Luận văn ThS: Hệ thống đặc tả ngữ nghĩa lập luận trừu tượng, Hệ thống thông minh

Dưới đây là meta tags cho bài viết 'Luận văn un système de spécification de sémantiques pour largumentation abstraite hệ thống đặc tả ngữ nghĩa cho lập luận

• Tác giả: Lolcam Doan
• Người hướng dẫn: Dr. Sylvie Doutre (Maître de Conférences à Université Toulouse 1 Capitole)
• Trường học: Đại học Quốc gia Việt Nam Hà Nội - Viện Quốc tế Pháp ngữ
• Chuyên ngành: Hệ thống thông minh và Đa phương tiện
• Đề tài: UN SYSTEME DE SPECIFICATION DE SEMANTIQUES POUR L'ARGUMENTATION ABSTRAITE HỆ THỐNG ĐẶC TẢ NGỮ NGHĨA CHO LẬP LUẬN TRỪU TƯỢNG
• Loại tài liệu: Luận văn Thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Tóm tắt

I. Hệ thống đặc tả ngữ nghĩa cho lập luận trừu tượng Hướng dẫn chi tiết

Luận văn này tập trung vào việc phát triển một hệ thống đặc tả ngữ nghĩa cho lập luận trừu tượng, một công cụ mạnh mẽ giúp giải quyết các vấn đề phức tạp trong lĩnh vực trí tuệ nhân tạo và đa phương tiện. Hệ thống này, được gọi là SESAME, hứa hẹn mang lại những ứng dụng thực tiễn đáng kể. Trong bài viết này, chúng ta sẽ khám phá sâu hơn về chủ đề này, từ các khái niệm cơ bản đến những ứng dụng thực tế.

1.1. Khái niệm về lập luận trừu tượng và hệ thống SESAME

Lập luận trừu tượng là một lĩnh vực nghiên cứu quan trọng trong trí tuệ nhân tạo, tập trung vào việc tạo ra các hệ thống có thể phân tích và đánh giá các lập luận một cách hiệu quả. Hệ thống SESAME được phát triển để giải quyết vấn đề này bằng cách cung cấp một cách tiếp cận mới mẻ và hiệu quả. SESAME cho phép người dùng xác định các loại lập luận chấp nhận được và cách kết hợp chúng, tạo ra một hệ thống luận lý vững chắc.

1.2. Cách thức hoạt động của SESAME

SESAME hoạt động bằng cách sử dụng một ngôn ngữ tự nhiên để nhập vào các ngữ nghĩa lập luận. Hệ thống này sau đó mã hóa các ngữ nghĩa này thành một công thức luận lý đề xuất, tạo ra một cách tiếp cận có cấu trúc và dễ hiểu. Bằng cách sử dụng một giải pháp SAT (Satisfiability Modulo Theories), SESAME có thể xác định xem một tập hợp các lập luận có tuân thủ các quy tắc được đặt ra bởi ngữ nghĩa hay không.

II. Ứng dụng thực tiễn của SESAME trong trí tuệ nhân tạo và đa phương tiện

Hệ thống SESAME có tiềm năng ứng dụng rộng rãi trong nhiều lĩnh vực khác nhau. Trong trí tuệ nhân tạo, SESAME có thể được sử dụng để giải quyết các vấn đề phức tạp liên quan đến lập luận và ra quyết định. Ví dụ, trong các cuộc thảo luận giữa các đại lý trí tuệ nhân tạo, SESAME có thể xác định ai đúng khi có xung đột về ý kiến (ví dụ, lựa chọn con đường nào để thoát khỏi một tình huống cụ thể). Trong lĩnh vực đa phương tiện, SESAME có thể giúp phân tích và đánh giá các nội dung đa phương tiện, đảm bảo rằng chúng tuân thủ các tiêu chuẩn và quy tắc nhất định.

2.1. Giải quyết xung đột trong trí tuệ nhân tạo

Một trong những ứng dụng chính của SESAME là giải quyết các xung đột trong trí tuệ nhân tạo. Khi các đại lý trí tuệ nhân tạo có những quan điểm khác nhau, SESAME có thể phân tích các lập luận của họ và xác định ai đúng, dựa trên ngữ nghĩa đã được xác định trước.

2.2. Phân tích nội dung đa phương tiện

SESAME cũng có thể được áp dụng trong việc phân tích nội dung đa phương tiện, chẳng hạn như video, hình ảnh, hoặc văn bản. Hệ thống này có thể giúp xác định xem nội dung đó có tuân thủ các tiêu chuẩn chất lượng hay không, đảm bảo rằng nó phù hợp với các quy tắc và hướng dẫn đã được thiết lập.

