Abstract FR:

Le raisonnement causal est certainement d'une importance majeure en intelligence Artificielle, mais le point de vue philosophique n'est pas nécessaire pour obtenir des modèle pratique de ce raisonnement. Nous nous intéressons dans cette thèse, à la conception interventionniste de la causalité, i. E, nous préférons sélectionner les causes parmi un ensemble d'actions qu'un agent a la possibilité de faire ou non (libre arbite). En outre nous relions cette notion d'action aux normes (ce qui est normalement le cas quand une action est executée, quels sont les effets normaux de cette action). L'utilisation d'un raisonnement non-monotone est nécessaire, mais une utilisation des logiques non monotones classiques conduit à de sérieuses difficultées. Ces difficultés sont dues, en particulier, à leur inadéquations à considérer le temps. Dans notre approche nous proposons une extension du langage propositionnel à l'aide de deux opérateurs (pour impliquer dans tous les cas et pour impliquer normalement). Nous donnons une sémantique à ces deux opérateurs qui, pour le dernier cité, est basée sur la notion de lignes de temps préférées. Nous utilisons ces opérateurs dans la définition d'une base de règles causales peut être utilisée aussi bien pour la prédiction que pour l'explication. Notons que cette dernière pose des problèmes pour certaine approches, basées sur la minimisation chronologique.