Dans le cadre de l’usine du futur, la flexibilité, la personnalisation et l’usage des ressources au plus juste des besoins apparaissent comme des éléments clefs. Ainsi, pour répondre à ces enjeux, l’IA doit pouvoir personnaliser ses réponses en fonction du contexte observé, que ce soit par exemple pour guider un robot ou proposer un système de mesure adapté au défaut potentiel détecté. Lorsque plusieurs systèmes de mesure complémentaires sont disponibles, par exemple pour caractériser des matériaux, le choix du prochain capteur à utiliser peut dépendre de contraintes techniques ou des résultats d’un premier capteur. L’orchestration de systèmes de mesure est alors une tâche complexe. Le modèle de décision, donné sous forme de base de règles, est transparent, mais il doit rester simple, compréhensible et intuitif.

L’objectif de ce stage est d’améliorer le raisonnement d’ExpressIF® sur les actions, les processus et les systèmes de mesures ou de production. En effet, on souhaite pouvoir écrire des règles explicites très lisibles, comme par exemple « si la température mesurée est assez chaude, alors utiliser l’hygromètre ». Cette règle, qui peut être formulée par un humain, intègre d’autres connaissances à son raisonnement : l’humain utilisera l’hygromètre seulement si celui-ci est disponible et adapté (par exemple, il rentre dans la cavité de mesure, sa plage de mesure est adéquate). De même, pour planifier une action, il faut que celle-ci soit possible. Si en analysant le contexte, on peut inférer que l’action n’est pas possible, elle ne doit pas être proposée dans le plan d’actions par l’IA. La proposition d’un plan d’actions doit aussi pouvoir répondre à certaines contraintes : une action A ne doit être faite qu’après une action B, elle ne doit être faite qu’une fois au plus, ou bien régulièrement. Si une action est prolongée d’une certaine durée, toutes les actions suivantes qui dépendent de son exécution doivent alors être décalées à leur tour dans le temps. 

ExpressIF®, une IA symbolique
ExpressIF® est un logiciel développé au CEA LIST (http://expressif.cea.fr), institut de CEATech, depuis 2010. Il permet de mettre en œuvre des IA basées sur les connaissances. Il s'agit de modèles interprétables dont les décisions sont explicables. Ainsi, ExpressIF® rentre dans le cadre des XIA (eXplainable Artificial Intelligence) : ce terme, introduit par la DARPA en 2016, désigne des IA capables de fournir des explications aux décisions et du raisonnement qui a conduit à celles-ci. Les bases de connaissances d’ExpressIF® reposent sur un formalisme qui permet de les décrire sous une forme proche du langage naturel, la logique floue. ExpressIF® offre un vocabulaire riche et varié. Il est en effet possible de décrire des phénomènes temporels (par exemple : augmentation, diminution d’une valeur), d’expliciter des contraintes temporelles (par exemple : avant, commence).

#StageList

Nous recherchons un(e) étudiant(e) en Master M1, M2 ou école d’ingénieur, de spécialité(s) Informatique/Mathématiques, avec :

·         Un intérêt pour les thématiques d’intelligence artificielle, en particulier pour l’intelligence artificielle symbolique et la représentation des connaissances

·         De bonnes compétences en programmation orientée objet, idéalement avec le langage C#;

·         Un bon niveau en anglais.