III. Kết quả và triển vọng của SESAME

Luận văn này đã trình bày một cách chi tiết về hệ thống SESAME, một công cụ mạnh mẽ cho lập luận trừu tượng. SESAME đã chứng minh được khả năng của mình trong việc giải quyết các vấn đề phức tạp liên quan đến lập luận và ra quyết định. Với những ứng dụng thực tế trong trí tuệ nhân tạo và đa phương tiện, SESAME hứa hẹn mang lại những bước tiến đáng kể trong việc tạo ra các hệ thống thông minh và hiệu quả hơn.

3.1. Kết quả nghiên cứu

Trong quá trình nghiên cứu và phát triển SESAME, các nhà nghiên cứu đã đạt được những kết quả đáng khích lệ. Hệ thống này đã được thử nghiệm và đánh giá trong nhiều tình huống khác nhau, và kết quả cho thấy SESAME có thể xử lý các lập luận một cách chính xác và hiệu quả. Các thử nghiệm đã chứng minh khả năng của SESAME trong việc phân tích và đánh giá các lập luận, đảm bảo rằng chúng tuân thủ các quy tắc ngữ nghĩa đã được xác định.

3.2. Tương lai của SESAME

Với những kết quả khả quan, SESAME có tiềm năng phát triển hơn nữa trong tương lai. Các nhà nghiên cứu đang hướng tới việc cải thiện và mở rộng hệ thống, bao gồm việc tích hợp các thuật toán mới và nâng cao khả năng xử lý của SESAME. Mục tiêu là tạo ra một hệ thống lập luận trừu tượng toàn diện và linh hoạt, có thể được áp dụng trong nhiều lĩnh vực khác nhau.

Nội dung chính

Tổng quan nghiên cứu

Trong các kịch bản mô phỏng cứu nạn và sơ tán khẩn cấp nơi công cộng, khoảng 60% đến 70% thời gian vàng có thể bị lãng phí do các cuộc tranh luận kéo dài giữa các cá nhân khi thiếu vắng người chỉ huy chính thức. Vấn đề cốt lõi nảy sinh là mỗi tác tử đều sở hữu góc nhìn và lập luận riêng biệt, dẫn đến sự bất đồng ý kiến nghiêm trọng và làm suy giảm tỷ lệ sống sót của cả tập thể. Nhằm giải quyết thách thức này, luận văn thạc sĩ chuyên ngành Hệ thống thông minh và Đa phương tiện tập trung nghiên cứu cơ chế ra quyết định tập thể dựa trên lý thuyết lập luận trừu tượng, từ đó thiết kế và xây dựng hệ thống phần mềm SESAME nhằm tự động hóa quy trình đặc tả ngữ nghĩa lập luận.

Mục tiêu cụ thể của nghiên cứu là phát triển một công cụ phần mềm cho phép người dùng định nghĩa linh hoạt các ngữ nghĩa chấp nhận được của lập luận thông qua ngôn ngữ tự nhiên, sau đó tự động chuyển đổi thành công thức logic mệnh đề có tham số. Đề tài được triển khai trong giai đoạn từ năm 2013 đến tháng 10 năm 2016 tại Viện Nghiên cứu Tin học Toulouse thuộc Trung tâm Nghiên cứu Khoa học Quốc gia Pháp và Viện Quốc tế Pháp ngữ thuộc Đại học Quốc gia Hà Nội, nằm trong khuôn khổ dự án quốc gia ANR AMANDE mang mã số ANR-13-BS02-0004.

Ý nghĩa học thuật và thực tiễn của công trình thể hiện ở việc chuẩn hóa toàn diện 5 chương nghiên cứu, tạo ra nền tảng hình thức vững chắc để xác định các tập mở rộng của lập luận với độ chính xác đạt 100%. Hệ thống giúp loại bỏ hoàn toàn các sai sót chủ quan trong mã hóa logic thủ công, mở ra giải pháp mô phỏng hành vi thông minh cho các hệ thống đa tác tử khi xử lý khủng hoảng thời gian thực.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng lý thuyết lập luận trừu tượng do Phan Minh Dung khởi xướng vào năm 1995, mô hình hóa quá trình tranh luận dưới dạng đồ thị có hướng gồm tập hợp các đỉnh đại diện cho lập luận và tập hợp các cung biểu thị quan hệ tấn công giữa các lập luận. Để đánh giá tính chấp nhận được của từng lập luận, luận văn khai thác hệ thống các nguyên lý ngữ nghĩa kinh điển và mở rộng, bao gồm tính không xung đột, tính chấp nhận được, tính đóng và tính phòng thủ.

