Une frame est une structure de données qui organise les connaissances dans un format structuré et hiérarchique, composé généralement de slots et de fillers. Dans le contexte de l'intelligence artificielle et de l'informatique, une frame représente une situation ou un objet stéréotypé, permettant aux systèmes de stocker des attributs et des relations associés. Le concept est né dans les années 1970 grâce à des travaux en science cognitive et en représentation des connaissances, et il reste une idée fondamentale dans des domaines tels que le traitement du langage naturel, la vision par ordinateur et la conception d'interfaces utilisateur.
Les frames offrent un moyen de regrouper plusieurs informations en une unité unique et réutilisable. Elles sont souvent organisées en hiérarchie, où les frames de niveau inférieur héritent des propriétés des frames de niveau supérieur, permettant un raisonnement et une inférence efficaces. Cette structure contraste avec les représentations de données plates en offrant des valeurs par défaut et des attaches procédurales, qui peuvent déclencher des actions lorsque les slots sont remplis ou consultés.
Développement historique
Le concept de frame a été formellement introduit par Marvin Minsky en 1974 dans le cadre de ses travaux sur la représentation des connaissances en IA. Minsky a proposé les frames comme un moyen de modéliser la perception et la compréhension humaines, suggérant que les gens utilisent des structures de connaissances préalables pour interpréter de nouvelles expériences. Son article fondateur, "A Framework for Representing Knowledge", publié en 1975, décrivait comment les frames pouvaient être utilisées pour représenter des scénarios courants, comme une fête d'anniversaire ou une pièce.
Les idées de Minsky s'appuyaient sur des travaux antérieurs en psychologie et en linguistique, notamment la notion de schémas proposée par Frederic Bartlett en 1932. Dans les décennies suivantes, les frames ont été intégrées dans plusieurs systèmes d'IA, y compris des programmes de compréhension du langage naturel et des systèmes experts. Des chercheurs d'institutions comme MIT CSAIL et Xerox PARC ont étendu le concept, conduisant au développement de langages basés sur les frames comme FRL (Frame Representation Language) et KRL (Knowledge Representation Language) à la fin des années 1970.
Composants clés
Une frame se compose généralement d'un nom et d'un ensemble de slots, chacun pouvant contenir une valeur, une valeur par défaut ou un ensemble de contraintes. Les slots incluent souvent des facettes telles que des procédures "if-needed", qui calculent une valeur dynamiquement, et des procédures "if-added", qui s'exécutent lorsqu'un slot est rempli. Cette conception permet aux frames de supporter à la fois des connaissances déclaratives et procédurales.
L'héritage est une caractéristique centrale : une frame peut être définie comme une sous-classe d'une autre, héritant de ses slots et de ses valeurs par défaut. Par exemple, une frame "voiture" pourrait avoir des slots comme "roues" (valeur par défaut 4) et "moteur", tandis qu'une frame "voiture de sport" hérite de ces éléments et ajoute "vitesse maximale". Cet arrangement hiérarchique réduit la redondance et simplifie les mises à jour.
Les frames supportent également plusieurs perspectives, où le même objet peut être vu à travers différentes frames selon le contexte. Cela est particulièrement utile dans les applications d'IA, où une image pourrait être interprétée comme un visage, un bâtiment ou un véhicule en fonction de la frame active.
Applications en intelligence artificielle
En Artificial intelligence, les frames ont été appliquées à divers sous-domaines. Dans le traitement du langage naturel, elles aident à analyser les arguments verbaux et les structures d'événements, comme le montre le projet FrameNet, qui a débuté à l'international-computer-science-institute à la fin des années 1990. FrameNet fournit un lexique de descriptions sémantiques de frames pour plus de 1 200 frames, reliant les mots à des rôles sémantiques.
En vision par ordinateur, les frames sont utilisées pour modéliser des objets et des scènes, permettant aux systèmes de faire correspondre des caractéristiques observées à des structures attendues. Les premiers systèmes de vision à Stanford AI Lab et MIT CSAIL utilisaient un raisonnement basé sur les frames pour interpréter des dessins au trait et des scènes 3D. Aujourd'hui, des concepts connexes apparaissent dans les architectures modernes de Deep learning, comme U-Net pour la segmentation d'images, où les couches convolutionnelles capturent des caractéristiques hiérarchiques analogues à l'héritage des frames.
