Intelligence artificielle Projet financé ANR : FAbLe - Suite pour l'automatisation de l'interprétabilité des...

Pour approfondir le sujet

Sur le même thème :

Lancement de la French AgriTech par le gouvernement pour soutenir l’agriculture et l’innovation

Tandis que le label DIGIFERMES lance son appel à candidatures, le gouvernement se penche sur l'agriculture et l'innovation avec le lancement de la French...

Une interface cerveau-machine permet à des personnes handicapées d’écrire grâce à la pensée

Des chercheurs de l'Université de Stanford ont conçu une interface cerveau-machine (ICM) innovante. Cette interface neuronale directe permettra à son utilisateur d'écrire des mots...

Lancement de l’appel à projets de la huitième édition du concours d’innovation i-Nov

Les lauréats de la vingt-troisième édition du concours i-Lab, de la seconde édition d'i-Phd et de la septième édition du concours i-Nov ont été...

Concevoir des algorithmes et des modèles de Machine Learning plus éthiques : 3 questions à Michael Kearns

Michael Kearns, professeur de sciences informatique et de l'information à l'Université de Pennsylvanie, travaille notamment sur les sujets de l'apprentissage automatique, de la théorie algorithmique...

Projet financé ANR : FAbLe – Suite pour l’automatisation de l’interprétabilité des algorithmes d’apprentissage automatique

Parmi les projets financés par l’Agence Nationale de la Recherche (ANR), nous vous présentons aujourd’hui FAbLe (Framework for Automatic Interpretability in Machine Learning), la proposition coordonnée par Luis Galárraga du Centre de Recherche Inria Rennes – Bretagne Atlantique. 

Le projet a été sélectionné et est financé par l’ANR à hauteur de 195 207 euros. Le début du projet scientifique a été fixée à février 2020 pour une durée de 48 Mois. Voici la présentation du projet :

Les dernières avancées technologiques s’appuient sur des systèmes précis d’aide à la décision qui se comportent comme des boîtes noires. C’est-à-dire que la logique interne du système n’est pas disponible à l’utilisateur. Ce manque d’explication peut entraîner des problèmes techniques, éthiques et juridiques.

Pour cette raison, de multiples travaux de recherche fournissent des explications compréhensibles pour les décisions d’algorithmes d’apprentissage automatique, tels que les réseaux de neurones. Toutes ces approches reposent sur des explications sous la forme de modèles plus simples tels que des fonctions linéaires ou des arbres de décision.

Néanmoins, il n’existe pas un moyen simple de choisir le modèle d’explication le mieux adapté à un cas d’utilisation particulier. Notre proposition, appelée FAbLe (Framework for Automatic Interpretability in Machine Learning), vise à automatiser entièrement ce processus afin de fournir les explications les plus fidèles et compréhensibles.

COORDINATEUR DU PROJET
Monsieur Luis Galárraga (Centre de Recherche Inria Rennes – Bretagne Atlantique)

PARTENAIRE
Inria Rennes Centre de Recherche Inria Rennes – Bretagne Atlantique

Aide de l’ANR 195 207 euros
Début et durée du projet scientifique : février 2020 – 48 Mois


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Pierre-yves Gerlat

Partager l'article

Laurent Félix devient Directeur Général France d’Ekimetrics

Ekimetrics, spécialiste européen en data science et intelligence artificielle au service des entreprises, a annoncé cette semaine la nomination de Laurent Félix au poste...

Forum de l’évaluation de l’intelligence artificielle : Créer la confiance et valider les performances, ou comment définir un environnement favorable au développement de...

Le Laboratoire national de métrologie et d’essais (LNE) organise le premier forum d'évaluation de l'intelligence artificielle (IA). Cet événement sera l'occasion d'échanger autour du développement de...

Zoom sur l’automatisation des rapports COVID-19 de Santé Publique France par Dynacentrix

L'agence Santé publique France, en charge de la surveillance épidémiologique du covid-19, pilote le système national de veille et d’alerte et de surveillance sanitaire...

Retour sur le lancement de MAESTRIA, plateforme numérique de diagnostic intégratif de la cardiomyopathie auriculaire

Le projet de recherche MAESTRIA (Machine Learning and Artificial Intelligence for Early Detection of Stroke and Atrial Fibrillation) a été officiellement lancé fin septembre....