être un outil pertinent pour la modélisation du dialogue. RÉFÉRENCES : Carlson, L. (1983) Dialogue Games. An Approach to Discourse Analysis, Dordrecht, Reidel. Harrah, D. The Logic of Questions in Gabbay, D. & Guenthner, F. (1984) Handbook of Philosophical Logic, volume II, Dordrecht, Reidel. Barwise, J. (1987) The Situation in Logic, Stanford, CA., CSLI Publications, Stanford University. Searle, J. (1969) Speech Acts, Cambridge U. K., Cambridge University Press.

QUESTION 3 : Montrez comment les travaux des sciences cognitives sur la catégorisation peuvent être utilisés pour expliquer comment s’effectue la classification et la catégorisation dans les processus de découverte scientifique. RÉFÉRENCES : Churchland, P. M. (1989) A Neurocomputational Perspective. The Nature of Mind and the Structure of Science, Cambridge, MA., MIT Press. Holyoak, K. J.& Thagard, P. (1995) Mental Leaps, Cambridge, MA., MIT Press, voir surtout le chapitre 8. Keil, F. C. (1989) Concepts, Kinds and Cognitive Development, Cambridge MA., MIT Press. Klahr, D. (2000) Exploring Science, Cambridge, MA., MIT Press.

1

DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : I VOLET : INFORMATIQUE Question 1: On distingue deux grandes approches dans la représentation des connaissances, l'approche symbolique d'une part et l'approche sous-symbolique d'autre part. Identifiez les avantages et les limites de chacune de ces approches. Montrez comment on peut les conjuguer en pratique. Illustrez à l'aide d'un exemple. RÉFÉRENCES Ripley, B.D. Pattern Recognition and Neural Networks, Cambridge University Press, 1996, 403 p. http://www.stats.ox.ac.uk/~ripley/PRbook/ Sun, Ron. Integrating Rules and Connectionism for Robust Common Sense Reasoning, Wiley, 1993. http://www.cecs.missouri.edu/~rsun/book1-ann.html McGary, K. S. Wermter et J. MacIntyre. Hybrid Neural Systems: From Simple Coupling to Fully Integrated Neural Networks, 32 p. http://scholar.google.com/url?sa=U&q=http://www.his.sunderland.ac.uk/ps/ncs99.pdf Wermter, S. et R. Sun. Hybrid Neural Systems, Lecture Notes in Artificial Intelligence, No. 1778, Springer, 2000. Question 2 : Définissez ce que l'on entend par le concept d'ontologie en informatique. Si l'objectif est de construire une telle ontologie à partir d'un corpus de textes, quel serait le rôle des statistiques textuelles et celui des grammaires rationnelles? Expliquez pourquoi une intervention humaine serait toujours nécessaire? Illustrez à l'aide d'un exemple. RÉFÉRENCES Gomez-Perez, A. et al. Ontological Engineering, Springer, 2004, 401 p. http://www.springer.com/west/home?SGWID=4-102-22-6954647-0 Lebart, L. et A.Salem. Statistiques textuelles, Dunod, Paris, 1994. Roche, E. et Y. Schabes Finite-State Language Processing, The MIT Press, 1997, 464 p. http://mitpress.mit.edu/catalog/item/default.asp?ttype=2&tid=8160 Abney, S. Partial Parsing via Finite-State Cascades. J. of Natural Language Engineering, 2(4): 337-344. 1996. http://www.vinartus.net/spa/97a.pdf

2

Question 3 : Les mots dans les textes en langue naturelle sont souvent ambigus à plusieurs titres. Montrez comment la technique de la décomposition en valeur singulière (SVD) peut être utilisée pour résoudre ce problème. Donnez un estimé de la taille du corpus et du temps de calcul. Illustrez votre propos à l'aide d'un exemple. RÉFÉRENCES Manning, Ch.D. et H. Schutze. Foundations of Statistical Language Processing, The MIT Press, 1999, 680 p. http://cognet.mit.edu/library/books/view?isbn=0262133601 Jurafsky,D. et J.H. Martin. Speech and Language Processing, Prentice-Hall, 2000, 934 p. http://cwx.prenhall.com/bookbind/pubbooks/jurafsky/ Site web de Berry et Dumais sur la technique dite du Latent Semantic Indexing. http://www.cs.utk.edu/~lsi/