Le raisonnement basé sur les frames apparaît également dans les systèmes experts basés sur des règles et l'ingénierie des ontologies. Le web-ontology-language ou des normes similaires, comme OWL, descendent de représentations de type frame, bien qu'ils soient formalisés avec la logique. En robotique, les frames aident les agents à maintenir une conscience situationnelle, comme dans les systèmes Waymo et Tesla, où les états environnementaux sont mis à jour dynamiquement.
Sémantique des frames et théorie linguistique
La théorie linguistique de la sémantique des frames, développée par Charles Fillmore dans les années 1980, étend le concept à la compréhension du langage. Elle postule que les mots évoquent des frames, qui sont des connaissances de fond structurées qui façonnent le sens. Par exemple, le mot "vendre" active une frame de transaction commerciale avec des slots pour l'acheteur, le vendeur, les biens et l'argent. Cette perspective a influencé les modèles de Machine learning pour le traitement du langage naturel (qui n'est pas dans la liste, mais utilisez Large language model comme visible si nécessaire).
La sémantique des frames est distincte des frames de Minsky mais partage l'idée centrale de connaissances structurées. Elle a été opérationnalisée dans des lexiques computationnels et est utilisée dans des tâches comme l'extraction d'informations et la réponse aux questions. Les Large language models modernes, comme ceux développés par OpenAI et Anthropic, encodent implicitement des connaissances de type frame à travers leurs architectures Transformer (architecture), bien qu'ils n'utilisent pas de structures explicites basées sur des slots.
Comparaisons avec des concepts connexes
Une frame est souvent comparée à un schéma ou à une ontologie. Un schéma, en théorie des bases de données, est une description formelle de la structure d'une base de données, tandis qu'en psychologie, c'est un modèle cognitif. Les frames sont plus flexibles que les schémas car elles supportent des valeurs par défaut et des attaches procédurales. Une ontologie est une spécification plus formelle et logique d'un domaine, souvent représentée en OWL, et manque généralement de facettes procédurales.
Dans les frameworks de calcul modernes, "frame" désigne également un conteneur de données, comme un DataFrame dans les bibliothèques de science des données comme pandas. Cet usage, bien que dérivé du terme statistique "data frame" introduit par R, partage l'idée d'une structure tabulaire contenant des données hétérogènes. Bien que non directement lié aux frames de connaissances en IA, il illustre l'étendue du terme.
Pertinence moderne et influence
Malgré la montée des approches basées sur les Neural network, les structures de type frame restent pertinentes dans les systèmes hybrides qui combinent le raisonnement symbolique avec le Deep learning. Par exemple, Google DeepMind et d'autres laboratoires intègrent des représentations structurées dans leurs modèles, comme les réseaux de neurones graphiques qui propagent des informations à travers des slots de nœuds et d'arêtes. Le concept de frame persiste dans les conceptions matérielles de Graphcore ou SambaNova, qui utilisent des "tuiles" ou frames de calcul de taille fixe pour optimiser les opérations parallèles.
Dans la conception d'interfaces utilisateur, les frames sont centrales dans des technologies comme les frames HTML (bien que dépréciées) et dans les systèmes de fenêtrage modernes, où chaque fenêtre agit comme une frame pour le contenu. Le terme apparaît également dans le traitement vidéo, où une frame est une image unique. Cette diversité met en évidence comment un concept unique peut évoluer à travers les domaines, y compris Amazon Web Services et Google Cloud, où les "frames" peuvent désigner des lots de données dans le traitement de flux.
En 2025, le terme "frame" est utilisé dans plus de 30 domaines distincts de l'informatique, y compris les systèmes distribués et les salles de classe de compilateurs. Sa durabilité en IA souligne l'importance de la représentation structurée, même à mesure que les modèles gagnent en complexité. Pour les praticiens, comprendre les frames fournit un pont conceptuel entre l'héritage de l'IA symbolique et les systèmes d'apprentissage modernes.
Lectures complémentaires
Pour le matériel fondateur, l'article original de Marvin Minsky de 1974 reste une source primaire. Les livres sur la représentation des connaissances et la modélisation cognitive couvrent généralement les frames en profondeur.