Etude sur le mesures d'évaluation de la cohérence entre connaissance et compréhension dans le domaine de l'intelligence artificielle

par Sarah Ghidalia

Projet de thèse en Informatique

Sous la direction de Christophe Nicolle, Aurélie Bertaux et de Ouassila Labbani.

Thèses en préparation à Bourgogne Franche-Comté , dans le cadre de SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques , en partenariat avec CIAD - Connaissance et Intelligence Artificielle Distribuées (laboratoire) depuis le 01-10-2020 .


  • Résumé

    Dans le cadre du projet H2020 RESPONSE porté par la métropole de Dijon, nous nous efforcerons de construire une intelligence artificielle hybride et explicable pour la supervision de la consommation en énergie électrique des quartiers dotés de blocs à énergie positive. Dans ce contexte, le travail de recherche consiste à évaluer la cohérence entre les approches d'IA connexionnistes et les approches d'IA symboliques pour effectuer un raisonnement hybride où la vérité des résultats doit être au plus proche de la réalité de terrain. Ces travaux de recherche concernent le domaine de l'intelligence artificielle et plus particulièrement celui du raisonnement sur les croyances et les connaissances.

  • Titre traduit

    Consistency distance between knowledge and understanding in artificial intelligence


  • Résumé

    As part of the H2020 RESPONSE project led by the metropolis of Dijon, this project aims to build a hybrid and explainable artificial intelligence for the supervision of the electrical energy consumption of positive energy districts. In this context, the research work consists of evaluating the consistency between connectionist AI approaches and symbolic AI approaches to perform hybrid reasoning where the truth of the results must be as close as possible to the reality on the ground. These research works concern the field of artificial intelligence and particularly reasoning on beliefs and knowledge.