Example: barber

groupes de travail - economie.gouv.fr

France INTELLIGENCEARTIFICIELLE#FranceIArapport de synth se france intelligence artificiellegroupes de travail1 Sommaire 1. ORIENTER LA RECHERCHE AMONT ET D VELOPPER LES COMP TENCES .. 3 groupe de travail 11 : RECHERCHE AMONT .. 5 P rim tre d tude du groupe de travail .. 7 tat des lieux .. 7 Enjeux .. 10 Recommandations .. 11 Annexes .. 15 groupe de travail 12 : FORMATION .. 51 P rim tre d tude du groupe de travail .. 54 tat des lieux .. 54 Enjeux et Recommandations .. 59 Annexes .. 65 2. INDUSTRIALISER ET TRANSF RER LES TECHNOLOGIES DE L IA VERS LES AUTRES SECTEURS CONOMIQUES EN MAXIMISANT LES RETOMB ES CONOMIQUES SUR LE TERRITOIRE NATIONAL .. 85 groupe de travail 21 : TRANSFERT DE TECHNOLOGIES .. 87 P rim tre d tude du groupe de travail .. 89 R sum ex cutif .. 89 tat des lieux et enjeux .. 92 Recommandations .. 102 Approfondissements th matiques .. 106 Annexes .. 139 groupe de travail 22 : D VELOPPEMENT DE L COSYST ME.

8 Le groupe de travail veut souligner les grandes potentialités françaises en intelligence artificielle, la France ayant des chercheurs du meilleur niveau international dans chacune de ces thématiques (ce qui

Tags:

  Groupe, Travail, Travail des, Groupe de travail

Information

Domain:

Source:

Link to this page:

Please notify us if you found a problem with this document:

Other abuse

Transcription of groupes de travail - economie.gouv.fr

1 France INTELLIGENCEARTIFICIELLE#FranceIArapport de synth se france intelligence artificiellegroupes de travail1 Sommaire 1. ORIENTER LA RECHERCHE AMONT ET D VELOPPER LES COMP TENCES .. 3 groupe de travail 11 : RECHERCHE AMONT .. 5 P rim tre d tude du groupe de travail .. 7 tat des lieux .. 7 Enjeux .. 10 Recommandations .. 11 Annexes .. 15 groupe de travail 12 : FORMATION .. 51 P rim tre d tude du groupe de travail .. 54 tat des lieux .. 54 Enjeux et Recommandations .. 59 Annexes .. 65 2. INDUSTRIALISER ET TRANSF RER LES TECHNOLOGIES DE L IA VERS LES AUTRES SECTEURS CONOMIQUES EN MAXIMISANT LES RETOMB ES CONOMIQUES SUR LE TERRITOIRE NATIONAL .. 85 groupe de travail 21 : TRANSFERT DE TECHNOLOGIES .. 87 P rim tre d tude du groupe de travail .. 89 R sum ex cutif .. 89 tat des lieux et enjeux .. 92 Recommandations .. 102 Approfondissements th matiques .. 106 Annexes .. 139 groupe de travail 22 : D VELOPPEMENT DE L COSYST ME.

2 161 P rim tre d tude du groupe de travail .. 163 tat des lieux .. 163 Enjeux et Recommandations .. 168 Annexes .. 172 groupe de travail 23 : V HICULE AUTONOME .. 193 tat des lieux .. 195 Enjeux .. 196 Recommandations .. 199 Annexes .. 201 groupe de travail 24 : RELATION CLIENT .. 209 P rim tre d tude du groupe de travail .. 211 tat des lieux .. 211 Enjeux .. 214 Recommandations .. 216 Annexes .. 220 groupe de travail 25 : 229 tat des lieux et enjeux .. 231 Recommandations .. 237 Annexes .. 239 2 3. PR PARER UN CADRE FAVORISANT LE D VELOPPEMENT DE L IA EN PRENANT EN COMPTE LES CONSID RATIONS CONOMIQUES, SOCIALES, THIQUES, DE SOUVERAINET ET DE S CURIT NATIONALE .. 247 groupe de travail 31 : SOUVERAINET ET SECURIT NATIONALE .. 249 P rim tre d tude du groupe de travail .. 251 tat des lieux .. 251 Enjeux .. 254 Recommandations .. 258 Annexes .. 260 groupe de travail 32 : IMPACTS CONOMIQUES ET SOCIAUX.

