Validation d'une IA symbolique par évaluation d'un système de réputation H / F

Description de l'offre

Sujet

Une des particularités de l'IA ExpressIF® est qu’elle ne repose pas uniquement sur les données mais aussi sur la modélisation de connaissance métier sous forme de règles logique floues [4]. Cette modélisation des connaissances est effectuée par des méthodes d’apprentissage et des interviews où un modélisateur humain vient traduire directement ces connaissances en règles logiques. Dans les deux cas, cette modélisation est sujette à de potentielles erreurs qui ne permettent pas au final qu’ExpressIF® produise le raisonnement attendu. Par conséquent, il est nécessaire d’évaluer la qualité des règles logiques afin de déterminer les règles à modifier pour améliorer le raisonnement : c’est ce que l’on appelle la validation .

La validation d’une base de règles logiques est un sujet étudié depuis longtemps dans la littérature [3] mais nous souhaitons dans ce stage explorer une nouvelle méthode inspirée des systèmes multi-agents et des sciences sociales. En effet, l’ensemble des règles logiques d’ExpressIF® peut être représenté sous forme d’une structure appelé FinGram (i.e. fuzzy inference-grams) qui est un graphe représentant les interactions des règles floues sous forme d’un réseau social [1]. Nous souhaitons appliquer des techniques d’analyse de réseaux sociaux sur cette structure de données pour déterminer l’ensemble des règles « défaillantes » dans la modélisation des connaissances expertes.

Une première technique que nous proposons d’étudier sont les systèmes de réputation [2] qui permettent que chaque agent puisse évaluer d’autres utilisateurs du réseau social. L’idée générale dans notre cas d’application est de considérer chaque règle logique du FinGram comme un agent d’un système de réputation.

L’objectif du stage sera dans un premier temps de prendre connaissance de l’état de l’art des différents type de système de réputation [2] puis de faire une première proposition d’un système adapté aux FinGrams. Dans un deuxième temps, l’objectif sera de développer et évaluer votre proposition sur une base de règle d’ExpressIF®.

Références

1] Jose M Alonso, David P Pancho, Oscar Cordón, Arnaud Quirin, and Luis Magdalena. Social network analysis of co-fired fuzzy rules. Soft Computing : State of the Art Theory and Novel Applications, pages 113–128, 2013.

2] Ferry Hendrikx, Kris Bubendorfer, and Ryan Chard. Reputation systems : A survey and taxonomy. Journal of Parallel and Distributed Computing, 75 : 184–197, 2015.

3] Robert M O’Keefe and Daniel E O’Leary. Expert system verification and validation : a survey and tutorial. Artificial Intelligence Review, 7 : 3–42, 1993.

4] Jean-Philippe Poli and Laurence Boudet. A fuzzy expert system architecture for data and event stream processing. Fuzzy Sets and systems, 343 : 20–34, 2018.

Profil du candidat

Profil de candidature

Nous recherchons un(e) étudiant(e) en deuxième année de Master / troisième année d'école d'ingénieur de spécialité(s) Informatique / Mathématiques avec :

• Un intérêt pour les thématiques d'intelligence artificielle, notamment la logique floue.
• Un intérêt pour la recherche scientifique et technologique.
• De bonnes compétences en programmation orientée objet, idéalement avec le langage C#
• Un bon niveau d'anglais.

Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.