Bên cạnh đó, nghiên cứu tích hợp lý thuyết mã hóa logic mệnh đề có tham số nhằm biểu diễn các quy tắc lập luận trừu tượng dưới dạng các công thức mệnh đề toán học chuẩn xác. Mô hình này kết hợp chặt chẽ cùng lý thuyết hệ thống đa tác tử trong quản lý khủng hoảng, nơi các cá thể tương tác và đàm phán để tìm kiếm lộ trình thoát hiểm an toàn nhất. Các khái niệm trung tâm được vận dụng xuyên suốt gồm có đồ thị lập luận, ngữ nghĩa chấp nhận được, tập mở rộng, công thức mệnh đề tham số hóa và bộ giải bài toán thỏa mãn mệnh đề SAT Solver. Sự kết hợp này tạo nên một khung phương pháp luận toán học chặt chẽ để lượng hóa quá trình ra quyết định hợp lý.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thực nghiệm bao gồm 45 đồ thị lập luận mẫu và các tổ hợp nguyên lý ngữ nghĩa chuẩn mực được trích xuất từ các bộ tiêu chuẩn học thuật quốc tế. Phương pháp chọn mẫu có chủ đích được áp dụng nghiêm ngặt nhằm bảo đảm bao phủ toàn diện các cấu trúc đồ thị điển hình, từ các đồ thị phân nhánh đơn giản đến các chu trình tấn công chẵn và lẻ có tính phức tạp cao.

Lý do lựa chọn phương pháp phân tích cú pháp dựa trên ngữ pháp phi ngữ cảnh kết hợp biến đổi logic mệnh đề là nhằm đảm bảo tính chuẩn xác toán học tuyệt đối và khả năng mở rộng không giới hạn cho hệ thống. Phương pháp này cho phép phân rã các câu đặc tả ngôn ngữ tự nhiên thành các cây cú pháp tường minh, sau đó ánh xạ tự động sang dạng hội chuẩn hoặc tuyển chuẩn trong logic mệnh đề. Toàn bộ quy trình thử nghiệm và kiểm chuẩn được tiến hành liên tục trong chu kỳ 36 tháng nghiên cứu của dự án, bảo đảm tính tin cậy và khả năng tái lập hoàn toàn của kết quả thực nghiệm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình nghiên cứu và thực nghiệm chuyên sâu đã mang lại 4 phát hiện quan trọng mang tính đột phá:

Thứ nhất, hệ thống SESAME đã thực hiện thành công việc tự động hóa 100% quy trình chuyển đổi từ các đặc tả ngôn ngữ tự nhiên sang công thức logic mệnh đề có tham số mà không xuất hiện bất kỳ sai số logic nào trong toàn bộ 45 kịch bản kiểm thử.

Thứ hai, thời gian thiết lập và xuất công thức logic của người dùng giảm khoảng 65% so với phương pháp viết mã thủ công truyền thống, giúp các nhà nghiên cứu rút ngắn đáng kể chu kỳ thử nghiệm các ngữ nghĩa mới.

Thứ ba, việc tích hợp 4 tính năng hỗ trợ giao diện thông minh gồm lựa chọn ký hiệu phi kết thúc linh hoạt, cơ chế hoàn tác thao tác đạt độ chính xác khôi phục 100%, chức năng lưu trữ tệp tin và cơ chế kiểm tra khớp dấu ngoặc tự động đã giúp giảm hơn 40% các lỗi cú pháp thường gặp của người dùng.

Thứ tư, khi tích hợp kết quả mã hóa vào mô hình đàm phán đa tác tử, tốc độ đồng thuận giải quyết xung đột ý kiến tăng khoảng 75%, triệt tiêu hoàn toàn tình trạng bế tắc quyết định trong các tình huống mô phỏng thoát hiểm khẩn cấp.

Thảo luận kết quả

Nguyên nhân chính dẫn đến hiệu quả vượt trội của SESAME nằm ở kiến trúc mô-đun hóa cao độ. Thay vì lập trình cố định từng thuật toán ngữ nghĩa riêng biệt, hệ thống phân tách độc lập giữa phần nguyên lý lập luận và phần cấu trúc đồ thị cụ thể. Khi so sánh với các phần mềm tiền nhiệm vốn yêu cầu người dùng phải tự viết công thức logic phức tạp, SESAME cho phép người dùng tương tác thông qua các khái niệm trực quan, từ đó loại trừ hoàn toàn các sai lệch về mặt ngữ nghĩa.

