Le projet « HumanE AI Net » est lauréat de l’appel Horizon 2020 « Technologies de l’information et de la communication : « ICT-48-2020″ : Vers un réseau européen dynamique de centres de recherche en IA ».
Humane AI : Vision de l’intelligence artificielle européenne
Le projet « HumanE AI Net », qui regroupe 53 institutions européennes dont Sorbonne Université, a pour vocation de construire un centre européen en Intelligence Artificielle (IA), avec une focalisation sur les interactions homme-systèmes d’IA. Les programmes de recherche visent à placer les individus et la société en capacité de percevoir et comprendre les phénomènes complexes sous-jacents dans les systèmes d’IA, de résoudre individuellement et collectivement des problèmes, d’accéder à de nouvelles formes de créativité et d’expérience.
Le principal défi est le développement d’une IA robuste et fiable, capable de « comprendre » les humains, de s’adapter à des environnements complexes du monde réel et d’interagir de manière appropriée dans des contextes sociaux complexes. L’objectif est de promouvoir les systèmes d’IA qui améliorent les capacités humaines et renforcent l’autonomie des individus et de la société dans son ensemble, tout en respectant l’autonomie et l’autodétermination de l’humain.
Principal mécanisme de mise en œuvre du programme de recherche, les microprojets collaboratifs impliquent 2 à 5 partenaires travaillant conjointement pendant une période de 1 à 6 mois, afin de résoudre un problème bien défini lié à un défi scientifique/technologique spécifique. Les résultats de la recherche seront mis à la disposition de la communauté européenne de l’IA par le biais de la plateforme AI4EU et d’un laboratoire virtuel.
Par ailleurs, une série d’écoles d’été, de tutoriels et de MOOC seront déployés pour diffuser les connaissances. Côté innovation et transfert, un programme de doctorat industriel sera déployé pour impliquer des acteurs industriels de secteurs cruciaux pour l’économie européenne.
Des micro-projets collaboratifs impliquant l’ISIR
(1) Apprentissage des stratégies des utilisateurs individuels pour les IU adaptatives
L’adaptation des interfaces utilisateur (IU) nécessite de prendre en compte les effets positifs et négatifs que les changements peuvent avoir sur l’utilisateur. Une adaptation mal choisie peut imposer des coûts élevés, par exemple en raison de la surprise ou de l’effort de réapprentissage. Il est essentiel de tenir compte des différences entre les utilisateurs, car l’effet d’une adaptation dépend des stratégies de l’utilisateur, par exemple de la façon dont chaque utilisateur recherche des informations dans une IU.
Ce microprojet étend une collaboration antérieure entre les partenaires sur l’apprentissage par renforcement basé sur des modèles pour les IU adaptatives en développant des méthodes pour tenir compte des différences individuelles. Ici, le projet développe d’abord des modèles computationnels, pour expliquer et prédire les stratégies de recherche visuelle et de pointage des utilisateurs lors de leurs recherches dans une IU. Nous appliquons ce modèle pour déduire les stratégies des utilisateurs en fonction de l’historique des interactions et adapter les IU en conséquence.
- Contact : Gilles Bailly, Equipe Interactions Multi-Echelles, ISIR
- Partenaire : Université d’Aalto
(2) Communication proactive dans les robots sociaux
Ce micro-projet s’inscrit dans la ligne générale de recherche visant à rendre les robots plus utiles aux humains, tout en partageant le même espace. En particulier, nous étudions le comportement communicatif proactif, où les robots fournissent des informations aux humains qui peuvent les aider à atteindre les résultats souhaités, ou à prévenir les résultats indésirables possibles. Le comportement proactif est un domaine sous-exploité en IA et en robotique, et la communication proactive homme-robot l’est encore plus.
