MULTITEL
Apprentissage automatique faiblement supervisé, vers une IA plus générale

Embedded AI

Objectif du défi

L'objectif est de créer et de valider des solutions d'IA qui réduisent radicalement le besoin d'énormes quantités de données étiquetées et démontrent de fortes capacités de généralisation.

Les enjeux

Ces dernières années, l'IA a apporté des contributions positives en matière de qualité et d'efficacité des produits, d'économie des ressources, de personnalisation des services ou d'amélioration de la prise de décision. Cependant, il y a une limite à ce que les technologies actuelles de l'IA peuvent réaliser car elles reposent sur une énorme quantité de données soigneusement annotées par des experts humains. La constitution de ces ensembles de données prend du temps et est coûteuse, ce qui constitue un frein à l'adoption de l'IA.

Challenges

Les ensembles de données étiquetées exploités par les technologies d'IA actuelles, dominées par l'apprentissage supervisé, nécessitent une annotation humaine experte, ce qui est un processus coûteux et long. Il peut même s'avérer impossible pour les algorithmes d'IA avancés de généraliser à des contextes nouvellement découverts puisque le monde entier ne peut être annoté. De nouvelles technologies réduisant radicalement le besoin de données annotées par l'homme sont indispensables pour diminuer le coût et le temps de développement des applications d'IA. Elles favoriseront l'adoption de l'IA et ouvriront la voie à des technologies d'IA plus avancées.

Solutions IA possibles

L'apprentissage actif, autosupervisé, semi-supervisé et "few-shot" est une technique d'IA prometteuse qui pourrait permettre aux solutions d'IA d'effectuer des tâches pour lesquelles peu ou pas de données étiquetées manuellement sont disponibles. Ces méthodes devraient réduire la grande quantité d'annotations requises et donc minimiser l'intervention humaine. Un défi passionnant pour nos chercheurs en IA.

Sujets clés

  • Apprentissage auto-supervisé contrastif et non-contrastif
  • Apprentissage actif
  • Apprentissage avec peu d'échantillons

Contacter le responsable

Jean-Yves Parfait (parfait@multitel.be)