Recherche en Intelligence Artificielle

Un institut associant partenaires académiques et industriels pour le développement de l'intelligence artificielle au service de l'humain et de l'environnement
Grenoble est l’un des lieux les plus actifs en France et en Europe dans les domaines de l’intelligence artificielle - apprentissage automatique, perception, communication vocale, vision par ordinateur et intelligence artificielle intégrée. En effet, les contributeurs de MIAI ont publié, au cours des trois dernières années, plus de 30 articles à ICML, KDD et NIPS, plus de 60 articles dans de grandes conférences sur la vision par ordinateur telles que CVPR, ECCV et ICCV et se sont classés premiers dans plusieurs défis internationaux (tels que SemEval ou ImagNet). Trois lauréats de bourses EurAI contribuent également à la recherche sur l'IA symbolique. En outre, la région de Grenoble comprend des acteurs académiques majeurs dans les domaines de la conception matérielle, de l’accélération matériel / logiciel et de l’informatique distribuée.
Grenoble est également à l'avant-garde de la recherche en médecine, science de la terre et du climat. Dans les interventions médicales assistées par ordinateur, plusieurs appareils développés à Grenoble ont donné lieu à des premières chirurgicales (par exemple, la chirurgie de navigation pour biopsies de la prostate développée commercialement par Koelis, une spin-off d'Univ. Grenoble Alpes, utilisée par plus de 250 000 patients de 30 pays). En utilisant un traitement massif de données sismiques et géodésiques, des chercheurs grenoblois ont révélé que la Terre solide évoluait à toutes les échelles de temps, constat qui remet en cause les conceptions traditionnelles de sa dynamique. En exploitant des données massives sur la répartition des espèces à grande échelle et des données climatiques haute résolution et de télédétection, des chercheurs grenoblois ont révélé comment le changement climatique et l'affectation des sols provoquent des réactions inattendues de la biodiversité. MIAI poursuivra et élargira ces axes de recherche dans plusieurs directions.
Au cœur de MIAI
L'IA du futur doit sortir du cloud pour rencontrer ses utilisateurs et surmonter les problèmes liés à la surcharge de communication et à la confidentialité des données. Les architectures matérielles pour l’intelligence artificielle (par exemple, Neuro Processing Unit - NPU) constituent un sujet clé pour les nouvelles applications, intégrées dans des appareils à faible consommation et à faible temps de latence (voitures, équipements portables destinés aux soins de santé ou capteurs intelligents d’événement). Dans le même temps, un nouveau paradigme IT, associant Edge/Fog/Cloud computing et l'IoT, nécessite une gestion avancée des ressources. L'intelligence distribuée est un sujet émergent qui permettra d'optimiser les applications distribuées, y compris l'apprentissage distribué. Les chaises suivantes abordent toutes ces questions relatives aux architectures embarquées et matérielles pour l'IA.
- Lorena Anghel & Alexandre Valentian - Hardware for spike-coded neural networks exploiting hybrid CMOS non-volatile technologies
- Frédéric Pétrot - Digital Hardware AI Architectures
- Denis Trystram - Edge intelligence
- Sophie Achard & Martial Mermillod - Towards Robust and Understandable Neuromorphic Systems
- Diane Larlus - Lifelong Representation Learning
- Julien Mairal - Towards More Data Efficiency in Machine Learning
- Romain Couillet - Large Dimensional Statistics for AI
- Anatoli Juditsky & Arkadi Nemirovski (International) - High-dimensional Inference by Convex Optimisation
- Jérôme Malick & Yurii Nesterov (International) - Optimisation & Learning
- Patrick Loiseau & Marie-Christine Rousset - Explainable and Responsible AI
- Jérôme Euzenat - Knowledge communication and evolution
- Xavier Alameda-Pineda & Radu Horaud - Audio-visual machine perception and interaction for companion robots
- Gérard Bailly & James Crowley - Collaborative Intelligent Systems
- Christophe Prieur - AI and dynamical systems: new paradigms for control and robots
- François Portet & Laurent Besacier - Artificial Intelligence & Language
- Pascal Perrier - Bayesian Cognition and Machine Learning for Speech Communication
- Edmond Boyer - Data Driven 3D Vision
- Théodore Christakis - Legal and regulatory implications of artificial intelligence
- Thierry Ménissier - Ethics and AI
