Une approche IA hybride pour comprendre la science dans le discours en ligne – AI4SCI

AI4Sci développe des méthodes d’IA hybride à l'intersection de l'apprentissage automatique, de la sémantique distributionnelle et de la représentation des connaissances afin d'analyser le discours en ligne et en particulier les controverses scientifiques se déroulant sur le Web avec une application au COVID-19. Les connaissances scientifiques constituent une partie centrale du discours en ligne, en particulier dans le contexte de la pandémie de COVID-19, où les effets néfastes de la désinformation sur la société et la santé publique ont été identifiés très tôt. Cependant, en raison de la complexité inhérente des énoncés scientifiques ainsi que des mécanismes des plates-formes en ligne, où les sujets controversées génèrent plus d'interactions, de rétention et de viralité avec les utilisateurs, les faits scientifiques ont tendance à être représentés de manière simplifiée, décontextualisée et souvent trompeuse. Plus préoccupant encore est leur instrumentalisation délibérée pour servir des agendas politiques ou idéologiques. Dans ce contexte, AI4Sci relève le défi de fournir des méthodes d'IA hybrides pour tracer et interpréter les énoncés scientifiques dans le discours en ligne, comme un moyen de comprendre et de lutter contre la désinformation dans la société. Les progrès dans des domaines tels que l'apprentissage par transfert et la NLP neuronale ont ouvert de nouvelles possibilités pour l'interprétation du discours basée sur l'IA. D'un autre côté, il a été démontré que des connaissances structurées peuvent améliorer la transparence et les performances des modèles neuronaux, tandis que les modèles de langage neuronal portent eux-mêmes des connaissances relationnelles. Sur la base de ces observations, le projet développera des méthodes d'IA hybrides, capables de classifier et de lever l'ambiguïté du discours en ligne sur les découvertes scientifiques observables dans les médias en ligne et le Web social. AI4Sci s'appuiera sur les progrès récents de l'IA à l'intersection de la NLP neuronale, de la sémantique distributionnelle et des connaissances symboliques pour développer des méthodes orientées vers le problème de l'extraction et de la classification des énoncés scientifiques sur des sujets controversés ainsi que des informations contextuelles associées à partir du discours en ligne et les faire correspondre à leur contexte scientifique respectif. La méthodologie hybride d'AI4Sci apportera des contributions aux problématiques liées à la transparence et la reproductibilité des modèles neuronaux. Compte tenu des contextes très spécifiques aux domaines, AI4Sci évaluera ses méthodes dans deux cas d'utilisation centrés sur la pandémie de COVID-19, impliquant les sciences de la vie ainsi que les sciences sociales. L'expertise conjointe du LIRMM (France) et du GESIS (Allemagne) combine l’IA symbolique et les KGs avec le NLP et le NLU, en particulier en matière d’analyse du discours en ligne sur le Web (social) dans le contexte des sciences sociales computationnelles (GESIS) et des sciences de la vie (LIRMM). Cela fera progresser les agendas IA des deux établissements et contribuera à leur stratégie d'IA aux niveaux national et international. Le projet s'appuiera sur des travaux conjoints et des corpora hébergés par GESIS et LIRMM, tels que des KG sur le discours en ligne, des corpora Web et Web social uniques ainsi que des archives de publications scientifiques, ce qui accéléra et facilitera le programme de travail de AI4Sci vers la réalisation de ses objectifs.