3

VOLET COGNITIF Question 1 Présentez les principes de base qui distinguent la logique floue de la logique classique et montrer les avantages qu’on peut en tirer dans un des domaines de l’informatique cognitive, comme par exemple dans la décision floue, les bases de données floues, le raisonnement approximatif ou la reconnaissance de formes floue… RÉFÉRENCES : Klir, G. J. et Yuan, B. (1995), Fuzzy Sets and Fuzzy Logic, Theory and Applications, Upper Saddle River, N. J., Prentice Hall. Bouchon-Meunier, B., Fouillloy, L. et Ramdani, M. (1998), Logique floue, Exercices corrigés et exemples d’applications, Toulouse, Cépaduès Éditions. Bezdek, J. C., Dubois, D. et Prade, H. ed. (1999), Fuzzy Sets in Approximate Reasoning and Information Systems, Norwell, MA., Kluwer Academic Publishers. Hoppner, F., Klawonn, F., Kruse, R. et Runkle, T. (1999), Fuzzy Cluster Analysis, New York, John Wiley. Question 2 En sciences cognitives, la théorie de l’évolution est de plus en plus utilisée pour produire des modèles du développement cognitif. Choisissez deux modèles qui utilisent cette théorie et montrez les avantages et les limites de ces deux modèles. Les ouvrages suggérés en référence présentent de tels modèles, mais vous pouvez aussi choisir de présenter d’autres modèles que ceux qui sont suggérés dans ces ouvrages. RÉFÉRENCES : Dennett, D. C. (1995) Darwin’s Dangerous Idea, New York, Touchstone Books, Simon and Schuster. Edelman, G. M. (1987) Neural Darwinism, New York, Basic Books. Hull, D. L. (2001), Science and Selection, Cambridge, U. K., Cambridge University Press. Mayr, E. (1997) This is Biology, Cambridge MA., Harvard University Press. Question 3 Présentez les notions de base de la théorie du raisonnement non monotone et montrez comment elle permet de modéliser l’acquisition de connaissances, en choisissant un exemple d’une telle modélisation. RÉFÉRENCES : Besnard, P. (ed.) (1989) An Introduction to Default Logic, Berlin, Springer.

4

Brewka G., Dix, J. & Konolidge, K. (1997) Nonmonotonic Reasoning, Stanford, Cal., Center for the Study of Language and Information, Stanford University. Schaub, T. (1998) « The Family of Default Logics » in Gabbay, D. M. & Smet, P. (ed.) The Handbook of Defeasible Reasoning and Uncertainty Management Systems, volume 2, Dordrecht, Netherlands, Kluwer Academic Publishers, p. 77-134.

QUESTION 1

Le développement d’un logiciel passe par certaines étapes clés. Pouvez vous élaborer sur ces étapes et leur importance, selon les modèles de développement. Comment voyez-vous le développement d’un système à base de connaissances dans ce cadre-là.

RÉFÉRENCES

Ian Sommerville, « software engineering », 5th edition, Addison Wesley, 1997. R. S. Pressman, “Software Engineering, A Practical Approach”, fourth edition, McGraw-Hill, 1997. Larman, C., Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design, Prentice Hall, 1997.

QUESTION 2

Des les débuts de l’IA, la construction de base de connaissances a été l’un des plus importants défis. Quels ont été les bases (ou les travaux) qui ont été à l’origine de l’expression formelle de connaissances? Comment cela a-t-il évolué aujourd’hui, avec les outils récents ?

RÉFÉRENCES

Russel & Norvig « AI a modern approach », Prentice-Hall series in AI ; Artificial Intelligence, a guide to intelligent systems, Michael Negnevitsky, Addison Wesley, 2002. AI, 2ème edition de E. Rich et K. Knight, Mc Graw Hill, 1991, Shapiro, S. C., Ed. (1992). Encyclopedia of Artificial Intelligence. 2nd ed. New York: Wiley.

QUESTION 3

L’apprentissage automatique est un domaine prolifique de l’intelligence artificielle (IA). Les approches proposées s’intègrent de plus en plus dans les systèmes d’IA. Quelles sont ces approches et dans quels types de problématiques sont-elles utiles ?