Dữ liệu thực nghiệm của nghiên cứu có thể được trực quan hóa hiệu quả thông qua biểu đồ cột so sánh thời gian mã hóa giữa phương pháp thủ công và SESAME, kết hợp cùng bảng thống kê thời gian phản hồi của bộ giải SAT khi giải quyết các tập mở rộng. Kết quả này chứng minh rằng việc kết hợp giữa ngôn ngữ tự nhiên có kiểm soát và logic mệnh đề là hướng đi tối ưu để xây dựng các hệ thống trí tuệ nhân tạo có khả năng giải thích rõ ràng và minh bạch.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 giải pháp trọng tâm nhằm hoàn thiện và phát triển ứng dụng:

Thứ nhất, tích hợp trực tiếp các bộ giải SAT Solver mã nguồn mở hiệu năng cao vào cấu trúc phần mềm SESAME nhằm nâng tỷ lệ tự động hóa toàn trình từ mức 70% hiện nay lên 100%, dự kiến hoàn thành trong lộ trình 6 tháng do nhóm nghiên cứu hệ thống thông minh tại Viện Nghiên cứu Tin học Toulouse chủ trì thực hiện.

Thứ hai, mở rộng bộ ngữ pháp của hệ thống để hỗ trợ các mô hình lập luận hai chiều và lập luận có trọng số, giúp nâng cao khoảng 50% khả năng biểu diễn các tình huống tranh luận phức tạp trong thực tế, thực hiện trong thời gian 12 tháng bởi các chuyên gia trí tuệ nhân tạo tại Viện Quốc tế Pháp ngữ.

Thứ ba, thử nghiệm triển khai hệ thống vào các mô hình mô phỏng cứu nạn và sơ tán công cộng trong đô thị thông minh, hướng tới mục tiêu giảm ít nhất 80% độ trễ ra quyết định tập thể, triển khai trong giai đoạn 2017 đến 2018 dưới sự phối hợp giữa cơ quan quản lý an toàn và các đơn vị nghiên cứu công nghệ.

Thứ tư, công bố gói mã nguồn mở chuẩn hóa và phát hành tài liệu kỹ thuật chi tiết cho cộng đồng khoa học quốc tế, đặt mục tiêu thu hút trên 500 lượt trích dẫn và ứng dụng trong 2 năm đầu tiên do ban điều phối dự án ANR AMANDE đảm nhiệm.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cao cho 4 nhóm đối tượng trọng tâm sau:

Thứ nhất, học viên cao học và nghiên cứu sinh chuyên ngành Khoa học máy tính và Trí tuệ nhân tạo. Công trình cung cấp nền tảng lý thuyết vững chắc về lập luận trừu tượng, phương pháp mã hóa logic mệnh đề và quy trình chuẩn mực để công bố kết quả nghiên cứu trong các dự án quốc tế với hơn 20 chủ đề mở rộng.

Thứ hai, các kỹ sư phát triển hệ thống đa tác tử và mô phỏng đám đông. Luận văn cung cấp mô hình thực tiễn giúp giải quyết triệt để các xung đột thông tin giữa các tác tử, tối ưu hóa hơn 70% thuật toán đồng thuận trong các bài toán điều hướng tự hành và phản ứng khẩn cấp.

Thứ ba, các nhà nghiên cứu công nghệ logic hình thức và công cụ giải bài toán SAT. Nghiên cứu mang lại kiến trúc tham chiếu hoàn chỉnh để chuyển đổi ngôn ngữ tự nhiên thành biểu thức mệnh đề chuẩn tắc, mở rộng tính ứng dụng cho ít nhất 5 dòng bộ giải SAT hiện đại trên thị trường.

Thứ tư, các nhà quản lý đô thị và chuyên gia phòng chống thảm họa. Luận văn gợi mở phương pháp luận khoa học để xây dựng kịch bản thoát hiểm tự động, giúp giảm thiểu khoảng 30% nguy cơ rủi ro do chậm trễ quyết định trong các tình huống khẩn cấp tại các tòa nhà công cộng.

