Trois chaires en Intelligence artificielle à Bordeaux
Source : u-bordeaux.fr / Bordeaux Alliance Intelligence Artificielle (BAIA)
Trois « chaires de recherche et d’enseignement en intelligence artificielle » ont été labellisées en décembre 2019 dans le cadre du plan d’action de la stratégie nationale de recherche en IA. Retenues à l’issue d’un appel à projet très compétitif, le financement global accordé aux 40 chaires lauréates s’élève à un total de 22 millions d’euros pour quatre ans.
Elles s’inscrivent dans la dynamique « AI for Humanity » pilotée par l’Inria, et visent plus particulièrement au développement des talents. Ce programme national a vocation à proposer d’autres opportunités dans les mois à venir, notamment un renforcement des opportunités de thèses CIFRE.
Les trois chaires bordelaises
DeepCuriosity – Pierre-Yves Oudeyer (Inria Bordeaux)
Le projet DeepCuriosity vise à développer les fondations d’une nouvelle approche scientifique de l’intelligence artificielle et de l’apprentissage autonome basée sur la modélisation de l’apprentissage et du développement cognitif chez l’enfant, en particulier les mécanismes de curiosité.
Mots-clés : apprentissage autonome, acquisition auto-supervisée, processus d’exploration de buts intrinsèquement motivés (IMGEPs), génération de buts, adaptabilité, langage naturel.
Partenaires : Inria, université de Bordeaux, Ensta ParisTech, Poëtis.
GrAI Green – Sylvain Saïghi (IMS)
Le projet Green AI (GrAI) vise à lever le verrou technologique de la trop forte consommation énergétique de l’IA. Ce projet ambitionne de concevoir de nouveaux substrats matériels associés à de nouveaux paradigmes de calcul, ce qui permettra de réduire la consommation énergétique de ces systèmes intelligents en vue de leur implémentation dans les systèmes autonomes.
Mots-clés : systèmes embarqués, transport, IA faible consommation, calcul événementiel, capteurs intelligents, edge computing.
Partenaires : université de Bordeaux, CNRS, Bordeaux INP, Yumain, PSA.
INTENDED – Meghyn Bienvenu (LaBRI)
Le projet INTENDED vise à développer des méthodes intelligentes pour améliorer l’accès aux données imparfaites, en vue de permettre une prise de décision fiable. Le défi sera de concevoir une approche holistique, qui combine des méthodes déclaratives (raisonnement, connaissances sémantiques) avec des méthodes numériques, tout en assurant l’explicabilité des résultats aux requêtes.
Mots-clés : ontologies, raisonnement automatique, qualité des données, gestion d’incohérences, accès aux données, IA explicable, prise de décision fiable.
Partenaires : CNRS , université de Bordeaux, CHU de Bordeaux.
Sur le même sujet
Mise à jour: 11/02/20