Présentation L'équipe Thèmes de recherche Projets Conférences Publications

Thèmes de recherche

Les activités de l'équipe s'articulent autour de trois thèmes principaux : l'apprentissage, la découverte et la créativité.

Apprentissage

Par apprentissage, il faut entendre ici l'apprentissage des machines, c'est-à-dire l'ensemble des techniques d'induction de connaissances à partir d'exemples, qu'il s'agisse d'apprentissage supervisé en logique des proposition ou en logique du premier ordre, d'apprentissage non-supervisé ou même d'apprentissage adaptatif.

En logique des proposition, toute une classe de systèmes d'apprentissage (CHARADE, ENIGME, ...) fondés sur une formalisation algébrique à l'aide de correspondances de Galois a été imaginée, implémentée, testée puis couplé à la notion de modèles d'acquisition des connaissances.

En logique du premier ordre la notion d'appariement structurelle a été reprise puis rendue effective sur de grandes bases d'exemples grâce à l'introduction d'un biais sémantique liée à la structure a priori des exemples et traduit à l'aide de la notion de "morion" (REMO). Cette notion est désormais traduite dans le formalisme de la programmation logique inductive puis étendue pour aborder, entre autre, l'apprentissage multi-instances (RE...). Enfin, des techniques spécifiques ont été développées pour des données séquentielles.

Par recours à la notion d'espace de généralisation, l'apprentissage non supervisé a été appliqué à des ensembles d'objets structurés représentés par des graphes de Sowa (système COING). Sous réserve de quelques restrictions, portant sur l'appariement des objets entre eux, différentes heuristiques de regroupements peuvent être programmées, ce qui autorise une classification interactive de très gros ensembles d'objets.

Au reste, les fondements de l'apprentissage des machines reposant principalement sur une modalité de raisonnement identifiée depuis longtemps, l'induction, nous avons aussi essayé d'établir le lien entre les théories philosophiques et logiques anciennes de l'induction et des approches plus modernes et plus techniques de l'informatique...

Découverte

La Découverte met à profit ces différentes techniques, soit pour la fouille de données, soit pour la reconstruction rationnelle d'anciennes théories scientifiques, soit encore pour la construction de nouvelles théories.

Les différents techniques d'apprentissage supervisé et non supervisées développées dans l'équipe ACASA ont été appliquées, ou sont en cours d'application à la fouille de données principalement dans deux domaines: caractères chinois, activité de molécules chimiques. Les techniques plus spécifiques d'induction dans des séquences ont été appliquées au repérage de motifs récurrents sur des morceaux de musique.

Dans le domaine de la découverte scientifique, nous avons travaillé d'abord sur la reconstruction rationnelle de théories médicales anciennes, par exemple sur les obstacles à la découverte des causes du scorbut ou de la lèpre, en faisant appel aux méthodes inductives développées dans l'équipe. Nous travaillons maintenant sur la physique et l'électrotechnique. Dans un cas, il s'agit d'induire des lois générales du monde physique à l'aide d'observations élémentaires sur le comportement des objets ; dans le second, nous souhaitons engendrer la topologie de circuits utiles par des raisonnements qualitatifs.

Créativité

Aux frontières ultimes des limites l'intelligence artificielle, la créativité des machines apparaît souvent trop audacieuse pour être sérieusement abordée. Nous l'avons tout de même fait sur des tâches concrètes, à la fois modestes, mais suffisamment complexes pour que l'on ne puisse se satisfaire d'une simple reproduction mécanique d'un comportement préprogrammé. Le principe sur lequel se fonde sur un principe général : l'imagination et les facultés créatrices participent d'abord de la recombinaison d'éléments de vécus anciennement mémorisés. Il participe donc de l'induction au sens d'un raisonnement qui va du particulier au général et, en conséquence, de l'apprentissage.

La conception d'agents intelligents d'interface repose, entre autre, sur une aide à l'utilisateur ; il faut lui suggérer des pistes en fonction des réactions précédentes qu'il a eues. Le système SAGE fait appel à un apprentissage à court terme qualifié d' "apprentissage amnésique" parce qu'il suggère à un utilisateur des pistes nouvelles qui s'inspirent de celles qu'il a déjà explorées.

Dans les jeux, autrement dit, dans les problèmes où interviennent plusieurs acteurs, celui qui l'emporte est bien souvent celui qui a su anticiper sur les réactions des autres. Des lignes de jeux créatrices sont engendrées automatiquement par un programme qui modélise ses adversaires pour prévoir leur réactions et y parer, au mieux...

Un modèle d'improvisation de la ligne de basse d'un trio rythmique en Jazz a été conçu et implémenté. Il fait appel simultanément à une mémoire musicale et à des connaissances générales d'harmonie, le principe reposant sur deux mécanismes, un mécanisme d'évocation de morceaux antérieurement mémorisés et un mécanisme de combinaison des morceaux évoqués. C'est pour perfectionner le mécanisme d'évocation, autrement pour indexer la mémoire musicale, que nous avons travaillé sur la découverte de motifs récurrents dans les séquences musicales.

Laboratoire Informatique de Paris 6, équipe ACASA,
8 rue du capitaine Scott, 75015 Paris, Tél: 01-44-27-37-27

-Contacter le responsable du site internet-