Compilation des examens de synhèse

Transcription

1 DIC9401 EXAMEN GÉNÉRAL Compilation des examens de synhèse ÉTUDIANT A... 2 ÉTUDIANT B... 7 ÉTUDIANT C ÉTUDIANT D ÉTUDIANT E ÉTUDIANT F ÉTUDIANT G ÉTUDIANT H ÉTUDIANT I ÉTUDIANT J ÉTUDIANT K ÉTUDIANT L ÉTUDIANT M ÉTUDIANT N... 55

2 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL 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. 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 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. 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, T. Mitchell. Machine Learning. McGraw-Hill, P. Adriaans and D. Zantinge. Data Mining. Addison-Wesley, 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. 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: John Wiley editions Gomez-Perez, A. et al. Ontological Engineering, Springer, 2004, 401 p. 1

3 Grigoris Antoniou, Frank van Harmelen, A Semantic Web Primer, The MIT Press, Cambridge, Massachusetts, April 2004, ISBN BO, Leuf, The Semantic Web, 2005, Wiley, 378 p. 2

4 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 «A unifying view of the basis of social cognition». Trends in Cognitive Sciences, Volume 8, Issue 9, p : Decety, J. et J. Sommerville «Shared Representations between Self and Others : A Social Cognitive Neuroscience View». Trends in Cognitive Sciences, 7, p Frith, C «The Self in Action : Lessons From Delusions of Control». Consciousness and Cognition, vol. 14, no. 4, p Gallese, V «Embodied Simulation : From Neurons to Phenomenal Experience». Phenomenology and the Cognitive Sciences, p Jeannerod, M. et E. Pacherie «Agency, Simulation and Self-Identification». Mind and Language, vol. 19, no. 2, p Rizzolatti, G., L. Fogassi et V. Gallese «Neurophysiological Mechanisms Underlying the Understanding and Imitiation of Action». Nature Review Neuroscience, 2, (on trouve plusieurs texes de ces auteurs sur leur site web). Autres lectures De Vignemont, F. et P. Fournet «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 «The Motor Theory of Social Cognition : A Critique». Trends in Cognitive Sciences, vol. 9, no. 1, p Metzinger, T. et V. Gallese «The Emergence of Shared Action Ontology : Building Blocks for a Theory». Consciouness and Cognition, vol. 12, no. 4, p Wegner, D. M. et Sparrow, B «Authorship Processing». In M. Gazzaniga (ed.), the Cognitive Neuroscience, 3 ième édition, p 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 3

5 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 Modularity of Mind. MIT Press (pour un résumé, voir également son (1992) Theory of Content and other Essays, chapitre 8 et 9). : Atkinson, A. et M. Wheeler «The Grain of Domains : The Evolutionary Psychological Case Against Domain General Cognition». Mind and Language, vol. 19, no. 2, p Atran, S «Adaptationism for Human Cognition : Strong, Spurious or Weak?». Mind and Language, vol. 20, no. 1, p Barrett, C «Enzymatic Computation and Cognitive Modularity». Mind and Language, Vol. 20, no. 3, p Fodor, J L esprit, ça ne marche pas comme ça. Odile Jacob. Pinker, S Comment fonctionne l esprit? Odile Jacob. Pinker, S «So How Does the Mind Work?» Mind and Language, vol. 20, no. 1, p Samuels, R «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 : 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 «The Cognitive Foundations of Cultural Stability and Diversity». Trends in Cognitive Sciences, 8, 1, Whiten, A. et al «Cultures in Chimpanzees». Nature, 399, p : Donald, M. «The Central Role of Culture in Cognitive Evolution : A Reflection on the Myth of the 4

6 Isolated Mind». IN L. Nucci, Culture Thought and Development, Lawrence Erlbaum, (en ligne Henrich, J. et R. McElreath «The Evolution of Cultural Evolution». Evolutionary Anthropology, vol. 12, p Mithen, S. J. (2005) «Ethnobiology and the evolution of the human mind». Journal of the Royal Anthropological Institute, 12, 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 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 Sperber, D. et L. Hirschfeld «The Cognitive Foundations of Cultural Stability and Diversity». Trends in Cognitive Sciences, 8, 1, Sterelny, K «The Evolution and Evolvability of Culture». Mind and Language, vol. 21, no. 2, p

7 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL 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. DE JONG Peter, Going with the flow, 2006, ACM Queue, vol. 4 no. 2, March, p 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 EJUB Kajan and al., 2005, Toward an Ontology-Driven Architectural Framework for B2B, Communications of the ACM, vol. 48 no. 12, December, p 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 STAL Michael, 2002, Enterprise Services, Communications of the ACM, vol. 45 no. 10, October, p 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 1

