Intelligence artificielle hybride : l’art de concilier la logique et l’apprentissage

Partagez l'article

Maths・Ingénierie

Intelligence artificielle hybride : l’art de concilier la logique et l’apprentissage

Intelligence artificiel hybride
© mennovandijkn by i-Stock, Getty Images

Avec le projet ANITI, chercheurs et industriels toulousains relèvent le défi de l’intelligence artificielle hybride. Objectif : réunir le raisonnement et la donnée pour imaginer des systèmes performants et sûrs.

Par Valérie Ravinet, journaliste.

Le mathématicien britannique Alan Turing l’avançait déjà dans les années 1950 : une machine ne peut devenir intelligente que si elle est capable d’apprendre. Raisonnement, planification, utilisation d’outils logiques abstraits pour modéliser des phénomènes sont, depuis longtemps, des centres d’intérêt pour la communauté scientifique toulousaine, qui se classe traditionnellement dans la catégorie de l’intelligence artificielle symbolique.

IA symbolique + IA empirique

 « Cette forme d’intelligence artificielle (IA) utilise le raisonnement formel et la logique ; c’est une approche cartésienne de l’intelligence, où les connaissances sont encodées à partir d'axiomes desquels on déduit des conséquences. La prédiction doit être juste même si l’on ne dispose pas de données exhaustives » souligne Nicholas Asher, chercheur CNRS, basé à l’Institut de recherche en informatique de Toulouse (IRIT) et directeur scientifique du projet ANITI. Un tel système n’apprend pas : les connaissances résident dans les axiomes, c’est à dire chercher la logique dans les contenus que l’on intègre.  

Dans les années 1990, la première vague empirique, dite connexionniste par les spécialistes, vient s’ajouter à cette réflexion. Utilisant cette nouvelle approche pour améliorer les systèmes d’intelligence artificielle, elle initie l’apprentissage à partir de données ; ce sont les prémisses de l’avènement du machine learning et des réseaux de neurones.

« L’addition de ces deux courants, IA symbolique et IA connexionniste, constitue le défi d’aujourd’hui »,

poursuit le directeur scientifique.

« Transposée au plan philosophique, cette démarche s’appuie sur une combinaison entre la méthode de Descartes et l’empirisme de Locke. On pourrait la qualifier de « kantienne » et la traduire en langage du XXIe siècle : les concepts sans donnée sont vides, les données sans concept sont aveugles », explicite le chercheur.

Des apprentissages et des règles

Comment injecter de la connaissance, composée de faits et de règles dans un système qui apprend à partir de données ? Quels sont les paramètres ? Comment s’opère la distribution de valeurs sur ces paramètres pour que la décision soit juste ? Comment faire en sorte que le système continue à respecter les règles tout en ingérant de nouvelles données ? « Ce sont ces défis auxquels nous nous confrontons aujourd’hui », explique Nicholas Asher. Auquel s’ajoute celui de l’éthique, ou dilemme moral. Lorsque le véhicule autonome est confronté au choix de renverser un piéton ou de sacrifier le conducteur, quelle décision prend-il ?

« Dans l’IA hybride, on souhaite intégrer les méthodes du deep learning tout en préservant les contraintes logiques »,

insiste Nicholas Asher.

Se basant sur l’expérience d’interprétation du panneau routier de direction obligatoire à la prochaine intersection - poursuivre tout droit ou tourner à gauche, obligatoirement le chercheur décrit les biais possibles : si le panneau est incliné d’à peine quelques degrés, l’œil nu détecte la bonne information, tandis que la machine pourrait interpréter la direction opposée. « Cette propriété de robustesse est l’une des preuves que l’on doit apporter pour imaginer embarquer des systèmes précis et sûrs dans les véhicules ou les avions ». L’IA n’est pas anodine lorsque des vies sont en jeu. En la matière, l’utilisation de méthodes logiques et abstraites conjuguées à des réseaux neuronaux sont des pistes prometteuses.  

Fiabilité et robustesse, de l’approche philosophique aux applications industrielles

Pour être embarqué dans un avion, dans un véhicule autonome ou être utilisé en santé, un système d’intelligence artificielle doit donc avoir démontré sa robustesse et sa fiabilité. Les acteurs industriels impliqués dans le projet doivent pouvoir disposer de solutions dont on peut prédire les comportements avec certitude, toutes garanties à l’appui. L’IA toulousaine est façonnée par l’interaction entre le monde de la recherche et celui de l’industrie et cette interaction s’accélère avec le projet ANITI. L’Institut interdisciplinaire d’intelligence artificielle de Toulouse se concentrera dans un premier temps autour des problématiques de transport et de robotique. Il développera par la suite ses recherches dans les domaines de l’environnement, de l’agriculture et de la santé. « Le jury international nous a donné rendez-vous dans deux ans. Il faudra apporter les preuves de nos avancées pour poursuivre », conclut Nicholas Asher.

L’aventure ne fait que commencer.

ANITI en bref - l’Institut Interdisciplinaire d’Intelligence Artificielle de Toulouse

  • + 200 chercheuses et chercheurs de 33 laboratoires de recherche
  • 3 programmes intégratifs
  • 30 chaires scientifiques
  • 1 graduate school
  • 100 start-ups à créer
  • plus de 50 partenaires industriels, économiques, associatifs
  • Un budget annuel de 20 millions d’euros
  • Un projet labellisé pour 4 ans
Nicholas Asher ANITI
Nicholas Asher est chercheur CNRS, basé à l’Institut de recherche en informatique de Toulouse (IRIT - CNRS, Toulouse INP, Université Toulouse 1 Capitole, Université Toulouse - Jean Jaurès, Université Toulouse III - Paul Sabatier) © Frédéric Maligne