Le CRIL en bref

présentation

Le Centre de Recherche en Informatique de Lens (CRIL UMR 8188) est un laboratoire de l’Université d’Artois et du CNRS qui regroupe plus de cinquante membres : chercheurs, enseignants-chercheurs, doctorants et personnels administratifs et techniques.

En savoir plus

Recherches en intelligence artificielle et applications

mots clés du CRIL

Actualités (RSS)

Séminaire La logique de typicité propositionnelle

**Ivan Varzinczak - CRIL CNRS & Univ Artois **

Dans cet exposé, je présenterai la logique de typicité propositionnelle PTL. Cette logique enrichît la logique propositionnelle classique avec un opérateur unaire permettant de représenter de façon explicite une notion de typicité d’une formule. L’intuition derrière cet opérateur est de capturer les situations les plus typiques (ou normales, ou conventionnelles, en fonction de l’application en question) où une formule donnée est vraie. La sémantique de PTL est en termes de modèles préférentiels, plus précisément les modèles modulaires, étudiés dans l’approche KLM pour le raisonnement non monotone. Cela nous permet de montrer que les conditionnels à la KLM peuvent être simulés directement dans PTL. Je présenterai certaines propriétés intéressantes de PTL, notamment (1) le fait qu’il y a des formules de PTL qui ne peuvent pas être exprimées comme des conditionnels KLM, et (2) le fait que PTL nous permet de simuler la révision de croyances à la AGM directement dans le langage objet. Cela fait de PTL un formalisme à la fois simple et suffisamment puissant pour servir de framework dans lequel analyser des approches pour le raisonnement non monotone en logique propositionnelle. Je finirai avec une discussion à propos de différentes notions de conséquence logique non monotones dans le cadre de PTL et j’en proposerai trois candidates appropriées.

Pour plus de détails : https://arxiv.org/abs/1809.10946

En savoir plus

Séminaire Les implications juridiques et éthiques du développement de l'intelligence artificielle

Nathalie Nevejans (Université d’Artois)

Depuis plusieurs années, les progrès de l’intelligence artificielle sont prodigieux. Ses impacts en termes économiques, sociaux, juridiques et éthiques sont considérables… et pourtant souvent méconnus, spécialement concernant ses implications juridiques et éthiques.
Les systèmes autonomes ont attiré l’attention du législateur européen, comme en témoigne la Résolution européenne sur les règles de droit civil sur la robotique du 16 février 2017. Sous prétexte de régler les problèmes de responsabilité en cas de dommage causé par un tel système, ce texte suscite plus de difficultés qu’il n’en résout, et fait surtout craindre que l’on finisse par considérer les agents autonomes comme des personnes d’un point de vue juridique. Pourtant, les véritables questions de fond à se poser aujourd’hui en IA ne sont pas celles concernant la responsabilité. En réalité, ce sont surtout les problématiques éthiques qu’elle génère qui imposent une profonde réflexion. A côté des difficultés liées à la confiance dans les algorithmes, ce sont peut-être surtout les usages qui méritent une grande attention. En effet, le développement de l’IA risque d’impacter les droits humains. Que restera-t-il de notre société fondée sur les droits de l’homme si les machines que nous utilisons nous traitent de manière inhumaine ? Quelle éthique en IA ? Les solutions existent-elles déjà ou doivent-elles être inventées ?
Les scientifiques ne peuvent pas ignorer ces interrogations fondamentales, car ce sont eux qui sont au cœur de ces technologies.

Nathalie Nevejans:
Nathalie Nevejans est maître de conférences en droit privé à l’Université d’Artois, habilitée à diriger les recherches (HDR), et membre du Comité d’éthique du CNRS (COMETS). Auteure de nombreux articles, participant à des manifestations provenant tant du monde académique que du secteur industriel, elle est l’une des rares spécialistes en France du droit et de l’éthique de la robotique, de l’intelligence artificielle et des technologies émergentes. Elle est aussi membre du Centre de recherche Droit, Ethique et Procédures (EA n° 2471), ainsi que de l’Institut pour l’Etude des Relations Hommes-Robots (IERHR). Son livre « Traité de droit et d’éthique de la robotique civile », LEH éditions (1232 pages) est paru en 2017.

En savoir plus

Soutenance de thèse de Marwa Harzi - An optimization based framework for routing and scheduling activities in healthcare emergency departments

Le 17 décembre 2018, à 9h, salle des thèses de la faculté Jean Perrin.

