Autonomous lifelong learning intelligent systems

Débuté le : 01/09/2018
Doctorant : Yevhenii Prokopalo
Directeur(s) de Thèse : Anthony Larcher
Co-encadrant(s) de Thèse : Loic Barrault
Financement : Chist-ERA

L’objectif du projet ALLIES est d’encourager et de démontrer le développement de systèmes autonomes, capables de maintenir une performance durable dans le temps selon un scénario d’apprentissage donné. Un scénario d’apprentissage définit l’importance accordée à la performance sur les données “passées” et “présentes” dans le processus d’optimisation (ou d’évaluation). En définissant le scénario d’apprentissage, un superviseur humain (SH) permet ou interdit au système d’oublier. Dans ALLIES, un système autonome est totalement non supervisé et adapte progressivement ses modèles ainsi que leur structure, afin d’apprendre ou d’oublier des événements en fonction du scénario d’apprentissage donné et des données qu’il collecte automatiquement dans le temps. Les systèmes non supervisés actuels optimisent leur performance pour un seul ensemble de données. Après ALLIES, les systèmes autonomes optimiseront leurs performances dans le temps en considérant ensemble les données passées et présentes.