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : J VOLET : INFORMATIQUE

RÉFÉRENCES

Kodratoff, Y. and Michalski, R.S. (Eds.), Machine Learning: An Artificial Intelligence Approach, Vol. III, Morgan Kaufmann Publishers, 1990. Michalski, R.S., Carbonell, J. and Mitchell, T., (Eds.), Machine Learning: An Artificial Intelligence Approach, Vol. II, Morgan Kaufmann Publishers, Inc., Los Altos, CA, 1986. Michalski, R.S., Carbonell, J. and Mitchell, T., (Eds.), Machine Learning: An Artificial Intelligence Approach, TIOGA Publishing Company, Palo Alto, CA, 1983. Artificial Intelligence, a guide to intelligent systems, Michael Negnevitsky, AddisonWesley,2002

QUESTION 1 Les théories cognitives dynamiques et représentationnelles utilisent toutes deux le concept d’information. Montrer les similarités ou les différences de son utilisation dans ces approches. RÉFÉRENCES Atlan ,H., (1972) L'organisation biologique et la théorie de l'information. Paris Masson. 1972 Fodor, J.A. and Pylyshyn Z. W. (1988). Connexionnism and cognitive architecture : A critical analysis. Cognition, 28 (3), 3-71 Bechtel, W. & Abrahamsen, A. (1991) Connectionism and the Mind, Oxford, Blackwell. Van Gelder, T. (1997) Dynamics and Cognition, in Haugeland, J. (ed.) Mind Design II, Cambridge ,MA., MIT Press, pp. 57-95. Thelen, E. & Smith, L. (1994) A Dynamic Systems Approach to the Development of Cognition and Action, Cambridge MA., MIT Press. Chandrasekaran, B. (1990), "What kind of information processing is intelligence". In D. Partridge, & Y. Wilks (Ed. ), The Foundations of Artificial Intelligence. pp. 14-47. New York: Cambridge University Press. QUESTION 2 Expliquer le lien entre les formalismes dits de «la représentation des connaissances» et la théorie computationnaliste de la cognition ? RÉFÉRENCES Anderson, J. R. (1983). The architecture of cognition. Cambridge, Mass.: Harvard University Press. Anderson, John R., Dan Bothell, et al. (2004) "An integrated theory of the mind" In Psychological Review, vol. 111, no. 4, pp. 1036-10603- Churchland,

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : J VOLET : COGNITIF

P.M., Churchland, P.S. 1990. `Could a Machine Think?'. Scientific American, 262 (Jan.), 26-31. Fodor, J.A. and Pylyshyn Z. W. (1988). Connexionism and cognitive architecture : A critical analysis. Cognition, 28 (3), 3-71. Andler, D. (éd.), (1992). Introduction aux sciences cognitives, Paris, Gallimard. QUESTION 3 Quels liens ou comparaisons peut on faire entre la cognition locale et la cognition distribuée. RÉFÉRENCES PYLYSHYN, Z. (1984), Computation and Cognition. Toward a Foundation for Cognitive Science, Cambridge, Mass., The MIT Press. Brown, J.S., Collins, A. & Duguid, S. (1989). Situated cognition and the culture of learning. Introduction de l'encyclopédie du MIT, Wilson, Keil (MIT 1999) Churchland, P.M., Churchland, P.S. 1990. `Could a Machine Think?'. Scientific American,262 (Jan.), 26-31. Posner, M.I. (1989). Foundations of cognitive science. Cambridge : MIT Press. D.E. Rumelhart, J.L. McClelland, & the PDP Research Group, Parallel distributed processing. Explorations in the microstructure of cognition, Vol. 1: Foundations, (Barsalou 2003:. 318-362). Cambridge, MA: MIT Press. Pour toutes ces questions vous pouvez aussi consulter les articles et sections pertinentes de : Bechtel et Graham. (1999)Blackwell Companion to Cognitive Science, () Encyclopedia of Cognitive Sciences du MIT

QUESTION 1

Précisez l’importance de la modélisation d’un problème en Informatique. Indiquez les principaux axes de modélisation (ceux exploités dans les approches les plus récentes) et donnez des exemples de modèles. Quelle est son importance dans le cadre de conception de systèmes d’IA ?

RÉFÉRENCES

P.A. Muller, Modélisation objet avec UML. Eyrolles 1997. Ian Sommerville, « software engineering », 5th edition, Addison Wesley, 1997. R. S. Pressman, “Software Engineering, A Practical Approach”, fourth edition, McGraw-Hill, 1997. Larman, C., Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design, Prentice Hall, 1997.

