[bull-ia] [jfpc2019] Conférenciers invités

Dans cet exposé nous présenterons des résultats récents
sur la génération automatique de texte et de musique. Nous
commencerons par expliquer quelques mécanismes de base en
IA pour engendrer des textes/musique dans la style d’un
auteur, puis nous montrerons comment le développement de
structures de données envisageables grâce à l’augmentation
de la mémoire disponible, comme les Multi-Valued Decision
Diagram, permettent de proposer des solutions simples à
des problèmes complexes. Nous montrerons clairement
l’intérêt de la programmation par contraintes dans cette
approche.

The practical successes of Machine Learning (ML) in
different settings motivates the ability of computing
small explanations for predictions made. Small
explanations are generally accepted as easier for human
decision makers to understand. Existing work on computing
explanations is based on heuristic approaches, providing
no guarantees of quality, in terms of how close such
solutions are from cardinality- or subset-minimal
explanations. This talk describes a novel
constraint-agnostic approach for computing explanations
for any Machine Learning (ML) model. The proposed solution
exploits abductive reasoning, and imposes the requirement
that the ML model be represented as sets of constraints
using some target constraint reasoning system, for which
the decision problem can be answered with some oracle. The
talk also overviews recent work on exploiting
constraint-based solutions for assessing the quality of
heuristic explanation approaches.

La gamme de véhicules vendables par l’alliance
Renault-Nissan-Mitsubishi n’est pas énumérable. Elle est
donc représentée en intention et de nombreux problèmes
(configuration, contrôle de cohérence documentaire, etc.)
se ramènent alors au problème SAT. Certains problèmes liés
à l’activité prévisionnelle nécessitent la création
d’ensembles de véhicules respectant les contraintes de la
gamme et les taux d’équipements fixés par les
prévisionnistes. Cette génération nécessite une approche
plus originale.La présentation abordera les problèmes de
type SAT ainsi que les techniques utilisées pour la
génération d’échantillons prévisionnels, avec la mise en
lumière de leurs forces et leurs faiblesses.