Résumé :

In this thesis, we focus on the routing and scheduling activities of patients in the Healthcare Emergency Department while involving optimization tools. We address three categories of research questions. The first category includes question about patient flow to the Emergency department. In this part we focuses on patient transportation problem derived from emergency medical services (EMS). Ambulance routing problem is a significant challenge. Bearing in mind that the travel cost of an EMS is a crucial feature since cost is vital in emergency situations. Hence, we aim to push forward the total travel cost performance of EMS by handling the ARP. In order to do so, we propose a cluster-first route-second algorithm based on the Petal algorithm and the particle swarm optimization approach. In order to study the performance of the proposed method, we test it in a set of instances and compared the results with state-of-art methods. The second category is associated to the patient flow in the Emergency Department. A mixed integer linear programming, a hybrid ILS/VND method, a genetic algorithm and a reactive algorithm are developed to solve this real patient scheduling problem. Approximate methods are alternatives to exact methods to quickly solve large instances taking into account a set of constraints. The reactive algorithm consist to schedule patients with consideration of perturbation. The third category of questions is a combination of two previous questions. It deals with routing and scheduling process of patients where we investigate the patient flow to and in the ED. A Decision Support System was set up to facilitate mutual interaction and cooperation between the optimization tools and the Decision Maker in the addressed case study.

En savoir plus

Soutenance de thèse d'Imen Dlali - Declarative Approaches for Mining Frequent Itemsets over Transactional Databases

Le 17 décembre 2018, à 14h, salle des thèses de la faculté Jean Perrin.

Résumé :

La fouille de données est une étape primordiale du processus d’extraction de connaissances à partir des données. Elle a pour but d’analyser de grandes quantités de données afin de découvrir des connaissances. L’extraction des itemsets fréquents à partir d’une base de données transactionnelle est l’une des tâches principales de la fouille de données, qui consiste à identifier divers types de motifs afin de répondre aux besoins des utilisateurs ou des applications. Différentes approches d’extraction des itemsets fréquents ont été introduites dans la littérature et peuvent être scindées en deux catégories: spécialisées et déclaratives. Les travaux de cette thèse se situent dans la seconde catégorie d’approches. Les approches déclaratives basées sur SAT pour l’extraction des itemsets fréquents se distinguent par leurs flexibilités et permettent d’extraire divers types de motifs particuliers par ajout de contraintes. Toutefois, ces approches sont inefficaces pour traiter les grandes bases de données transactionnelles dû principalement à la taille des encodages et au nombre élevé des itemsets à extraire. Dans notre première contribution, nous montrons les limites des approches d’énumération de modèles à base des solveurs CDCL pour ces encodages et proposons une solution alternative de type DPLL plus appropriée. Dans la deuxième contribution, et pour pallier le problème de la taille de l’encodage, nous proposons d’utiliser une technique de partitionnement. Cela permet de ramener l’énumération de tous les modèles en l’énumération de modèles de sous-problèmes de taille réduite. Cette approche permet un passage à l’échelle et se montre plus performante que les approches basées sur la programmation par contraintes. Nous étendons également ce cadre pour considérer la résolution en parallèle des sous-problèmes générés. Notre troisième contribution est une nouvelle approche d’extraction des motifs fréquents maximaux, appelé SATMax, utilisant de manière originale les solveurs SAT pour énumérer efficacement tous les itemsets maximaux d’une base de données transactionnelle. L’évaluation expérimentale sur différents jeux de données montre l’efficacité de cette approche par rapport à quelques algorithmes spécialisés et déclaratifs de l’état de l’art. La dernière contribution de cette thèse porte sur l’énumération des motifs fréquents à partir des données incertaines. Nous étendons les approches déclaratives basées sur les contraintes. Nous montrons que la contrainte de support (expected support) donne lieu à une contrainte non linéaire. Nous introduisons par la suite une approche incrémentale en la taille des itemsets associée et une relaxation de la contrainte d’expected support exprimée par une contrainte linéaire permettant d’accélérer l’énumération.

En savoir plus

Séminaire On Belief Promotion

Nicolas Schwind (National Institute of Advanced Industrial Science and Technology, Tokyo, Japan)

We introduce a new class of belief change operators, named promotion operators. The aim of these operators is to enhance the acceptation of a formula representing a new piece of information. We give postulates for these operators and provide a representation theorem in terms of minimal change. We also show that this class of operators is a very general one, since it captures as particular cases belief revision, commutative revision, and (essentially) belief contraction.

En savoir plus