QUESTION 2

Une distinction majeure entre logiciels d’IA et logiciels « classiques » est le fait d’y incorporer de la connaissance. Quels types de connaissances peut-on rencontrer et quels sont les formalismes les plus usités ? Qu’en est-il de la maintenance (mise à jour, …) d’une telle connaissance ?

RÉFÉRENCES

Knowledge Acquisition: Principles and Guidelines. Karen L. McGraw & Karen Harbison Briggs, Prentice Hall; (January 1989). Russel & Norvig « AI a modern approach », Prentice-Hall series in AI. Artificial Intelligence, Winston, Addison-Wesley; 3rd edition,1992. Shapiro, S. C., Ed. (1992). Encyclopedia of Artificial Intelligence. 2nd ed. New York: Wiley.

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : K VOLET : INFORMATIQUE

QUESTION 3

Les systèmes d’Intelligence Artificielle basés sur la manipulation de connaissances séparent connaissance et raisonnement. Quels sont les différents modes de raisonnement utilisés ? Quelle est l’influence (s’il y en a) des formalismes de représentation de connaissances qu’ils exploitent?

RÉFÉRENCES

Russel & Norvig « AI a modern approach », Prentice-Hall series in AI. Artificial Intelligence, Winston, Addison-Wesley; 3rd edition,1992. Shapiro, S. C., Ed. (1992). Encyclopedia of Artificial Intelligence. 2nd ed. New York: Wiley

QUESTION 1

Identifiez les caractéristiques principales des systèmes naturels de catégorisation adaptative, puis, dans un second temps, utilisez les éléments retenus comme grille d’évaluation pour comparer les grandes classes de réseaux de neurones tels, les modèles récurrents, non récurrents, supervisés, non supervisés, associatifs, compétitifs, quant à leurs capacités respectives de réaliser correctement cette fonction.

RÉFÉRENCES

Hertz, J., Krogh, A. et Palmer, R.G. (1991). Introduction to the theory of neural computation. Lecture notes, volume 1, Santa Fe Institute, Studies in the sciences of complexity. New York : Addison- Wesley. Anderson, J.R. (1991). The adaptive nature of human categorization. Psychological Review, 98, 409-429.

QUESTION 2

Selon les tenants de l'approche dite "classique" en traitement de l'information, les modèles connexionnistes ne peuvent prétendre expliquer la vraie nature des processus cognitifs. Ces derniers ne seraient pertinents qu'au niveau de l'implémentation. Passez en revue les principaux arguments mis de l'avant pour en arriver à une telle conclusion, en discutant de la pertinence et/ou du caractère contestable de chacun de ceux-ci.

RÉFÉRENCES

Fodor, J.A. and Pylyshyn Z. W. (1988). Connexionism and cognitive architecture : A critical analysis. Cognition, 28 (3), 3-71. Van Gelder T. (1990) Compositionality : a connectionist variation on a classical theme, Cognitive Science 14 (3).

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : K VOLET : COGNITIF

QUESTION 3

Quelle est selon vous la valeur des critères originalement proposés par Newell (1990) puis revus et étendus par Sun (2004), pour évaluer les différentes propositions d'architecture cognitive? Ces critères s'appliquent-ils également aux modèles issus de différentes approches (i.e. connexionniste vs classique)? Quelles conclusions peut-on en tirer? RÉFÉRENCES Newell, A. (1990). Unified Theory of Cognition. Cambridge, MA: Harvard University Press. Sun, R. (2004). Desiderata for cognitive architectures. Philosophical Psychology, 17, 341- 373

QUESTION 1 A votre choix, comparez 2 théories de la catégorisation en psychologies cognitives, par exemple les théories par exemplaires, par prototypes ( Roch) , par conceptualisation ( Prinz ou Fodor) par sensori moteur ( Barsalou) RÉFÉRENCES Smith, E. et Medin, D.L. (1981) Categories and Concepts, Cambridge, MA., Harvard University Press. Fodor, J. Concept s : Where Cognitive Science went wrong. Cambridge: MIT Press. Prinz J. Furnishing the Mind , MIT Press , 2002 Rosch, E., and B. B. Lloyd, Eds. (1978). Cognition and Categorization . Hillsdale, NJ: Erlbaum. Johnson-Laird P.N.(1983) Mental Model, Cambridge University Press Barsalou, L. W. (2005). Situated conceptualization. Handbook of Categorization in Cognitive Science. H. Cohen and C. Lefebvre. Montréal, Elsevier Ltd.: 619-651 ( un parmi plusieurs autres de Barsalou) QUESTION 2 Montrer les liens entre les concepts techniques de grammaires, règle, fonction récursive, machine de Turing et les théories de la représentation en sciences cognitives RÉFÉRENCES PYLYSHYN, Z. (1984), Computation and Cognition. Toward a Foundation For Cognitive Science, Cambridge, Mass., The MIT Press. Boolos, G.S. and Jeffrey R.C. (1989), Computability and Logic, Cambridge: Cambridge University Press. leland, C. (1995), ‘Effective Procedures and Computable Functions’, Minds and Machines 5, pp. 9–23.

