Grâce à cette nouvelle Chaire de Recherche sur les réseaux de neurones bayésiens, l’éditeur français de logiciels de traitement automatisé du langage ReciTAL et l’ESILV mettent leurs expertises en commun et renforcent leur savoir-faire dans le domaine d’intelligence artificielle.
L’une des critiques qui revient souvent dans l’IA, c’est l’incapacité des modèles de ML actuels à représenter de manière fiable la notion d’incertitude. Autrement dit, ils ne savent pas douter raisonnablement de leurs prédictions !
L’apprentissage profond bayésien permet aux réseaux de neurones d’améliorer le degré de confiance des prédictions grâce à l’introduction de la notion de probabilité durant la phase d’entraînement et la phase de prédiction du réseau.
Souhaitant accélérer ses recherches sur les modèles de VQA (Visual question answering), pour permettre une meilleure interaction homme-machine, ReciTAL s’est rapprochée de l’ESILV, et plus particulièrement du De Vinci Innovation Center, en créant la Chaire de Recherche ReciTAL sur les réseaux de neurones bayésiens.
Le modèle bayésien, une méthode pour compenser l’effet « black box » du deep learning
« Nous essayons de rendre l’Intelligence Artificielle critique envers elle-même. Il s’agit d’une fonction cognitive indispensable à son usage en situation réelle afin de compenser son fonctionnement en boîte noire mais également de construire toute forme d’interaction avec un être humain. » (Clément Duhart, enseignant-chercheur à l’ESILV, responsable du DVIC)
ReciTAL et l’ESILV, un partenariat gagnant
ReciTAL est une start-up IA spécialisée dans les solutions de Document Intelligence et le Traitement Automatique du Langage (TAL). Lancée en 2017, la start-up française a été répertoriée dans le rapport mondial « Sociétés d’intelligence artificielle de demain » de Teknowlogy Group.
Les travaux de recherche de ReciTAL portent principalement sur :
- Document Layout Understanding : utilisation de modèles au croisement du langage et de la vision pour détecter automatiquement la structure interne des documents et faciliter leur analyse et leur exploitation.
- Active learning et small data : apprentissage interactif visant à réduire le nombre d’exemples nécessaires pour améliorer la performance des modèles.
- Question Answering et Question Generation (VQA) : ensemble d’approches permettant de passer de requêtes en « mots clé » à des requêtes en langage naturel.
Le VQA (Visual Question Answering) peut aider l’intelligence artificielle en matière de perception visuelle et de communication en langage naturel. Il s’agit d’ un système de questions-réponses visuelles qui révolutionnera la façon dont les machines comprennent le contenu des images. C’est pour apporter plus de réponses au problème récent du VQA que ReciTAL a souhaité s’approcher de l’ESILV dans le cadre de ce partenariat R&D.
La Chaire accueillera un doctorant, co-financé par ReciTAL, qui travaillera pendant 3 ans sur l’approche bayésienne du machine learning avec une application ciblée sur les systèmes de réponses-questions visuelles. Le budget alloué aux recherches s’élève à 150k€ sur 3 ans.
Convaincue par l’importance croissante de l’intelligence artificielle, l’ESILV propose, à partir de cette année, la spécialisation Data et Intelligence Artificielle. Les ingénieurs de cette majeure sont des experts de l’exploitation de la donnée, massive ou non, depuis sa collecte, sa modélisation et son stockage jusqu’à son analyse et son interprétation. Les enseignements de la spécialisation s’articulent autour des technologies de Machine Learning et Deep Learning, en passant par la statistiques et l’
Plus d’informations sur l’ESILV.
This post was last modified on %s = human-readable time difference 9:59 am