Recents projects

Preprocessing Information for Nontrivial Goals / Advanced Compilation of Knowledge Project involving the laboratories CRIL, GREYC (Caen), IRIT (Toulouse), and LaBRI (Bordeaux). Designing algorithms ensuring fast response times is a fundamental problem in Computer Science. Its significance is all the more salient for algorithms requiring frequent interactions with humans. Indeed, one faces this issue quite often in everyday life (e.g., when using applications on the Web or on a smartphone, short response-time guarantees are mandatory).

Efficient Query answering Under UpdateS Efficient query answering, i.e., computing the answer to a query on a given database, is one of the core problems studied in database theory. It is a very fruitful area of research with a long history and many new results and directions, e.g. efficient algorithms for aggregation, enumeration of query answers, and provenance computation. Although in practice databases are dynamic objects changing over time, the theoretical research on this topic has largely focused on static databases: when the database changes even slightly, the algorithms have to be rerun from scratch before answering, losing all already computed information.

ARgumentation tHeory And natural language ProceSSing fOr e-DemocracY Joint project with Prof. Mihai Surdeanu from the University of Arizona. The RHAPSSODY project proposes an automated reasoning framework that can extract, understand, and reason with complex arguments. The project is based on combining computational argumentation theory with natural language processing. The goal is to identify the most important arguments listed on debate platforms, estimate the acceptability degrees of these arguments using information mined from the web, and, using the totality of the arguments (those from the particular debate and those mined from the other web-sites), estimate the decision that will be taken.

Modern Approaches to Knowledge Compilation MAKC is an international research project (IRP) shared between the Automated Reasoning Group of the University of California at Los Angeles (UCLA) and the Centre de Recherche en Informatique de Lens (CRIL UMR 8188 CNRS - Artois University). It has been created in 2020 for five years and is funded by CNRS, the University of California and Artois University. The MAKC IRP is centered on knowledge compilation (KC) for problem solving.

Advanced data science and technologies Partners: INRIA, Université de Lille 1, Mines Douai, CNRS The DATA (Advanced data science and technologies) project of the Hauts-de-France CPER (State-Region Plan Contract) is carrying out a research program on the challenges of data and associated key digital technologies (cloud computing, big data and intensive computing) in strong synergy with the regional economic fabric. It revolves around three areas of research: Internet of Things, data and knowledge intelligence, high-performance computing and optimization.

Foundations of Trustworthy AI – Integrating Reasoning, Learning and Optimization TAILOR is an H2020 European project dedicated to trustworthy AI and funded by ICT-48-2020 ``Towards a vibrant European network of AI excellence centres’’ call. TAILOR brings together 55 European partners (industrial and academic). The purpose of TAILOR is to build the capacity of providing the scientific foundations for Trustworthy AI in Europe by developing a network of research excellence centres leveraging and combining learning, optimisation and reasoning.

Studying human compliance with argumentation principles: Creating a rational-based framework for overcoming polarisation This is a joint project with Belgrade University. This project is a collaboration between computer scientists and psychologists. We study the problem of polarization and conspiracy theories and aim to define a reasoning paradigm that can help humans be more rational when reasoning and discussing. More particularly, we use argumentation theory to structure how humans reason and decrease the chance of fallacies.

CArdinality Constraints Based Extreme Multi-Label Classification Le projet CACEM a pour but de prendre en compte les corrélations entre labels dans le cadre de l’apprentissage multi-label extrême. L’objectif est d’exploiter des contraintes plus génériques dans le processus d’apprentissage. Les méthodes d’apprentissage classiques se restreignent généralement à quelques contraintes simples de type must-link et cannot-link. Notre but est de prendre en compte des contraintes d’inclusion ou d’exclusion génériques (par exemple, l’instance x ne peut être que dans maximum deux labels parmi n > 2).

Le projet KOCOON a eu pour objectif principal de renforcer les coopérations existantes et de développer de nouvelles collaborations pour créer un réseau de recherche international pérenne sur une thématique émergente de l’intelligence artificielle : la compilation de connaissances. En quelques mots, il s’agit d’étudier des mécanismes de prétraitement de l’information qui procèdent par changement de représentation pour permettre des traitements en ligne beaucoup plus efficaces (i.e., des temps de calcul plus restreints).

exPlications INTElligibles État de l’art Le projet proposé, baptisé pinte, concerne le thème « caractérisation et qualification de l’IA de confiance » et plus précisément les « méthodes et la métrologie de l’explicabilité ». Il s’inscrit dans un courant de recherche pour l’IA explicable, qui se développe en France et au niveau international, et dont l’origine repose sur un double constat : à tout prédicteur (en particulier, ceux de type « boîte noire » comme les réseaux de neurones ou les forêts aléatoires) on peut toujours associer un circuit (booléen ou arithmétique), une « boîte blanche » (ou « transparente ») qui a le même comportement que le prédicteur en terme d’entrées-sorties, tout en étant intrinsèquement plus simple, les tâches d’explication (possiblement contrefactuelles) des prédictions réalisées et de vérification du fonctionnement de la « boîte noire » peuvent être réalisées en s’appuyant sur la « boîte blanche » associée.

Contrat de collaboration avec Exakis-Nelite et Aéroport De Paris. Dans le cadre des travaux d’optimisation interne du Groupe Aéroport De Paris, il a été lancé une étude autour de la mise en place d’outils de prédiction et d’optimisation des ressources aéroportuaires, pour répondre à la forte fluctuation du trafic aérien. L’objectif principal de la collaboration est d’accompagner le Groupe ADP, avec le support d’Exakis Nelite, dans la mise en place d’un outil d’aide à la décision permettant de répondre aux exigences de dimensionnement macroscopique des ressources aéroportuaire conformément aux objectifs de performance du groupe.