Nous allons combiner l’expertise de Sorbonne Université, en reconnaissance d’intention, et de l’Université d’Orebro, en comportement proactif, pour définir le comportement proactif basé sur la compréhension des intentions de l’utilisateur. Ensuite, il sera possible de l’étendre pour considérer les actions communicatives basées sur la conscience de perspective de second ordre. Pour cela, nous proposons une architecture cognitive capable :
- d’estimer l’intention de l’humain concernant l’objectif,
- de déduire les connaissances du robot et de l’humain sur les résultats possibles à venir de l’objectif prévu,
- de détecter les opportunités de désirabilité de l’objectif prévu pour que le robot soit proactif,
- de sélectionner une action parmi les opportunités listées.
L’action sélectionnée est achevée lorsque le robot agit pour atteindre les résultats souhaités ou pour empêcher les résultats indésirables. Les fondements théoriques de ce travail contribueront à l’étude de la théorie de l’esprit dans l’interaction homme-robot.
- Contact : Mohamed Chetouani, Equipe PIROS, ISIR
- Partenaires : Université d’Örebro, SoftBank Robotics Europe
(3) Faire face à la variabilité du feedback humain pendant l’apprentissage interactif grâce à l’apprentissage par renforcement d’ensemble
Ce projet porte sur l’adaptation comportementale en ligne du robot pendant l’apprentissage interactif avec des humains. Plus précisément, le robot doit s’adapter aux spécificités de chaque sujet humain de manière à donner un feedback pendant l’interaction. Le feedback comprend ici la récompense, l’instruction et la démonstration, et peut être regroupé sous le terme de « signaux d’enseignement ». Par exemple, lors de l’échange d’objets accessibles par un seul partenaire afin de les placer dans différentes boîtes, certains sujets humains préfèrent un robot proactif tandis que d’autres préfèrent que le robot attende leurs instructions. Certains ne disent au robot que lorsqu’il effectue une mauvaise action, tandis que d’autres récompensent les actions correctes.
Le principal résultat sera une nouvelle méthode d’ensemble d’interaction homme-robot qui peut apprendre des modèles de diverses stratégies de rétroaction humaine et les utiliser pour le réglage en ligne de l’apprentissage par renforcement. Le but est que le robot puisse apprendre rapidement une politique comportementale appropriée. Nous commencerons par dériver formellement une solution optimale au problème, puis nous comparerons les performances empiriques des méthodes d’ensemble à cet optimum par le biais d’une série de simulations numériques.
- Contact : Mehdi Khamassi, Equipe AMAC, ISIR
- Partenaire : Athena Research Center
L’ Académie Doctorale Internationale d’Intelligence Artificielle (AIDA)
Les quatre réseaux ICT-48 (AI4Media, ELISE, HumanE-AI NET, TAILOR) et le consortium VISION ont uni leurs forces et, sous l’initiative conjointe de VISION et d’AI4Media, ont fondé un nouvel instrument commun pour soutenir un programme d’éducation et de recherche sur l’IA au niveau mondial, appelé International AI Doctoral Academy (AIDA).
Quels sont les objectifs ?
- Coordonner les activités d’enseignement et de formation doctorales/postdocs sur l’IA des partenaires de l’AIDA,
- Devenir une référence mondiale pour tout ce qui concerne l’éducation (et la recherche) en matière d’IA,
- Définir des mécanismes pour créer un partage inter-universitaire des ressources éducatives dans le domaine de l’IA au niveau du doctorat,
- Envisager des efforts futurs vers une charte pour les Universités Européennes afin de partager, accréditer les formations de doctorat dans le domaine de l’IA.
Quelles sont les activités ?
- Une série de conférences sur l’IA de l’AIDA,
- Des cours d’IA,
- La conception de programmes de doctorat en IA.
Contact : Mohamed Chetouani, Professeur à Sorbonne Université, Laboratoire ISIR
Contact référent du projet HumanE AI Net à l’ISIR: Mohamed Chetouani, Professeur à Sorbonne Université, Laboratoire ISIR