3 261 Analyse du groupe de travail .. 264 Annexes .. 285 groupe de travail 0 : CARTOGRAPHIE DE L IA .. 321 1. ORIENTER LA RECHERCHE AMONT ET D VELOPPER LES COMP TENCES 1. ORIENTER LA RECHERCHE AMONT ET D VELOPPER LES COMP TENCESG roupe de travail RECHERCHE AMONT 7 groupe Recherche Amont P rim tre d tude du groupe de travail Les buts de ce groupe de travail sont de: 1. Identifier les grands domaines de recherche fondamentale 2. Identifier les sujets disruptifs de recherche (impact potentiel et applications) 3. Identifier l expertise disponible en France sur les sujets disruptifs 4. Identifier les moyens mettre en uvre (partenariats nationaux, coop rations internationales, finan-cements ..) 5. Prioriser les sujets disruptifs 6. Etablir des recommandations concernant la recherche amont Etat des lieux La recherche en intelligence artificielle (en France et l international) est morcel e en un grand nombre de sous-communaut s, ayant pour certaines une tr s grande autonomie.

4 Cela est du la fois au grand nombre de questions diff rentes et aux diff rents outils formels utilis s. Nous avons fait un tat des lieux des grands domaines de recherche, que nous pouvons cat goriser ainsi: (voir en Annexe 4 la description de chacun de ces grands domaines de recherche) - Apprentissage automatique (machine learning), en particulier deep learning - Repr sentation des connaissances et mod lisation des raisonnements - D cision et gestion de l incertitude - Satisfaction de contraintes et SAT (satisfaisabilit d une formule logique) - Planification et recherche heuristique - Agents autonomes et syst mes multi-agents - IA & web - Traitement automatique des langues - Robotique - Vision et reconnaissance des formes - Mod lisation cognitive et syst mes neuro-informationnels Il faut galement noter la proximit de certaines th matiques d velopp es en intelligence artificielle avec d autres domaines de l informatique, en particulier l informatique th orique, la recherche op ra-tionnelle, les bases de donn es (et en particulier le big data), et l interaction humain-machine.

5 Et galement les liens existants et potentiels avec d autres disciplines, notamment les math matiques (en particulier les statistiques), la philosophie, la linguistique, l conomie, les sciences cognitives, et les neurosciences. Il nous semble important de souligner cette diversit th matique, car il est n cessaire de r aliser que l intelligence artificielle n est pas un tout uniforme, et de la prendre en compte pour les recom-mandations et d cisions qui seront prises. En particulier les applications qui ont t visibles r cemment (Alphago, Watson, Libratus, etc.) sont des applications n cessitant l int gration de plusieurs notions et techniques issues de th matiques dif-f rentes. Il y a donc la fois un besoin de d velopper les notions et techniques dans chacune des th -matiques, mais galement de favoriser l int gration de ces notions et techniques pour attaquer des probl mes r els importants.

6 8 Le groupe de travail veut souligner les grandes potentialit s fran aises en intelligence artificielle, la France ayant des chercheurs du meilleur niveau international dans chacune de ces th matiques (ce qui n est pas le cas de tous les pays), et ce qui ne limite donc pas le champ des possibles. Le groupe de travail constate galement le manque de grands groupes industriels dans la recherche amont en intelligence artificielle en France, contrairement ce qui peut se faire dans d autres pays. IDENTIFICATION DES SUJETS DE RECHERCHE DISRUPTIFS Au niveau des grandes questions de recherche, nous avons identifi 36 sujets de recherche disruptifs. Nous avons class s ces sujets en 9 grandes th matiques, que nous d taillons ci-dessous: (voir en Annexe 3 la description de chacun de ces sujets de recherche disruptifs) - Perception La perception et les informations perceptuelles sont une entr e de beaucoup de syst mes de raisonne- ment.

