Sujet de thèse

Simulation Sémantique Incarnée utilisant l’Apprentissage Profond

  • Type
    Doctorat Post-doctorat
  • Mots-clés
    Interaction Située et Incarnée, Intelligence Artificielle, Apprentissage Machine, Réseaux de Neurones Profonds

Description

Lorsque nous jouons aux échecs ou au go, nous simulons les états futurs du plateau de jeu, anticipant les mouvements de l’adversaire et leurs conséquences possibles. Il semble que le cerveau humain simule également le monde réel. Cela nous permet de prendre des décisions, consciemment ou non, de résoudre des problèmes concrets, de comprendre le langage, etc … A partir de méthodes existantes de compréhension par l’ordinateur de scènes complexes grâce à la technologie d’apprentissage profond, le chercheur étudiera de nouvelles approches pour permettre la prédiction des états futurs de ces scènes complexes, cette prédiction constituant une des capacités importantes d’un tel système simulateur. Le travail de recherche sera lié à la problématique de cognition/compréhension située et incarnée dans son contexte, qui est actuellement considérée comme un thème de recherche majeur vers une solution efficace aux problèmes concrets en intelligence artificielle: traduction automatique, interaction homme-ordinateur dans un contexte, robots autonomes, etc … La recherche permettra au candidat de développer une expertise unique et transférable en apprentissage machine avancé, en Intelligence Artificielle, et en Big Data. Le chercheur sera intégré au sein d’un groupe important de chercheurs en apprentissage profond impliqués dans diverses collaborations régionales et internationales.

À propos de ce sujet de thèse

Lié à
Service
Théorie des circuits et Traitement du signal
Promoteur
Stéphane Dupont

Contactez-nous pour obtenir de plus amples informations