Soutenance de thèse : Théo JAUNET

Interprétabilité de l'apprentissage profond avec l'analyse visuelle : exploration de raisonnements et de l'exploitation de biais

Doctorant : Théo JAUNET

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

Au cours de ces dernières années, l'Intelligence Artificielle a été appliquée dans notre vie de tous les jours à l'échelle industrielle. Cependant, pour apprendre un processus de décision, l'IA doit ingérer une énorme quantité de données, ce qui rend les motifs de ces décisions obscures. Cela a eu pour conséquence, la naissance de champ de recherche d'IA eXplicable (XAI), qui as pour but d'analyser ces modèles, et mettre en lumière leurs facutlté de raisonmenet et d'exploitation de biais. Cette thèse est dédiée à la création d'outil d'analyse visuelle construits pour permettre aux experts de ces modèles de pouvoir interpréter leurs décisions, et ainsi les améliorer. Cette thèse se concentre plus particulièrement sur des modèles permettant à des robots de répondre à des questions telles que : "Où sont mes clés ?". Premièrement la réponse à des questions visuelles en langage naturel afin d'identifier la tâche demandée, deuxièmement la navigation dans un environnement pour accomplir cette tâche, et enfin la localisation de soi pour communiquer le résultat.