Détail de l'offre
DOI https://doi.org/10.69777/2009884
Titulaire de la demande évaluée Paissan, Francesco
Établissement de la demande évaluée Università degli Studi di Trento
Titre de la demande évaluée Apprentissage de représentations interprétables à grande échelle
ROR organisme subventionnaire https://ror.org/00w3qhf76 Nom du programme Bourses de doctorat en recherche
Montant total 100 000$ Secteur Nature et technologies
Période couverte par l’octroi 2026-05-15 - 2030-05-14 Mots clés
Résumé Rendre l’IA plus intelligente et compréhensible L’intelligence artificielle est devenue incroyablement puissante, capable d’apprendre à partir de vastes quantités de textes, d’images et de sons sans nécessiter d’étiquettes humaines. Par exemple, l’IA peut désormais générer des images réalistes à partir de descriptions textuelles, transcrire la parole ou résumer de longs documents en quelques secondes. Pourtant, de nombreux systèmes d’IA restent des « boîtes noires » : ils fonctionnent bien, mais même les experts peinent à comprendre comment ils prennent leurs décisions. Mon projet s’attaque à ce problème en concevant des modèles d’IA qui ne sont pas seulement performants, mais aussi transparents et explicables. Au lieu de se fier à des motifs cachés mystérieux, ces modèles apprendront des « gabarits » et des « prototypes » — des blocs de construction compréhensibles par l’humain, comme des formes dans des images, des motifs dans des sons, ou des structures de phrases courantes — qui peuvent être combinés pour résoudre des tâches. Par exemple, une IA analysant des scans médicaux pourrait expliquer son diagnostic en montrant des formes ou textures spécifiques qu’elle reconnaît, ou un modèle de langage pourrait montrer comment un résumé est construit à partir de phrases clés plutôt qu’à partir d’embeddings cachés. À long terme, cette recherche pourrait permettre de créer des systèmes d’IA dignes de confiance et contrôlables, essentiels pour des applications sûres dans la santé, l’éducation, la modération de contenu ou les outils du quotidien comme les assistants personnels ou les systèmes de recommandation.