Deep Learning 4 Deep Solving

Parmi les grands défis de l’intelligence artificielle figurent les problèmes « Beyond NP » apparaissant dans de nombreuses applications pratiques, telles que la planification, l’ordonnancement, la configuration et la recommandation. Ces problèmes calculatoirement difficiles, peuvent souvent être décomposés en tâches d’inférence plus simples, utilisant des tests de cohérence globale, ou d’optimisation linéaire sous contraintes. L’objectif de ce projet consiste à apprendre ces tâches d’inférence, par des réseaux de neurones profonds, qui offrent des délais de réponse très rapides, au prix d’erreurs possibles de prédiction. En nous plaçant dans le cadre « Learning to Reason », nous étudierons en pratique, le compromis efficacité (temps de prédiction) / risque (probabilité d’erreur) sur diverses tâches d’inférence, et donc leur capacité à aider au traitement de problèmes « Beyond NP ». Pour l’entraînement supervisé de ces réseaux de neurones, nous utiliserons les solveurs et compilateurs développés au CRIL.