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : L VOLET : COGNITIF

Davis, M., Sigal, R. and Weyuker, E. (1994), Computability, Complexity, and Languages: Fundamentals of Theoretical Computer Science, New York, NY: Academic Press. Kleene S. C., (1981), Origins of recursive function theory, Annals of the History of Computing, 3. QUESTION 3 Expliciter les principales thèses formalistes sous jacentes a deux modèles importants de représentation des connaissances par exemple , schéma, graphes conceptuels, ontologies, etc ) . RÉFÉRENCES Sowa, John F. (1984) Conceptual Structures: Information Processing in Mind and Machine,Addison-Wesley, Reading, MA. Processing in Mind and Machine Gruber T., “ What is an ontology ? ” [en ligne] http://www- ksl.stanford.edu/kst/what-is-an-ontology.html, consulté le 10/04/2001. MINSKY M. A Framework for Representing Knowledge. in The Psychology of Comp Vision , P.H. Winston (éd.), McGrawHill, New York, chapitre 6, pp.156¬189, 1975. Pour toutes ces questions vous pouvez aussi consulter les articles et sections pertinentes de Bechtel et Graham. (1999)Blackwell Companion to Cognitive Science, () Encyclopedia of Cognitive Sciences du MIT

QUESTION 1

Le concept de qualité de service (QoS) a vu son importance considérablement augmenter depuis que les échanges sur Internet se sont diversifiés. À l’aide de la bibliographie suggérée vous définirez ce concept dans toutes ses variantes et vous vous attacherez à montrer quel est et quel devrait être le rôle, la nature et l’importance de l’information sémantique nécessaire au maintien de la qualité exigée.

RÉFÉRENCES

K. Nahrstedt, H. Chu. S. Narayan, “QoS-aware Resource Management for distributed multimedia applications”, Journal of High Speed Networks, December 1998, pp. 229-257. R. S. Fish, G. Ghinea, J. P. Thomas, “Mapping Quality of Perception to Quality of Service for a Runtime-adaptable Communication System”, PIE MMCN ’99, San Jose, CA, pp. 228-239. P. Chandra, A. Fisher, C. Kosak, and P. Steenkiste, “Network Support for Application-Oriented QoS”, IWQoS, Napa, CA, May 1998, pp. 187-195. T. Abdelzaher, N. Bhatti, “Web-Server QoS Management for Adaptive Content Delivery”, IWQoS, London, England, June 1999, pp. 216-225. OCAMPO R, GALIS A, DE MEER H, et al. « Implicit flow QoS signaling using semantic-rich context tags” QUALITY OF SERVICE - IWQOS 2005, PROCEEDINGS LECTURE NOTES IN COMPUTER SCIENCE 3552: 369-371 2005

QUESTION 2

Les réseaux de neurones sont utilisés dans de nombreux domaines d’application. Un de ceux-ci est la reconnaissance de mots écrits à la main. À l’aide de la bibliographie fournie vous ferez une synthèse de systèmes réalisés dans ce domaine et à l’aide de cette technique. Vous montrerez particulièrement les limites de ces systèmes et quels moyens et techniques complémentaires peuvent être utilisés pour remédier à ces lacunes. RÉFÉRENCES Blumenstein M, Verma B. Neural-based solutions for the segmentation and recognition of difficult handwritten words from a benchmark database. Proc 5th International Conference on Document Analysis and Recognition, Bangalore, India, 1999; 281–284 Automatic reading of cursive scripts using a reading model and perceptual concepts