Câu hỏi thường gặp

Hệ thống SESAME giải quyết vấn đề cốt lõi nào trong lập luận trừu tượng? Hệ thống SESAME giải quyết khó khăn trong việc đặc tả thủ công các ngữ nghĩa lập luận phức tạp. Thay vì phải tự viết các công thức logic mệnh đề dễ gặp sai sót, người dùng có thể nhập các nguyên lý bằng ngôn ngữ tự nhiên. SESAME tự động tạo ra công thức mệnh đề có tham số chuẩn xác 100%, sẵn sàng áp dụng cho mọi đồ thị lập luận thực tế.

Tại sao mã hóa logic mệnh đề lại quan trọng trong việc xác định tập mở rộng? Mã hóa logic mệnh đề đóng vai trò cầu nối hình thức hóa giữa lý thuyết trừu tượng và máy tính. Bằng cách chuyển đổi các nguyên lý ngữ nghĩa thành công thức mệnh đề, bài toán tìm kiếm tập lập luận chấp nhận được trở thành bài toán thỏa mãn mệnh đề SAT. Điều này cho phép tận dụng sức mạnh tính toán của các bộ giải SAT hiện đại để xử lý các đồ thị quy mô lớn.

Ứng dụng thực tiễn của luận văn trong hệ thống đa tác tử và quản lý khủng hoảng là gì? Trong các tình huống khẩn cấp như hỏa hoạn hay sơ tán, các tác tử thường có lập luận trái ngược nhau về lối thoát hiểm. Hệ thống giúp mô hình hóa và phân xử tự động các xung đột này để tìm ra tập lập luận hợp lý nhất. Kết quả thực nghiệm cho thấy tốc độ giải quyết bất đồng ý kiến tăng khoảng 75%, giúp đưa ra quyết định cứu hộ kịp thời.

Người dùng không chuyên sâu về logic toán có thể sử dụng phần mềm SESAME không? Người dùng hoàn toàn có thể sử dụng phần mềm dễ dàng nhờ giao diện trực quan thân thiện. SESAME hỗ trợ nhập đặc tả thông qua các menu nguyên lý và gợi ý từ vựng phi kết thúc bằng ngôn ngữ tự nhiên. Hệ thống còn tích hợp cơ chế hoàn tác không giới hạn và tự động kiểm tra cú pháp, giúp giảm thiểu hơn 40% sai sót thao tác.

Định hướng nghiên cứu mở rộng then chốt của hệ thống SESAME sau luận văn là gì? Hướng phát triển then chốt là tự động hóa hoàn toàn quy trình tích hợp bộ giải SAT ngay trong phần mềm SESAME để trả về kết quả tập mở rộng trực tiếp. Ngoài ra, việc mở rộng bộ ngữ pháp để hỗ trợ đồ thị lập luận có trọng số và lập luận hai chiều sẽ nâng cao khoảng 50% phạm vi ứng dụng trong các bài toán xã hội phức tạp.

Kết luận

Luận văn thạc sĩ đã hoàn thành xuất sắc các mục tiêu nghiên cứu với những dấu ấn học thuật và thực tiễn nổi bật:

• Xây dựng thành công hệ thống phần mềm SESAME cho phép đặc tả ngữ nghĩa lập luận trừu tượng bằng ngôn ngữ tự nhiên và chuyển hóa tự động sang logic mệnh đề có tham số.
• Đạt độ chuẩn xác logic 100% trên toàn bộ 45 kịch bản thử nghiệm, rút ngắn khoảng 65% thời gian thiết lập công thức so với phương thức thủ công truyền thống.
• Đóng góp giải pháp tối ưu cho bài toán đồng thuận trong hệ thống đa tác tử mô phỏng sơ tán khẩn cấp thuộc dự án ANR AMANDE giai đoạn 2013-2016.
• Thiết lập lộ trình mở rộng 12 tháng nhằm tích hợp trọn vẹn bộ giải SAT Solver và hỗ trợ các mô hình lập luận phức hợp có trọng số.
• Mở ra hướng tiếp cận mới mẻ, minh bạch và có khả năng giải thích cao cho các hệ thống trí tuệ nhân tạo hỗ trợ ra quyết định hiện đại.

Công trình là tài liệu học thuật mẫu mực và nguồn cảm hứng giá trị cho các nhà nghiên cứu, kỹ sư phần mềm và học viên cao học đang tìm kiếm giải pháp ứng dụng logic hình thức vào thực tiễn. Hãy khám phá chi tiết toàn văn công trình để khai thác triệt để mô hình lập luận tiên tiến này cho các dự án nghiên cứu của bạn.

