Description du projet
Construire une intelligence artificielle digne de confiance pour la planification et l’ordonnancement
Les méthodes actuelles d’intelligence artificielle (IA) pour la planification et l’ordonnancement (P&S pour «planning and scheduling»), qu’elles soient basées sur des modèles ou sur des données, n’inspirent pas suffisamment confiance pour être adoptées massivement et atteindre leur impact potentiel. Le projet TUPLES, financé par l’UE, contribuera à une approche intégrée et centrée sur l’humain pour le développement d’outils de P&S afin d’accroître la confiance et l’adoption. Globalement, il poursuit trois objectifs. Premièrement, développer des méthodes hybrides de P&S qui combinent l’efficacité, la flexibilité et l’adaptabilité des approches d’apprentissage guidées par les données avec la robustesse, la fiabilité et la clarté des méthodes de raisonnement basées sur des modèles. Deuxièmement, concevoir des méthodes de vérification et d’explication des solutions produites par les systèmes de P&S. Enfin, réaliser des études de cas, de l’assistance aux pilotes d’avion à la gestion d’une équipe de football en passant par la collecte des déchets.
Objectif
Planning and scheduling (P&S) is a core area of AI. Its aim is to build systems that assist humans in planning, organising and optimising courses of action to achieve complex objectives. Despite the pressing need for decision-support systems for P&S applications in industry and public services, current approaches do not satisfy essential properties of trustworthy AI, such as transparency, explainability, robustness, safety and scalability.
TUPLES is a 3 year project aiming to obtain scalable, yet transparent, robust and safe algorithmic solutions for P&S. The cornerstones of our scientific contributions will be (1) combining symbolic P&S methods with data-driven methods to benefit from the scalability and modelling power of the latter, while gaining the transparency, robustness, and safety of the former and (2) developing rigorous explanations and verification approaches for ensuring the transparency, robustness, and safety of a sequence of interacting machine learned decisions. Both of these challenges are at the forefront of AI research.
We will demonstrate and evaluate our novel and rigorous methods in a laboratory environment, on a range of use-cases in manufacturing, aircraft operations, sport management, waste collection, and energy management. Our results also include practical guidelines derived from the lessons learnt in this process, and open-source software tools and test environments enabling the human-centered development and assessment of trustworthy P&S systems. Expected outcomes include increased productivity, decreased environmental footprint and the empowerment of workers in the above sectors. These could translate into huge economic, environmental and social impacts if trustworthiness ends up driving mass adoption of P&S.
The TUPLES consortium includes world-leading researchers in several fields of AI (P&S, constraints, machine learning, explanations), humanities and social sciences (psychology, law, ethics), and experts of their applications.
Champ scientifique
- social sciencessociologygovernancepublic services
- engineering and technologyenvironmental engineeringwaste management
- social scienceseconomics and businesseconomicsproduction economicsproductivity
- social sciencespsychology
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Mots‑clés
Programme(s)
Régime de financement
HORIZON-RIA - HORIZON Research and Innovation ActionsCoordinateur
31000 Toulouse
France