Projets récents

Pré-traitement d’informations pour la résolution de tâches complexes / Compilation avancée de connaissances Projet commun aux laboratoires CRIL, GREYC (Caen), IRIT (Toulouse) et LaBRI (Bordeaux) Concevoir des algorithmes assurant des temps de réponse rapides est un problème fondamental en informatique. Son importance est cruciale lorsque ces algorithmes sont utilisés dans des applications nécessitant des interactions fréquentes avec les humains, comme on en trouve souvent dans la vie quotidienne (par exemple, lors de l’utilisation d’applications sur le Web ou via un smartphone).

Réponse Efficace aux Requêtes en cas de Mises à jour La réponse efficace aux requêtes, est l’un des principaux problèmes étudiés en théorie des bases de données. Il s’agit d’un domaine de recherche très fructueux avec une longue histoire et de nombreux nouveaux résultats et directions. On a par exemple des algorithmes efficaces pour l’agrégation, l’énumération des réponses aux requêtes et le calcul de la provenance. Bien qu’en pratique les bases de données soient des objets dynamiques changeant au fil du temps, la recherche théorique sur ce sujet s’est largement concentrée sur les bases de données statiques : lorsque la base de données change, même légèrement, les algorithmes doivent être réexécutés à partir de zéro avant de répondre, perdant ainsi toutes les informations déjà calculées.

Théorie de l'argumentation et traitement du langage naturel pour la démocratie participative Projet bilatéral avec le professeur Mihai Surdeanu de l’université d’Arizona. Le projet RHAPSSODY propose un cadre de raisonnement automatisé capable d’extraire, de comprendre et de raisonner sur des arguments complexes. Le projet est basé sur la combinaison de la théorie de l’argumentation computationnelle et du traitement du langage naturel. L’objectif est d’identifier les arguments les plus pertinents listés sur les plateformes de débat, d’estimer les degrés d’acceptabilité de ces arguments en utilisant des informations extraites du web et d’estimer la décision à prendre.

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 Partenaires : INRIA, Université de Lille 1, Mines Douai, CNRS Le projet DATA (Advanced data science and technologies) du CPER (Contrat de Plan État-région) Hauts-de-France mène un programme de recherche sur les enjeux de la donnée et des technologies numériques clés associées (cloud computing, big data et calcul intensif) en synergie forte avec le tissu économique régional. Il s’articule autour de trois axes de recherche : internet des objets, intelligence des données et des connaissances, calcul haute-performance et optimisation.

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).

Foundations of Trustworthy AI – Integrating Reasoning, Learning and Optimization TAILOR est un projet européen H2020 centré sur l’IA de confiance et lauréat de l’appel ICT-48-2020 ``Towards a vibrant European network of AI excellence centres’’. TAILOR regroupe 55 partenaires (industriels et académiques) à travers l’Europe. L’objectif du projet TAILOR est de développer les bases scientifiques d’une IA digne de confiance en Europe, en construisant un réseau de centres d’excellence en recherche exploitant et combinant l’apprentissage, l’optimisation et le raisonnement.

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).

Studying human compliance with argumentation principles: Creating a rational-based framework for overcoming polarisation Le projet est réalisé en collaboration avec l’université de Belgrade. Ce projet est le fruit d’une collaboration entre des informaticiens et des psychologues. Nous étudions le problème de la polarisation et des théories du complot et visons à définir un paradigme de raisonnement qui peut aider les humains à être plus rationnels lorsqu’ils raisonnent et discutent. Plus particulièrement, nous utilisons la théorie de l’argumentation pour structurer la façon dont les humains raisonnent pour réduire le risque de sophismes.

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.