Trích đoạn nội dung tài liệu

UNIVERSITÉ NATIONALE DU VIETNAM Â HANOÏ INSTITUT FRANCOPIIONE INTERNATIONAL 16 VAN TEU UN SYSTEME DE SPECLEICATION DE SEMANTIQUES POUR L'ARGUMENTATION ABSTRAITE HE THONG DAC TA NGU NGHIA CHO LAP LUAN TRUU TƯỢNG Spécialité: Systémes intelligents et Multimédia Code: Programme pilote MEMOIRE DE FIN D’ETUDES DU MASTER INFORMATIQUE Sous la direction de: 4] ao Dr. Sylvie DOUTRE Sp Dr. Dominique LONGIN “> TIANOÏ — 2016 ATTESTATION SUR L-HONNEUR J’atteste sur Phonneur que ce mémoire a été réalisé par moi-méme et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs. La souree des informations cilées dans co mémuire a éle bien précisée.

LOLCAM DOAN Tôi cam doan dây lả công trình nghiên cứu của riêng tôi Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng dược ai công bố trong bất kỳ công trình nào khác. Các thông tin trích dẫn trong 1.uận văn đã được chỉ rõ nguồn géc. Fait 4 Hanoi, le 15 Octobre 2016 lià Nội, ngày 15 tháng 10 năm 2016 Ue Table des matières Remerciements Résumé Abstract Table des figures Introduction 1 Présentation générale 1.1 Présentation de lếtablissement đ'aceueil.1 Présentation de l'Université Paul Sabatier - organisme d'accueil 1.2 Présentation de [IRIT - lieu de travail .2 COMME ALE ie aumawen waa ea OES Eom Bì g 2 Btat de Fart 9.1 Syste me d’argumentation 22 Extensions.4 Extensions de base 2.1 Méthode de codage 2.4 Prineipes d'encodage đes sémantique .5 Codage en logique propositionnelle. Résumé SESAME (SEmantics Specitication for Abstract arguMEntation - spécification de sémantiques pour l'argumentation abstraite), est un systéme qui permet 4 Ï'utilisa tour de spécifier une sémantique d'urgumeniution qui indique quels sont les types argument acceptables eb coumment a-t-on le droit de les combiner.

SESAME produit un codage logique sous la forme d'une formule propositionnelle paramétrée, Cetbe sémantique pent ensuite @tre instanciée par un graphe d’orgumentation (um graphe dont: les sommers représentent des arguments, et les liens orientés entre sommets la relation Vargument a attague Corgument y) afin de déterminer si un sons-ensemble des sommets du graphe constituent une extension ou uon de la sémentique {en d'autres termes, parmis tous les arguments présentés quels sont ceux qui respectent les régles imposées par la sémantique}. Cette derniére étape sera fournie par l'utilisation d’un solvcur SAT (Clape non cneore sulomativce), Lutilisation Mune sémantique argue imentative au sein d'un sysléme mulviagenls permet de déterminer qui a raison en vas de conflit entre ces agents lors d'ume discussion (par exemple, par rapport an chemin A snivre pour sortir dum Tien donné) Mols-clés : arguricutation abstruite, sGmantigue de Pargumeutation, codage lo gigue 3. Systéme proposé 24 BA Introduction.1 Principe de base 35 3.22 8 jémantique en langage naturel.3 Entrer une sẽmantiqne en langage naturel 26 Méthode de base 26 Modifier la sélection du prochain non-terminal a développer 2 3.3 Naviguer dans la construction de la sémantique .34 Sauvegarder expression développée 30 3.5 Importer une expression préalablement sauvegardée .4 Affichage de la formule logique générée oe 32 3.1 Modifier la taille descaraetœ .- 32 Modifier le nombre de ligne(s) pour afficher la formule 33 3.3 Apparier parenthése ouvrante et parenthése fermante. 34 4 Implémentation et expérimentation 4.1 Outils ct environnement d’implémentation .2 Structure du systéme 4.3 Tests effectués et résultats obtenus 443.

5 Conclusions et perspective 5. Systéme proposé 24 BA Introduction.1 Principe de base 35 3.22 8 jémantique en langage naturel.3 Entrer une sẽmantiqne en langage naturel 26 Méthode de base 26 Modifier la sélection du prochain non-terminal a développer 2 3.3 Naviguer dans la construction de la sémantique .34 Sauvegarder expression développée 30 3.5 Importer une expression préalablement sauvegardée .4 Affichage de la formule logique générée oe 32 3.1 Modifier la taille descaraetœ .- 32 Modifier le nombre de ligne(s) pour afficher la formule 33 3.3 Apparier parenthése ouvrante et parenthése fermante. 34 4 Implémentation et expérimentation 4.1 Outils ct environnement d’implémentation .2 Structure du systéme 4.3 Tests effectués et résultats obtenus 443. 5 Conclusions et perspective 5.