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : L VOLET : INFORMATIQUE

The PERPECTO system, Journal International Journal on Document Analysis and Recognition, Publisher Springer Berlin / Heidelberg, Issue Volume 1, Number 1 / February, 1998, Pages 3-17 Bengio, Y., Le Cun, Y., & Henderson, D. (1994). Globally trained handwritten word recognizer using spatial representation, convolutional neural networks, and hidden Markov models. In Cowan, J. D., Tesauro, G., & Alspector, J. (Eds.), Advances in Neural Information Processing Systems, Vol. 6, pp. 937--944. Morgan Kaufmann, San Francisco. A.L. Koerich, R. Sabourin, and C.Y. Suen, "Large Vocabulary OffLine Handwriting Recognition: A Survey," Pattern Analysis and Applications, vol. 6, no. 2, pp. 97-121, 2003

QUESTION 3

Les algorithmes de recherche de mots clé dans un texte ont été l’objet de nombreuses réalisations. Les applications de ces algorithmes sont nombreuses et de grande importance. On peut citer la recherche bibliographique ou la recherche de séquences génétiques. Certains algorithmes parmi les plus efficaces sont anciens mais des solutions plus récentes ont abordé des problématiques plus larges comme celle de la recherche de patrons avec un nombre admissible d’erreurs. À l’aide de la bibliographie suggérée vous ferez une synthèse montrant les caractéristiques importantes de ces algorithmes. RÉFÉRENCES A Fast String Searching Algorithm, with R.S. Boyer. Communications of the Association for Computing Machinery, 20(10), 1977, pp. 762-772 Loek Cleophas, Bruce W. Watson and Gerard Zwaan. Automaton-Based Sublinear Keyword Pattern Matching, Lecture Notes in Computer Science, Springer Berlin / Heidelberg, Volume 3246/2004, Pages 18-29 Chang, W.I. Lawler, E.L. Approximate string matching in sublinear expected time. 31st Annual Symposium on Foundations of Computer Science, 22-24 Oct 1990, page(s): 116-124 vol.1 A. Amir, M. Lewenstein, and E. Porat. Faster algorithms for string matching with k mismatches. In Proc. of 11th ACM-SIAM SODA, pages 794--803, 2000

QUESTION 1

L’indexation par l’analyse de la sémantique latente s’inscrit comme l’application de méthodes d’analyse statistiques multidimensionnelles plus anciennes pour la catégorisation de textes. À l’aide de la littérature fournie vous dégagerez les principales caractéristiques de cette technique et vous en décrirez quelques applications particulièrement intéressantes.

RÉFÉRENCES

DEERWESTER, S., DUMAIS, S.T., FURNAS, G.W., LANDAUER, T.K., AND HARSHMAN, R. 1990. Indexing by latent semantic analysis. Journal of the American Society for Information Science, 41(6), 391-407. Michael B.W. Wolfe and Susan R.Goldman. (2003) Use of Latent Semantic Analysis for Predicting Psychological Phenomena: Two Issues and Proposed Solutions. Behaviour Research Methods, 2003, 35, 22-31 Landauer, T. K., Foltz, P. W., & Laham, D. (1998). Introduction to Latent Semantic Analysis. Discourse Processes, 25, 259-284. Landauer, T.K. (2002). Applications of Latent Semantic Analysis , 24th Annual Meeting of the Cognitive Science Society, August 9th 2002.

QUESTION 2

Le raisonnement par abduction. Définissez ce concept. À l’aide de la bibliographie suggérée, faites une synthèse de mises en œuvre informatiques et des domaines d’application. RÉFÉRENCES G. Paul, "Approaches to abductive reasoning: an overview", Artificial Intelligence Review, 7, 109-152, 1993. A. C. Kakas, ACLP: integrating abduction and constraint solving. Proc. NMR'00, Breckenridge, CO, 2000 A. Kakas and M. Denecker. Abduction in logic programming. In A. Kakas and F. Sadri, editors, Computational Logic: Logic Programming and Beyond. Part I, number 2407 in LNAI, pages 402-436. Springer Verlag, 2002.

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : M VOLET : INFORMATIQUE

A. CIAMPOLINI A1 and P. TORRONI A1 . USING ABDUCTIVE LOGIC AGENTS FOR MODELING THE JUDICIAL EVALUATION OF CRIMINAL EVIDENCE. Applied Artificial Intelligence , Taylor & Francis. Volume 18, Number 3-4 / March–April 2004, Pages: 251 - 275 Ciampolini, A. Distributed medical diagnosis with abductive logic agents. Proceedings of Agents Applied in Health Care Workshop, 15th European Conference on Artificial Intelligence (ECAI'2002), Lyon, France, 2002.

