La conférence aura lieu dans la salle virtuelle "E" aux horaires indiqués sur le programme général :
L'objectif de cette journée est de rassembler un petit nombre d’intervenants et de leur demander, pour nourrir le débat, de présenter quelques résultats majeurs dans leur domaine ainsi qu’un ou deux défis clefs en apprentissage / raisonnement ou à l’intersection de ces deux domaines.
10h30 : Accueil + Intro
10h35- 11h15 : Gauvain Bourgne
Titre: Raisonner sur l'éthique et la causalité
Résumé: Pour permettre aux agents de faire des choix éthiques et justifiables, il est nécessaire de s'interroger sur les raisonnements mis en oeuvre dans l'évaluation de la justesse ou non d'une action d'un point de vue éthique. c'est l'un des objets de l'éthique computationelle. Les raisonnements impliqués peuvent varier selon les principes éthiques considérées ; ces différentes approches privilégient l'évaluation des conséquences ou celle des actes, prennent ou non en compte l'existence d'alternatives, etc. Une notion récurrente pour interpréter de façon éthique une chaîne d'évènements est la notion de causalité, qui est en elle même un phénomène complexe ayant suscité plusieurs tentative de formalisation. Cet exposé s'interessera à ces deux types de raisonnements et à leur articulation.
Slides: ici!
Titre: Raisonner sur les connaissances pour la planification
Résumé: Cet exposé s'intéressera à l'utilisation de techniques du domaine du raisonnement épistémique, c'est-a-dire du raisonnement sur les connaissances d'agents ou de groupes d'agents, pour la planification automatique, en particulier multi-agents. Le raisonnement sur ses propres connaissances, et sur les connaissances d'autres agents, ouvre en effet de nouvelles voies pour la planification, en permettant l'expression de politiques à un haut niveau d'abstraction, ou encore en permettant à des agents de synchroniser leurs actions sans se mettre d'accord sur une politique jointe préalablement à l'exécution. Par ailleurs, le raisonnement épistémique permet de donner un certain degré d'« interprétabilité » aux plans et politiques.
J'essaierai de balayer les résultats de la littérature, dans les domaines de la planification contingente, des processus de décision markoviens, et de la planification épistémique, et je proposerai un certain nombre de perspectives et de questions ouvertes par ces résultats.
11h55 - 12h30 : Discussion
15h30 - 16h10 : Tristan Cazenave
Slides: ici!
Titre: Recherche Arborescente, Deep Learning et Jeux
Résumé: La complémentarité de l'apprentissage profond et de la recherche arborescente est particulièrement visible pour les jeux. Que ce soit la recherche Monte-Carlo et les réseaux résiduels pour Alpha Zero et Polygames, le Minimax et les réseaux évaluateurs pour Descent qui a gagné 5 médailles d'or aux dernières olympiades, ou AlphaMu pour le Bridge, on retrouve cette complémentarité entre recherche arborescente, politique et évaluation à divers degrés.
Slides: ici!
Titre: De la prédiction à la modélisation causale
Résumé: L'apprentissage a visé essentiellement la prédiction (classification et régression) à partir de données. Mais l'usage des modèles appris passe graduellement de la prédiction (que se passe-t-il si "description des observables") à la prescription (que doit-il se passer pour que "résultat voulu").
Cette évolution a des effets profonds, d'une part sur le coté obscur de l'IA, et d'autre part sur la nature de la discipline. Fondamentalement, les corrélations permettent de prédire (si je vois des parapluies, il pleut). Mais elles sont sans effet sur des objectifs de prescription. Nous en arrivons ainsi à la notion de modèles causaux.
L'exposé discutera l'état des lieux, et un exemple de cas : l'effet causal de l'alimentation sur (un indicateur superficiel de) l'état de santé.
Collaboration: Olivier Allais (INRAE), Philippe Caillou (UPSaclay)