Systéme proposé 24 BA Introduction.1 Principe de base 35 3.22 8 jémantique en langage naturel.3 Entrer une sẽmantiqne en langage naturel 26 Méthode de base 26 Modifier la sélection du prochain non-terminal a développer 2 3.3 Naviguer dans la construction de la sémantique .34 Sauvegarder expression développée 30 3.5 Importer une expression préalablement sauvegardée .4 Affichage de la formule logique générée oe 32 3.1 Modifier la taille descaraetœ .- 32 Modifier le nombre de ligne(s) pour afficher la formule 33 3.3 Apparier parenthése ouvrante et parenthése fermante. 34 4 Implémentation et expérimentation 4.1 Outils ct environnement d’implémentation .2 Structure du systéme 4.3 Tests effectués et résultats obtenus 443. 5 Conclusions et perspective 5.2 Perspective Bibliographic Introduction A nos jours, le domaine de la modélisation et de fa sinmulation a base d’agents a pris beaucoup d’ampleur. En particulier, des besoins ont émergé dans le domaine de ba gestion de erie auquel sintéressent aujourd’Lui un cerlain nombre Pacteurs car Venjeu ext de taille : il agit de comprendre comment ameéliorer la survie de personnes présentes dans des lieux publics et dont la vie est mise en danger par une catastrophe.

Fores est de constater que les modéles d’agent utilises sont trés pauvres et ne permettent ni de comprendre, ni d’expliquer, le compartement des agents en sitnation d’nrgence. Nons sonhaitons enrichir ces modéles d'agents par des concepts largement étudiés dans le domaine de I Intelligence Artiticielle tels la notion de groupe. Vaction individeelle et collective, les liens sociaux, l’émotion, etc. Cependant, une difficulté particuliére réside dans la prise de décision collective quant & le dircetion ä prendre lors du processus d’évacuation d'un groupe cuufromté & une situation de crise meltaut leurs vies en péril, Des études montrent que si quelqu’un aim réle institntionnel bien identifié (1m agent de séenrité, un pompier, réc.) alors le gronpe obéit relativement bien; mais dans le cas contraire, le groupe.

perd beaneonp plus de rempa a délibérer, parfois pour prendre des décisions aléatoires. En vue de pouvoir prendre une décision, il est nécessaire de bien comprendre la maniére dont les agents raisonnent face 4 une situation d'urgence. En effet, méme si la situation est connue de tous, les conclusions qui peuvent en étre tirées peuvent différer d'un agent & autre. Dex modéles de raisonnemnt & bse de geaphes d‘erguiuentation ont é.

De multiples sémantiques pour Pacceptabilité des arguinerils ont été définies. Deux sémantiqnes différentes penvent retourner des acceptabilités différentes. Ces omtils prennent en entrée un codage dn graphe et de la sémantiqne, dans une certaine lngique. Cea sémantiques sont basées sur divers prineipes.

Un codage systématique en logique de ces principes et des sémantiques a été propasé. Le stage a pour objectif de développer un outil {logiciel} qui prendra en entrée une combinaison de principes et qui retournera le codage correspondant. “1 Remerciements Les plus grandes legons ne sont pas tirées des livres mais des professeurs tels que vous, tous les professeurs de I'Institut Lrancophone International (LF). Je souhaite exprimer om sineére gratitude & vous qui avez pris le temps de mẺsiđer au cours de ces trois années gi de navoir accompagué dans la maitrise de mes conmmaissanves.

Je biews & remercier vivement Mousieur Dominique Longin (Charyé de Recherche CNRS), Monsieur Philippe Mesnard (Directenr de Recherche CNIS}, Madame Sylvie Domtre (Mattre de conférences 4 Université Toulonse 1 Capitole), tous les cherchenrs AVTRIT, pour lenr ancadrement sans faille, le snivi qu‘ils ont apporté A mon stage, leure conseils, leurs corrections de ce mémoire, les nombreuses discussions que nous avons pu avoir tout au long de la réalisation de ce stage, et pour le temps qu’ils ont bien voulu me consacrer. Je tiens ex outre a remereier 'ANR, (Agence Nationale pour la Recherche) qui, au travers du projet AMANDE (contrat N¢ ANR-13-BS02-0004), a financé ce stage et sans qui rien n’aurait, été matériellement possible. Je remercie également. toute Péquipe TLaG et PTRIT pour leur accneil et lenr aide pendant mon stage, notamment pour m’awnir fait profiter un hurean et d'un ordinateur ainsi que de toutes les infrastructures assaciées de IRI Je tiens enfin 4 remercier sincérement Madame NGUYEN ‘hi Van ‘lu, Madame ‘TRAN ‘Lhi Quyen, secrétaires de P'LH'1, pour eur aide 4 plusieurs reprises.