QUESTION 3

À partir de la bibliographie proposée faites une synthèse relative aux modèles connexionnistes de la cognition et en particulier ceux qui comme Clarion réalisent un apprentissage ascendant de connaissances déclaratives. RÉFÉRENCES R. Sun, E. Merrill, and T. Peterson. From implicit skills to explicit knowledge: a bottom-up model of skill learning. Cognitive Science, 25(2):203-244, 2001 Aizenstein et al., 2000. H. Aizenstein, A. MacDonald, V. Stenger, R. Nebes, J. Larson, S. Ursu and C. Carter, Complementary category learning systems identified using event-related functional MRI. Journal of Cognitive Neuroscience 12 6 (2000), pp. 977–987. Rabinowitz and Goldberg, 1995. M. Rabinowitz and N. Goldberg, Evaluating the structure-process hypothesis. In: F. Weinert and W. Schneider, Editors, Memory performance and competencies, Erlbaum, Hillsdale, NJ (1995).

QUESTION 1 Comparez les théories de la représentation sous-jacentes aux modèles de la cognition basés sur le traitement de l'information (systèmes à base de règles), par rapport à ceux qui s'inspirent des opérations des systèmes dynamiques (réseaux de neurones, algorithmes génétiques, etc.). Quels sont les avantages et les limites de chacune de ces deux approches, quant à leur capacité de rendre compte de l'acquisition des connaissances dans les systèmes cognitifs naturels tels les humains? RÉFÉRENCES Posner, M.I. (1989). Foundations of cognitive science. Cambridge : MIT Press. Anderson, J. A. & Rosenfeld, E. (1988). Neurocomputing : Foundations of research. (Vol I et II). Cambridge : MIT Press. QUESTION 2 Quelle est la différence entre les règles d'apprentissage supervisé et non supervisé dans les réseaux de neurones artificiels? Quelles explications chacune des deux approches fournit-elle sur la nature des processus d'apprentissage chez l'humain? RÉFÉRENCES Hertz, J., Krogh, A. et Palmer, R.G. (1991). Introduction to the theory of neural computation. Lecture notes, volume 1, Santa Fe Institute, Studies in the sciences of complexity. New York : Addison- Wesley. Rumelhart, D.E. et McClelland, J.L. (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Cambridge, MA: MIT Press. QUESTION 3 Il est de rigueur dans les théories générales de l'intelligence artificielle et du traitement de l'information de postuler l'existence de plusieurs niveaux d'explication des processus cognitifs. Quelle est selon vous l'utilité d'une telle distinction dans la création de systèmes tutoriels intelligents?

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANT : M VOLET : COGNITIF

RÉFÉRENCES Marr, D. (1982). Vision. San Francisco : Freeman. Pylyshyn, Z. W. (1989). Computation and cognition: Toward a foundation for cognitive science (5ed). Cambridge: MIT Press.

QUESTION 1

Comme tout logiciel, les systèmes à base de connaissances doivent être validés. Comment peut se faire la validation de tels systèmes? Quelles sont les anomalies que l’on peut rencontrer et comment les corriger ?

RÉFÉRENCES

Russel & Norvig « AI a modern approach », Prentice-Hall series in AI. Alun Preece “Building the Right System Right. Evaluating V&V Methods inKnowledge Engineering”. Article from the AAAI-98 Workshop, AAAI Press, pp 38-45, 1998. Ian Sommerville, « software engineering », 5th edition, Addison Wesley, 1997. Shapiro, S. C., Ed. (1992). Encyclopedia of Artificial Intelligence. 2nd Ed. New York: Wiley.

QUESTION 2

De multiples domaines d’application ont à transiger avec des connaissances incertaines ou imprécises. Proposer 3 choix qui s’offrent à vous si vous devez concevoir un logiciel oeuvrant dans un tel domaine ? Quelles en sont les conséquences sur les processus de raisonnement ?

RÉFÉRENCES

Artificial Intelligence, a guide to intelligent systems, Michael Negnevitsky, Addison Wesley, 2002.

Russel & Norvig « AI a modern approach », Prentice-Hall series in AI.

