ChairesIA_2019_1 - Chaires de recherche et d'enseignement en Intelligence Artificielle - vague 1 de l'édition 2019

DeepCuriosity: Exploration dirigée par la curiosité et apprentissage développemental en IA, et applications pour les agents autonomes, la découverte automatique et les technologies de l'éducation. – DeepCuriosity

Résumé de soumission

La vision et le programme du projet de recherche DeepCuriosity visent à développer les fondations d’une nouvelle approche scientifique de l’intelligence artificielle et de l’apprentissage autonome. Les résultats récents de l’apprentissage profond par renforcement sont impressionnants (e.g. pour les jeux vidéos), mais ils atteignent des limites pratiques et théoriques. En particulier, les systèmes d’IA actuels ne sont pas autonomes : ils sont spécialisés dans une seule tâche ; ils sont coûteux en temps et en énergie ; ils requièrent l’intervention d’un ingénieur pour chaque nouvelle tâche. Pour aller au delà de ces limites, l’approche proposée dans DeepCuriosity est basée sur une décennie de recherche interdisciplinaire menée par PY Oudeyer et son équipe, sur la modélisation de l’apprentissage et du développement cognitif chez l’enfant, en particulier les mécanismes de curiosité. Cela a permis de poser les bases d’un nouveau framework pour l’apprentissage automatique : les processus d’exploration de buts intrinsèquement motivés (IMGEPs). Dans les IMGEPs, les machines apprennent des répertoires de savoir-faire de manière autonome, par l’acquisition auto-supervisée de modèles du monde, et en générant leurs propres buts selon un curriculum auto-organisé par la curiosité. Ces algorithmes permettent à des robots d’apprendre efficacement des répertoires de savoir-faire dans le monde réel, et de s’adapter à des changements de l’environnement, avec des ressources limitées en temps et en énergies.

Il y a encore des défis fondamentaux à relever pour permettre à ces recherches fondamentales et à leurs applications de passer à l’échelle. Ce projet vise de relever ces défis selon deux axes:

Objectifs de recherche fondamentale en IA :
• Développement de nouveaux algorithmes d’apprentissage auto-supervisés et dirigé par la curiosité, permettant l’apprentissage incrémental de représentations structurées de buts/tâches (en partant d’une perception bas niveau).
• Développement d’algorithme d’automatisation de la génération de curriculum d’apprentissage en maximisant le progrès en apprentissage en grandes dimensions, applicable à des apprenants divers (machines et humains).
• Extension du framework IMGEP à l’interaction en langage naturel avec des humains 1) permettant à l’humain de guider l’exploration intrinsèquement motivée de nouveaux environnements en utilisant des instructions en langage naturel apprises par la machine ; 2) permettant à la machine de décrire ce qu’elle fait en langage naturel.

Objectifs applicatifs :
Des preuves de concept récentes ont montré comment ces méthodes générale d’apprentissage par curiosité peuvent être appliquées dans les domaines sociétalement importants, que nous visons de passer à l’échelle avec des collaborations spécifiques :
• Agents autonomes dans les jeux vidéos et exploration autonome en robotique (collaboration avec l’industrie du jeu vidéo et un organisme d’état pour la défense).
• Découverte robotisée et automatisée de nouvelles structures auto-organisées dans des systèmes de cellules bio-imprimées, facilitant la personnalisation de tissus vivants (collaboration avec une entreprise de bio-impression).
• Personnalisation de curriculum d’apprentissage dans les technologies de l’éducation (collaboration avec l’Académie de Bordeaux et des entreprise edTech).

DeepCuriosity aura un rôle clé pour le développement et la visibilité internationale de la recherche en IA de l’équipe Flowers, d’Inria Bordeaux et de la Région Nouvelle Aquitaine, promouvant une approche de l’IA interdisciplinaire et centrée sur l’humain. Cela dynamisera un riche écosystème de collaborations avec d’autres instituts de recherche et des entreprises, visant des enjeux sociétaux clés (l’IA pour la promotion de la diversité dans les edTech ; l’IA avec une trace environnementale limitée ; la santé avec la personnalisation de tissus bio-imprimés). Le projet inclura aussi le développement de nouvelles formations couvrant ces avancées.

Coordinateur du projet

Monsieur Pierre-Yves Oudeyer (Centre de Recherche Inria Bordeaux - Sud-Ouest)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

Inria FLOWERS Centre de Recherche Inria Bordeaux - Sud-Ouest

Aide de l'ANR 599 970 euros
Début et durée du projet scientifique : mai 2020 - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter