INférence, Contraintes et Applications

Responsable : Nicola OLIVETTI

Mots clés : Intelligence Artificielle, Logique, Représentation de connaissance, SAT, Résolution des contraintes

Objectif scientifique

Nous souhaitons développer nos travaux dans des thématiques complémentaires qui relèvent principalement de l’Intelligence Artificielle : la représentation logique des connaissances et la formalisation du raisonnement ainsi que la démonstration automatique et les algorithmes de satisfaction de contraintes. Synthétiquement, on peut estimer que notre activité porte sur deux thèmes complémentaires :
  • « Représentation logique des connaissances et raisonnement »
  • « Algorithmique pour la satisfaction de contraintes »
Toutefois, scinder nos activités relève d’une dichotomie artificielle car une des forces du projet est justement de s’appuyer sur ces deux thèmes. En effet, les formalismes de représentation des connaissances que nous étudions nécessitent la mise en œuvre de méthodes de raisonnement efficaces. Cependant, le recours à des cadres de représentation très expressifs conduit en général à formuler des problèmes dont la complexité se situe au mieux dans la classe des problèmes NP-Complets. L’une des nos ambitions consiste à définir et à étudier des formalismes de représentation suffisamment puissants mais pour lesquels nous disposerions ou élaborerions des méthodes et algorithmes opérationnels en pratique.


Activité de recherche

Les deux axes principaux de la recherche des membres du projet se synthétise autour de la représentation des connaissances et du raisonnement basé sur la logique d’un coté et de la résolution des problèmes de satisfaction de contraintes dans l’autre. Cependant il y a des thèmes ou des préoccupations communes entre les deux axes, notamment le problème de la satisfaisabilité des formules de la logique booléenne (SAT) est ses généralisations. Ce problème revêt un intérêt central pour l’inférence automatique et constitue un champ d’application privilégié des méthodes de résolution des contraintes. D’autres recherches plus spécifiques comme l’étude des symétries dans les modèles et la configuration se situent à la frontière entre représentation logique des connaissances et résolution de contraintes, tandis que la planification est un exemple significatif de l’application de techniques algorithmiques basées sur la résolution des contraintes à un problème classique de l’IA.