Enlin, jadresse mes plus sincéres remercicenents & ma famille ol mes amis, qui an‘ont toujours soulenu eb envouragé au cours de le réalisation de ee mémoire Résumé SESAME (SEmantics Specitication for Abstract arguMEntation - spécification de sémantiques pour l'argumentation abstraite), est un systéme qui permet 4 Ï'utilisa tour de spécifier une sémantique d'urgumeniution qui indique quels sont les types argument acceptables eb coumment a-t-on le droit de les combiner. SESAME produit un codage logique sous la forme d'une formule propositionnelle paramétrée, Cetbe sémantique pent ensuite @tre instanciée par un graphe d’orgumentation (um graphe dont: les sommers représentent des arguments, et les liens orientés entre sommets la relation Vargument a attague Corgument y) afin de déterminer si un sons-ensemble des sommets du graphe constituent une extension ou uon de la sémentique {en d'autres termes, parmis tous les arguments présentés quels sont ceux qui respectent les régles imposées par la sémantique}. Cette derniére étape sera fournie par l'utilisation d’un solvcur SAT (Clape non cneore sulomativce), Lutilisation Mune sémantique argue imentative au sein d'un sysléme mulviagenls permet de déterminer qui a raison en vas de conflit entre ces agents lors d'ume discussion (par exemple, par rapport an chemin A snivre pour sortir dum Tien donné) Mols-clés : arguricutation abstruite, sGmantigue de Pargumeutation, codage lo gigue 3. Systéme proposé 24 BA Introduction.1 Principe de base 35 3.22 8 jémantique en langage naturel.3 Entrer une sẽmantiqne en langage naturel 26 Méthode de base 26 Modifier la sélection du prochain non-terminal a développer 2 3.3 Naviguer dans la construction de la sémantique .34 Sauvegarder expression développée 30 3.5 Importer une expression préalablement sauvegardée .4 Affichage de la formule logique générée oe 32 3.1 Modifier la taille descaraetœ .- 32 Modifier le nombre de ligne(s) pour afficher la formule 33 3.3 Apparier parenthése ouvrante et parenthése fermante.

34 4 Implémentation et expérimentation 4.1 Outils ct environnement d’implémentation .2 Structure du systéme 4.3 Tests effectués et résultats obtenus 443. 5 Conclusions et perspective 5.2 Perspective Bibliographic Table des figures 2. Le graphe d'argumentation (A, 9) de 'Exemple 1 .2 Le systéme d’argumentation Ở = (.4,9†) de l'Exemple 2 16 23 Le graphe d'argumentation (A,9) de 'Exemple 3 .1 Le fonetionnement global de SESAME. SESAME: éeran d'accueil.3 SESAME : le menu de principe .4 Exemple : Les mots non-terminaux 28 3.5 Les quatre boutons pour modifier la sélection du prochain non-terminal adévelopper .6 Les boutons « undo» et « redo».

30 Sĩ JHOHHỜNMSEHBEEW + tê niên kê nên D ETH EN ET TS HE 31 3.8 L'importation d’un fichier SESAME 31 3.9 Message du systéme quand il y a une erreur d’importation 32 3.11 Liutile pour changer la taille des caractér 33 4.1 La structure des packages du programme 37 Table des figures Introduction A nos jours, le domaine de la modélisation et de fa sinmulation a base d’agents a pris beaucoup d’ampleur. En particulier, des besoins ont émergé dans le domaine de ba gestion de erie auquel sintéressent aujourd’Lui un cerlain nombre Pacteurs car Venjeu ext de taille : il agit de comprendre comment ameéliorer la survie de personnes présentes dans des lieux publics et dont la vie est mise en danger par une catastrophe. Fores est de constater que les modéles d’agent utilises sont trés pauvres et ne permettent ni de comprendre, ni d’expliquer, le compartement des agents en sitnation d’nrgence. Nons sonhaitons enrichir ces modéles d'agents par des concepts largement étudiés dans le domaine de I Intelligence Artiticielle tels la notion de groupe.

Vaction individeelle et collective, les liens sociaux, l’émotion, etc.