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

Recherches en intelligence artificielle et applications

mots clés du CRIL

Actualités (RSS)

Recrutement Poste de MCF 27e section - CRIL (Lens) - Université d'Artois

27 MCF

Le poste ci-dessous va paraître au début de l’année 2017 lors de la session nationale synchronisée.

Profil recherche du poste :

Artificial intelligence. The successful candidate will join one of the two scientific axes of CRIL. Preference will be given to candidates bringing novel research openings and directions that extend or are linked to any of these axes, and on candidates working on the interaction between both axes.

Enseignement :

Profil : Informatique

Lieu d’exercice : Faculté des sciences Jean Perrin - Lens

L’informaticien-ne recruté-e sera appelé-e à intervenir dans les différentes filières de formation de l’UFR des Sciences de Lens, dont la licence et le master d’informatique.

Nom du directeur de la faculté des sciences : Jean-François Henninot (03 21 79 17 02 - jfrancois.henninot@univ-artois.fr)

Responsable de la licence d’informatique : Nathalie Chetcuti-Sperandio (03 21 79 17 08 - chetcuti@cril.univ-artois.fr )

Responsable du master d’informatique : Bertrand Mazure (03 21 79 17 87 - mazure@cril.univ-artois.fr)

Des informations supplémentaires peuvent également être obtenues en s’adressant au président du comité de recrutement : Gilles Audemard (audemard@cril.fr)

En savoir

Séminaire Introduction aux solveurs CDCL

Jean-Marie Lagniez (CRIL, Université d’Artois)

Soutenance de thèse de Samuel Thomas - Compilation de connaissances pour le comptage de modèles

Le 14 décembre 2016, à 10h, amphithéatre S19 de la faculté Jean Perrin

Résumé :

Le comptage de modèles (i.e., des affectations de valeurs aux variables qui satisfont toutes les contraintes) constitue un traitement clé pour divers problèmes d’intelligence artificielle dans lesquels la programmation par contraintes est employée. La compilation de connaissances est l’une des approches possibles permettant de réaliser efficacement une telle requête de comptage. Dans cette thèse, nous introduisons plusieurs nouveaux langages de compilation de formules propositionnelles, basés sur un connecteur peu utilisé jusqu’ici dans les langages cibles pour la compilation, le ou exclusif. Nous définissons en particulier le langage des arbres de décision affine (ADT) et le langage des arbres de décisions affine étendus (EADT). Nous proposons également un compilateur CNF vers EADT que nous avons évalué et nous présentons les résultats expérimentaux obtenus. Ces résultats montrent qu’une approche basée sur le langage EADT concurrence, et est parfois même plus performante, que des algorithmes directs (sans compilation) de l’état de l’art pour le comptage de modèles. Nous nous sommes également intéressés à la compilation de réseaux de contraintes. En effet, il existe jusqu’ici peu de méthodes permettant de compter le nombre de modèles d’un réseau de contraintes. Nous avons introduit et étudié le langage cible des graphes de décision décomposables multivalués (MDDG). Nous avons développé un compilateur de réseaux de contraintes vers MDDG dans lequel plusieurs ingrédients originaux ont été testés, comme l’utilisation d’une heuristique de choix de variables basée
sur la centralité d’intermédiarité ou encore la détection et la prise en compte des contraintes universelles.

Composition du jury :


Hélène Fargier (IRIT-CNRS)
Bruno Zanuttini (Université de Caen - Base Normandie)
Frédéric Koriche (Université d’Artois)
Jean-Marie Lagniez (Université d’Artois)
Pierre Marquis (Université d’Artois)
Laurent Simon (Université de Bordeaux)


En savoir

Soutenance de thèse de Thomas Caridroit - Changements de croyances et logiques modales

Le 13 décembre 2016, à 14h, amphithéatre S25 de la faculté Jean Perrin

Résumé :

Le changement de croyances vise à trouver des moyens adéquats pour faire évoluer les croyances d’un agent lorsqu’il est confronté à de nouvelles informations. Dans la plupart des travaux sur la révision de croyances, l’ensemble de croyances d’un agent est composé de croyances au sujet de l’environnement (le monde) et est représenté par un ensemble de formules de la logique classique. Dans de nombreuses applications, un agent n’est pas seul dans l’environnement, mais le partage avec d’autres agents, qui ont aussi des croyances. Ainsi les croyances sur les croyances des autres agents constituent un élément d’information important pour l’agent, afin d’être en mesure de prendre les meilleures décisions et d’effectuer les meilleures actions. L’utilisation de croyances sur les croyances des autres agents est par exemple cruciale dans la théorie des jeux.

