9
La puissance des techniques d’apprentissage est illustrée par le déploiement de celles-ci pour un
nombre impressionnant d’applications (notamment la vision, la traduction automatique, les véhicules
autonomes, etc.). Ces techniques sont applicables principalement lorsque l’on dispose de masses de
données. Mais il reste à travailler sur un grand nombre de points, que ce soit sur les fondements de ces
approches, ou sur les cas où l’on dispose de moins d’exemples.
Les grands défis concernant cette thématique:
- Apprentissage profond
- Apprentissage à partir de peu d’exemples / non supervisé
- Apprentissage en ligne et incrémental
- Apprentissage par renforcement
- Transfert / Analogie
- Résolution de Problèmes
Le machine learning permet, mieux que jamais, d’aborder la résolution de problèmes qui nous semblent intuitifs (reconnaître des entités sur des images) au travers de grandes quantités d’exemple s
annotés. Mais une IA doit aussi être capable de résoudre des problèmes de raisonnement logique bien
posés, difficiles pour l’être humain comme pour la machine, qu’il s’agisse de prouver des théorèmes
ou de résoudre des casse-têtes de tout ordre, y compris ceux d’intérêt pratique. . .
Les grands défis concernant cette thématique:
- Problèmes NP-difficiles (Beyond NP)
- Optimisation
- Recherche heuristique et méta-heuristique
- Raisonnement Multi-Echelle
- Décision, agents autonomes et intelligence collective
Il y a beaucoup d’applications potentielles demandant l’intervention d’agents autonomes intégrant des
capacités de perception, d’apprentissage, raisonnement, décision et d’interaction, ou de plusieurs
agents, qui peuvent être aussi bien des entités logicielles (sur internet) ou matérielles (robots). On
peut imaginer par exemple le développement d’assistants personnels représentant et négociant pour
leur propriétaire, ou des applications où plusieurs robots doivent collaborer pour le secours de personnes, etc. Il est crucial de disposer des outils formels nécessaires à la modélisation et à la régulation
de ces interactions.
Les grands défis concernant cette thématique:
- Choix social computationnel / Théorie des jeux
- Raisonnement sur l’autre
- Actions conjointes / Planification collaborative
- IA intégrative et robotique
- Intelligence artificielle générale
Au delà du développement nécessaire de techniques dédiées à des problèmes particuliers, il est important de développer des techniques permettant de s’adapter à des situations peu ou pas connues à
l’avance. Ce que nous avons résumé en « intelligence artificielle générale ».
Les grands défis concernant cette thématique:
- Informatique neuro-inspirée
- IA embarquée
- Créativité et génération
- Jeux génériques (General Game Playing)
- Intégration de différents modes de raisonnement
- Enjeux éthique et sociaux, acceptabilité, et protection de la vie privée
Il sera nécessaire de travailler sur les enjeux éthiques et sociaux des méthodes d’intelligence artificielle. Si une grande partie de ces considérations concerne directement l’éthique et les sciences sociales, et sort donc du cadre de ce groupe sur la recherche amont en IA, certaines de ces questions sont
des sujets de recherche à part entière en IA.
La puissance des techniques d’apprentissage est illustrée par le déploiement de celles-ci pour un
nombre impressionnant d’applications (notamment la vision, la traduction automatique, les véhicules
autonomes, etc.). Ces techniques sont applicables principalement lorsque l’on dispose de masses de
données. Mais il reste à travailler sur un grand nombre de points, que ce soit sur les fondements de ces
approches, ou sur les cas où l’on dispose de moins d’exemples.
Les grands défis concernant cette thématique:
- Apprentissage profond
- Apprentissage à partir de peu d’exemples / non supervisé
- Apprentissage en ligne et incrémental
- Apprentissage par renforcement
- Transfert / Analogie
- Résolution de Problèmes
Le machine learning permet, mieux que jamais, d’aborder la résolution de problèmes qui nous semblent intuitifs (reconnaître des entités sur des images) au travers de grandes quantités d’exemple s
annotés. Mais une IA doit aussi être capable de résoudre des problèmes de raisonnement logique bien
posés, difficiles pour l’être humain comme pour la machine, qu’il s’agisse de prouver des théorèmes
ou de résoudre des casse-têtes de tout ordre, y compris ceux d’intérêt pratique. . .
Les grands défis concernant cette thématique:
- Problèmes NP-difficiles (Beyond NP)
- Optimisation
- Recherche heuristique et méta-heuristique
- Raisonnement Multi-Echelle
- Décision, agents autonomes et intelligence collective
Il y a beaucoup d’applications potentielles demandant l’intervention d’agents autonomes intégrant des
capacités de perception, d’apprentissage, raisonnement, décision et d’interaction, ou de plusieurs
agents, qui peuvent être aussi bien des entités logicielles (sur internet) ou matérielles (robots). On
peut imaginer par exemple le développement d’assistants personnels représentant et négociant pour
leur propriétaire, ou des applications où plusieurs robots doivent collaborer pour le secours de personnes, etc. Il est crucial de disposer des outils formels nécessaires à la modélisation et à la régulation
de ces interactions.
Les grands défis concernant cette thématique:
- Choix social computationnel / Théorie des jeux
- Raisonnement sur l’autre
- Actions conjointes / Planification collaborative
- IA intégrative et robotique
- Intelligence artificielle générale
Au delà du développement nécessaire de techniques dédiées à des problèmes particuliers, il est important de développer des techniques permettant de s’adapter à des situations peu ou pas connues à
l’avance. Ce que nous avons résumé en « intelligence artificielle générale ».
Les grands défis concernant cette thématique:
- Informatique neuro-inspirée
- IA embarquée
- Créativité et génération
- Jeux génériques (General Game Playing)
- Intégration de différents modes de raisonnement
- Enjeux éthique et sociaux, acceptabilité, et protection de la vie privée
Il sera nécessaire de travailler sur les enjeux éthiques et sociaux des méthodes d’intelligence artificielle. Si une grande partie de ces considérations concerne directement l’éthique et les sciences sociales, et sort donc du cadre de ce groupe sur la recherche amont en IA, certaines de ces questions sont
des sujets de recherche à part entière en IA.