Artificial Intelligence, Winston, Addison-Wesley; 3rd edition, 1992.

Shapiro, S. C., Ed. (1992). Encyclopedia of Artificial Intelligence. 2nd Ed. New York: Wiley.

QUESTION 3

Précisez l’importance de la modélisation d’un problème en Informatique. Indiquez les principales dimensions par lesquelles la modélisation peut-être appréhendée. Discutez de l’apport des standards et outils à la discipline.

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : N VOLET : INFORMATIQUE

RÉFÉRENCES

Larman, C., Applying UML and Patterns: An Introduction to Object-Oriented Analysis and Design, Prentice Hall, 1997.

P.A. Muller, Modélisation objet avec UML. Eyrolles 1997.

Ian Sommerville, « software engineering », 5th edition, Addison Wesley, 1997.

R. S. Pressman, “Software Engineering, A Practical Approach”, fourth edition, McGraw-Hill, 1997.

QUESTION 1 Quelle différence ou lien peut on faire entre le concept d’information dans les théories formelles et les théories dynamiques de l’information RÉFÉRENCES Flückiger Federico (1995) Contributions s Towards a Unified Concept of Information PhD dissertation , ( disponible sur le web) Atlan ,H., (1972) L'organisation biologique et la théorie de l'information. Paris Masson. 1972 Chandrasekaran, B. (1990), "What kind of information processing is intelligence". In D. Partridge, & Y. Wilks (Ed. ), The Foundations of Artificial Intelligence. pp. 14-47. New York: Cambridge University Press. Haken H., (1988) Information and self organization: a macroscopic approach to complex systèms. Springer Verlag, Berlin Bechtel, W. & Abrahamsen, A. (1991) Connectionism and the Mind, Oxford, Blackwell. QUESTION 2 Un des concepts dominants des sciences cognitives est celui de « connaissance » Il est souvent interprété en termes de représentation formelle . Explicitez les divers problèmes que pose ce type d’interprétation de la connaissance RÉFÉRENCES Levesque H. J. et Brachman, R. J. A Fundamental Tradeoff in Knowledge Representation and Reasoning (revised version), p. 42-70 in Brachman, R. J. et Levesque H. J. (réd.) Readings in Knowledge Representation, Morgan Kaufman, 1985. Sowa, J. F. Conceptual Structures: Information Processing in Mind and Machine, Addison-Wesley, Reading, MA, 1984. Sowa, J. F. Knowledge Representation: Logical, Philosophical, and Computational Foundations, Brooks Cole Publishing Co., Pacific Grove, CA, 2000.

SESSION HIVER 2007 DIC9401 EXAMEN GÉNÉRAL ÉTUDIANTE : N VOLET : COGNITIF

Vocabulaire de sciences cognitives, Houdé, Kayser, Koenig (PUF 1998) PYLYSHYN, Z. (1984), Computation and Cognition. Toward a Foundation for Cognitive Science, Cambridge, Mass., The MIT Press. Brachman, R. J., & Levesque, H. J. (1985). Readings in knowledge representation. Los Altos, QUESTION 3 On trouve de plus en plus dans les modèles de la cognition la nécessité de poser des fonctions qui traditionnellement relèvent d’une théorie de la conscience. Présentez quelques unes de ces fonctions et montrer en les enjeux . RÉFÉRENCES Anderson, John R., Dan Bothell, et al. (2004) "An integrated theory of the mind" In Psychological Review, vol. 111, no. 4, pp. 1036-1060 Baars, Bernard J. (1988) A Cognitive Theory of Consciousness. New York: Cambridge University Press. Bechtel, William (1995) "Consciousness: Perspectives from symbolic and connectionist AI". In Neuropsychologia, vol. 33, pp.1075-1086. Chalmers, David J. (1995) "Facing up to the problem of consciousness." In Journal of Consciousness Studies, vol. 2, no. 3, pp. 200-219. Crick, Francis and Christof Koch (2003) "A framework for consciousness" In Nature neuroscience, vol. 6, no. 2, pp.119-126. Pour toutes ces questions vous pouvez aussi consulter les articles et sections pertinentes de Bechtel et Graham. (1999)Blackwell Companion to Cognitive Science, () Encyclopedia of Cognitive Sciences du MIT

dic9401 examen gÉnÉral · richard o. duda, peter e. hart et david g. stork, pattern...

Documents