Infos pour
Accès direct
UFR
Pour ce faire, il bénéficie d'une aide pouvant aller jusqu’à 1,8 million d'euros dans le cadre du programme Emmy Noether de la Fondation allemande pour la recherche (DFG).
Le texte suivant a été traduit automatiquement de l'allemand et n'a pas été post-édité.
Lors de la planification de processus complexes, il est avantageux que les systèmes utilisés puissent réagir avec souplesse aux changements de l’environnement. « L’avantage des systèmes de planification d’actions est qu’ils peuvent résoudre différents problèmes sans qu’il soit nécessaire de modifier le système. Ils fonctionnent sur la base d’un modèle, c’est-à-dire d’une description simplifiée du problème », explique Daniel Höller, collaborateur scientifique à l’Université de la Sarre. Le comportement de ces systèmes basés sur des modèles est mathématiquement démontrable et donc fiable. On peut en outre expliquer précisément pourquoi un certain comportement se produit. « Ces systèmes présentent toutefois quelques inconvénients : notamment, s’ils permettent de résoudre des problèmes mineurs, ils peuvent nécessiter un temps de calcul très important dès que les problèmes prennent de l’ampleur. De plus, le modèle doit être adapté même à des changements mineurs, ce qui le rend relativement peu flexible », explique Daniel Höller.
C’est pourquoi on utilise de plus en plus d’algorithmes d’apprentissage automatique dans la planification d’actions. Ces programmes informatiques ont l’avantage de pouvoir s’adapter de manière flexible et d’être plus évolutifs. Ils peuvent donc être entraînés sur de petits scénarios et fonctionner ensuite également pour des applications à grande échelle. « Par rapport aux systèmes issus de la planification d’actions classique, le comportement basé uniquement sur l’apprentissage automatique est toutefois difficile à interpréter ou à expliquer à un être humain. Pourquoi, par exemple, le robot fait-il ce qu’il fait ? », s’interroge ce chercheur post-doctoral en informatique.
Son objectif est donc de développer des systèmes de planification combinant les techniques traditionnelles, explicables, avec l’apprentissage automatique. « Cette combinaison est utile non seulement pour résoudre les problèmes de planification, mais aussi dès la création du modèle. Si l’on examine par exemple le réseau routier d’une ville et que l’on souhaite prédire le temps nécessaire pour parcourir un trajet donné, des facteurs tels que le jour de la semaine, l’heure ou les conditions météorologiques jouent un rôle. Grâce aux techniques d’apprentissage automatique, ces facteurs peuvent être intégrés au modèle et donc à la planification », explique Daniel Höller.
L’apprentissage automatique est principalement utilisé dans la planification d’actions pour accélérer les systèmes et trouver des solutions plus rapidement. « Nous travaillerons ici en particulier sur des systèmes capables de fournir des garanties, malgré l’intégration de l’apprentissage automatique, comme par exemple l’optimalité du comportement résultant », explique l’informaticien. Outre cette intégration des techniques d’apprentissage automatique dans les systèmes de planification, des travaux sont également menés dans le sens inverse. « Nous voulons utiliser des techniques issues de la planification d’actions classique pour prouver que le fait de suivre une stratégie apprise ne peut jamais entraîner de situations incertaines », explique Daniel Höller, qui menait jusqu’à présent des recherches sur les fondements de l’IA au sein de l’équipe du professeur Jörg Hoffmann à l’Université de la Sarre.
Grâce à son projet de recherche intitulé « Méthodes neurosymboliques pour la prise de décision séquentielle », Daniel Höller a remporté un appel à projets spécial sur le thème des « Méthodes d'intelligence artificielle » dans le cadre du programme Emmy Noether. Un comité d'experts de renommée internationale a sélectionné, parmi 178 ébauches de projet, 36 candidatures autorisées au dépôt d'une demande complète. Parmi celles-ci, seules 15 ont finalement été retenues pour bénéficier d'un financement. Daniel Höller recevra désormais – sous réserve d'une évaluation intermédiaire positive – un total de 1,8 million d'euros pour la création d'un groupe Emmy Noether. Avec le programme Emmy Noether, la Communauté allemande de recherche soutient des scientifiques hautement qualifiés en début de carrière, dont le doctorat remonte à quatre ans au plus , qui disposent d’une expérience internationale et ont effectué un post-doctorat.
Pour plus d'informations :
Programme Emmy Noether de la Communauté allemande de recherche (DFG) :
Communiqué de presse concernant l'appel à candidatures « Méthodes d'intelligence artificielle »
Site web du programme Emmy Noether
Site web de Daniel Höller : https://fai.cs.uni-saarland.de/hoeller/
Pour toute question, veuillez contacter :
Dr Daniel Höller
Collaborateur scientifique
Groupe « Fondements de l'intelligence artificielle » (FAI)
E-mail : hoeller(at)cs.uni-saarland.de