Dans cette thèse, nous étudions dans un premier temps les opérateurs de contraction propositionnelle correspondant aux opérateurs de révision de Katsuno et Mendelzon. Nous étudions ensuite une connexion entre les logiques épistémiques et la théorie du changement de croyances, proche de l’approche AGM. Nous nous sommes intéressés à l’utilisation des opérateurs qui modifient les croyances des agents dans les modèles KD45n standard. Cette tâche est plus compliquée que dans le cadre AGM standard, car, dans un contexte multi-agents, les nouvelles informations peuvent prendre différentes formes. Par exemple, chaque nouvelle information peut être observée/transmise/disponible à tous les agents ou seulement à certains d’entre eux.

Composition du jury :


Andreas Herzig - Directeur de recherches CNRS, Université Paul Sabatier - Rapporteur
Odile Papini - Professeur des universités, Aix-Marseille Université - Rapporteur
François Schwarzentruber - Maître de conférences, ENS Rennes - Examinateur
Sébastien Konieczny - Directeur de recherches CNRS, Université d’Artois - Co-directeur
Tiago de Lima - Maître de conférences, Université d’Artois - Co-encadrant
Pierre Marquis - Professeur des universités, Université d’Artois - Co-directeur


En savoir

Soutenance de thèse de Eric Piette - Une nouvelle approche au General Game Playing dirigée par les contraintes

Le 9 décembre 2016, à 14h, amphithéatre S25 de la faculté Jean Perrin

Résumé :

Développer un programme capable de jouer à n’importe quel jeu de stratégie, souvent désigné par le General Game Playing (GGP) constitue un des Graal de l’intelligence artificielle. Les compétitions GGP, où chaque jeu est représenté par un ensemble de règles logiques au travers du Game Description Language (GDL), ont conduit la recherche à confronter de nombreuses approches incluant les méthodes de type Monte Carlo, la construction automatique de fonctions d’évaluations, ou la programmation logique et ASP. De par cette thèse, nous proposons une nouvelle approche dirigée par les contraintes stochastiques.

Dans un premier temps, nous nous concentrons sur l’élaboration d’une traduction de GDL en réseaux de contraintes stochastiques (SCSP) dans le but de fournir une représentation dense des jeux de stratégies et permettre la modélisation de stratégies.

Par la suite, nous exploitons un fragment de SCSP au travers d’un algorithme dénommé MAC-UCB combinant l’algorithme MAC (Maintaining Arc Consistency) utilisé pour résoudre chaque niveau du SCSP tour après tour, et à l’aide de UCB (Upper Confidence Bound) afin d’estimer l’utilité de chaque stratégie obtenue par le dernier niveau de chaque séquence. L’efficacité de cette nouvelle technique sur les autres approches GGP est confirmée par WoodStock, implémentant MAC-UCB, le leader actuel du tournoi continu de GGP.

Finalement, dans une dernière partie, nous proposons une approche alternative à la détection de symétries dans les jeux stochastiques, inspirée de la programmation par contraintes. Nous montrons expérimentalement que cette approche couplée à MAC-UCB, surpasse les meilleures approches du domaine et a permis à WoodStock de devenir champion GGP 2016.

Composition du jury :


Christian Bessière, LIRMM, Rapporteur
Tristan Cazenave, LAMSADE, Rapporteur
Arnaud Lallouet, Huawei Technologies, Rapporteur
Frédéric Koriche, CRIL, co-directeur de thèse
Sylvain Lagrue, CRIL, directeur de thèse
Anastasia Paparrizou, CRIL, Examinatrice
Florian Richoux, LINA Examinateur
Sébastien Tabary, CRIL, co-directeur de thèse


En savoir