7 Par exemple, pour concevoir des robots capables d interagir avec leur environnement les capaci-t s de perception sont le premier chainon indispensable avant de mener un raisonnement, de prendre une d cision et d agir. Or beaucoup reste faire sur ces probl matiques li es la perception. Les grands d fis concernant cette th matique: - Vision - Parole / Audio - Multimodalit - Collaboration Humain Machine Cette probl matique est primordiale pour am liorer les interactions humains-machines, afin de per-mettre aux utilisateurs d avoir une meilleure interaction avec les programmes et robots. Cela passe en particulier par la facilitation de l interaction et donc le d veloppement d outils pour le traitement du langage naturel. Les grands d fis concernant cette th matique: - Recommandations l utilisateur - D cision sous incertitude - S mantique et compr hension de la langue - Intentionnalit / Emotions - Intelligence Artificielle large chelle Un des l ments saillants l heure actuelle est le fait que dans de nombreux domaines une grande quantit de donn es est disponible, et il faut adapter les m thodes usuelles (raisonnement, d cision, apprentissage, etc) pour pouvoir appr hender efficacement ces donn es.

8 Les grands d fis concernant cette th matique: - Raisonner sur des donn es massives - Int gration de donn es h t rog nes et/ou multisources - Aspects mat riels et calcul (architectures distribu es, etc.) - Explicabilit Une capacit importante pour les syst mes artificiels automatis s est le fait de pouvoir expliquer, ar-gumenter, justifier un raisonnement, une d cision ou une action. Cela est indispensable pour une meil-leure acceptabilit des programmes prodiguant conseils ou injonctions (dans le cas d un v hicule autonome par exemple). Les grands d fis concernant cette th matique: - R sum / Restitution linguistique - Argumentation / D lib ration - Explicabilit des m thodes d apprentissage - Causalit - Apprentissage machine 9 La puissance des techniques d apprentissage est illustr e par le d ploiement de celles-ci pour un nombre impressionnant d applications (notamment la vision, la traduction automatique, les v hicules autonomes, etc.)

9 Ces techniques sont applicables principalement lorsque l on dispose de masses de donn es. Mais il reste travailler sur un grand nombre de points, que ce soit sur les fondements de ces approches, ou sur les cas o l on dispose de moins d exemples. Les grands d fis concernant cette th matique: - Apprentissage profond - Apprentissage partir de peu d exemples / non supervis - Apprentissage en ligne et incr mental - Apprentissage par renforcement - Transfert / Analogie - R solution de Probl mes Le machine learning permet, mieux que jamais, d aborder la r solution de probl mes qui nous sem-blent intuitifs (reconna tre des entit s sur des images) au travers de grandes quantit s d exemple s annot s. Mais une IA doit aussi tre capable de r soudre des probl mes de raisonnement logique bien pos s, difficiles pour l tre humain comme pour la machine, qu il s agisse de prouver des th or mes ou de r soudre des casse-t tes de tout ordre, y compris ceux d int r t pratique.

10 Les grands d fis concernant cette th matique: - Probl mes NP-difficiles (Beyond NP) - Optimisation - Recherche heuristique et m ta-heuristique - Raisonnement Multi-Echelle - D cision, agents autonomes et intelligence collective Il y a beaucoup d applications potentielles demandant l intervention d agents autonomes int grant des capacit s de perception, d apprentissage, raisonnement, d cision et d interaction, ou de plusieurs agents, qui peuvent tre aussi bien des entit s logicielles (sur internet) ou mat rielles (robots). On peut imaginer par exemple le d veloppement d assistants personnels repr sentant et n gociant pour leur propri taire, ou des applications o plusieurs robots doivent collaborer pour le secours de per-sonnes, etc. Il est crucial de disposer des outils formels n cessaires la mod lisation et la r gulation de ces interactions.


Related search queries