8 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. 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 ) Janet M. Thornton 1, 2, Annabel E. Todd 1, Duncan Milburn 1, Neera Borkakoti 3 & Christine A. Orengo, From structure to function: Approaches and limitations, Nature Structural Biology 7, (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 ) 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): , September AUTRES 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, ) Keuneke, A.M., Device representation-the significance of functional knowledge, IEEE Expert, Apr 1991, vol 6, no. 2 9) MacGregor, R 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, ) Harel, D. and Kupferman, O 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. 2

9 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. MAY Daniel and al., 2003, Knowledge Management with Patterns, Communications of the ACM, vol. 46 no. 7, July, p RUS Iona adn al., 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p RAMESH Balasubramaniam, 2002, Knowledge Management in Software Engineering, IEEE Software, May/June, p Ramasubramanian S and al., Knowledge Management at Infosys, IEEE Software, May/June, p 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. 3

10 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. : Anderson, J. R. and G. H. Bower. Human Associative Memory. V.H. Winston and Sons, 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, 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. : 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. 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. 4

11 : 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 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. 5

12 DIC9401 ÉTUDIANT : EXAMEN GÉNÉRAL 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. 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?, 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. A. V. Aho, J. D. Ullman, J. E. Hopcroft, Data Structures and Algorithms, 1st edition, Addison-Wesley, 1983, ISBN J. Basch, L. J. Guibas and J. Hershberger. Data Structures for Mobile Data. Journal of Algorithms, 31(1), pp. 1-28, T. H. Cormen, C. E. Leiserson and R. L. Rivest. Introduction to Algorithms. MIT Press, Cambridge MA, B. Chazelle and L. J. Guibas, Fractional cascading: I. A data structuring technique. Algorithmica, 1, pp , Bayer, R., M. Schkolnick. Concurrency of Operations on B-Trees. In Readings in Database Systems (ed. Michael Stonebraker), pages , 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): ,

13 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. 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 , Kluwer Academic Publishers, 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, Mesut Günes, Udo Sorges, Imed Bouazizi: ARA - The Ant-Colony Based Routing Algorithm for MANETs. ICPP Workshops 2002: Yihan Li, Shivendra S. Panwar and Srinivas Burugupall, A Mobile Sensor Network Using Autonomously Controlled Animals. Polytechnic University, Brooklyn, NY. 2

14 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? 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 Churchland, P.M., Churchland, P.S `Could a Machine Think?'. Scientific American, 262 (Jan.), 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 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

15 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. : 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, 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?

16 : 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 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 ). 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. : 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, 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, Chomsky, N. (2002) : «Perspectives on language and mind», in Belleti, A., et Rizzi, L. (eds) On nature and language, Cambridge, Cambridge University Press, Oudeyer, P-Y. (2005) : «The Self-Organization of Speech Sounds», Journal of Theoretical Biology, 233(3):

17 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. : 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 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 Neil A. Maiden et Alistair G. sutcliffe, «Exploiting Reusable Specifications Through Analogy, Communications of the ACM, April 1992, vol. 35, no. 4, pp , 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. :

18 Ricardo Baeza-Yates et Berthier Ribeiro-Neto, Modern Information Retrieval, Addison Wesley, Lewis, D. D. and Jones, K. S Natural language processing for information retrieval. Commun. ACM 39, 1 (Jan. 1996), Smeaton, A. F Progress in the application of natural language processing to information retrieval tasks. Comput. J. 35, 3 (Jun. 1992), 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 Using WordNet and Lexical Operators to Improve Internet Searches. IEEE Internet Computing 4, 1 (Jan. 2000), 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. : Nardi, D. and Brachman, R. J 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, 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, LARMAN, Craig Applying UML and Patterns - An Introduction to Object-Oriented Analysis and Design Third Edition, Prentice-Hall, 2005, ISBN: OU LARMAN, Craig UML et les Design Patterns, Campus Press, FOWLER, Martin & SCOTT, Kendall UML Distilled - Applying the Standard Object Modeling Language Addison-Wesley, 1997 ISBN

19 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. : Han, J. and Kamber, M. (2006). Data Mining : Concepts and Techniques, Morgan Kaufmann. Berkhin, P. (2002). Survey of Clustering Data Mining Techniques, Accrue Software. 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): 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. : Han, J. and Kamber, M. (2006). Data Mining : Concepts and Techniques, Morgan Kaufmann. 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): 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): 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): Aaron Ceglar and John F. Roddick (2006) Association mining, ACM Comput. Surv., vol. 38(2), pp. 5,

20 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 , Washington, D.C., 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 : : Luger, G.F. Artificial Intelligence : Structures and Strategies for Complex Problem Solving. Addison-Wesley, 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 , Kansas City, Missouri, United States, 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, 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 , 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 , Washington, DC, USA.