- Sihem Amer-Yahia - Contextual Recommendations in Action - Bridging AI and Real-Life Economics
- Gilles Bastin - Algorithmic society
DOMAINES D'APPLICATION
Santé
Les systèmes de santé et de protection sociale en France et en Europe associent de nombreux acteurs : hôpitaux, services sociaux, entreprises, universités et centres de recherche et de régulation. Les données sont collectées à partir de sources multiples et, alors que les informations personnalisées sur le patient peuvent révolutionner le diagnostic et le traitement, le véritable problème est de les capturer, de les stocker et de les comprendre. Avec l'IA, la santé devient une santé intelligente, concrétisant les promesses de la vision P4 (prédictive, personnalisée, préemptive, participative) de la médecine. Le CHU de Grenoble possède à la fois les outils d’acquisition de données (un lac de données qui fera partie du hub français de l’IA pour la santé, plate-forme de métabolomique clinique) et l’environnement pour développer et tester des dispositifs basés sur l’IA (il héberge l’un des 8 centres français). Centres d’investigation clinique et d’innovation technologique). En outre, Grenoble est un lieu majeur des technologies de l'IA pour la santé, grâce à ses compétences interdisciplinaires et à sa coopération de longue date entre médecins, mathématiciens, informaticiens, chimistes et acteurs industriels. Notre stratégie au sein de MIAI consiste à élargir ces perspectives grâce à un effort continu de collecte de données et au développement de nouveaux outils d'omique basés sur l'IA, à l'amélioration des trajectoires de santé, à l'amélioration des assistants informatiques et à l'autonomisation accrue des patients.- Philippe Cinquin - Deep Care: Patient Empowerment via a Participatory Health Project
- Emmanuel Mignot (International) & Jean-Louis Pépin - My Way to Health 'trajectories medicine'
- Thomas Burger & Julien Thévenon - Artificial Intelligence for High throughput biomedical investigations
- Jocelyne Troccaz & Sandrine Voros - Computer-Assisted Medical Interventions (CAMI) Assistant
Environnement et énergie
Le Forum économique mondial de 2018 a mis en lumière plusieurs défis auxquels sont confrontés les systèmes terrestres : changement climatique, biodiversité et conservation, océans sains, sécurité de l'eau, météo et résistance aux catastrophes. Pris ensemble, ces six questions soulèvent un défi mondial urgent et nécessitent le développement de méthodologies d'IA dans un cadre interdisciplinaire. L’axe environnement de MIAI contribue à relever tous ces défis. Il traite notamment de la surveillance des interactions des espèces impactées par le changement climatique, de l'atténuation des catastrophes naturelles, de la prévision des aléas naturels, de la prévision de la circulation des océans et de la surveillance des grands ouvrages hydrauliques. De plus, la décarbonisation de l’énergie est un élément clé de la préservation de l’environnement, problème que nous abordons par le développement de nouvelles technologies pour les réseaux intelligents.- Michel Campillo & Olivier Michel - Geophysical applications of AI for natural hazard and georesources
- Jocelyn Chanussot & Wilfried Thuiller - Multiscale, multimodal and multitemporal remote sensing
- Nouredine Hadj-Said - Financé par Univ. Grenoble Alpes - Artificial intelligence for Smart Grids
Industrie 4.0
Même si l'industrie utilise beaucoup de capteurs et de données et que la prise de décision est au cœur des processus industriels majeurs, l'application de l'intelligence artificielle est encore récente dans le secteur de la fabrication. Pourtant, les potentiels de l'intelligence artificielle dans l'industrie sont largement reconnus (réduction des coûts jusqu'à 20%). Grenoble a une longue histoire de recherche et d'enseignement sur l'ingénierie industrielle, les matériaux et les procédés et participe à l'EIT Manufacturing sur ces sujets. L’originalité de la démarche grenobloise réside dans le fait que l’être humain reste le principal acteur industriel, paradigme parfois appelé Industrie 4.H. L'objectif de cet axe est d'intégrer les outils d'intelligence artificielle dans les processus de fabrication afin d'améliorer la qualité des produits et des processus, de répondre à la forte personnalisation de la demande des clients et de soutenir les stratégies industrielles prometteuses telles que la "servitization" et l'économie circulaire. Un accord de collaboration avec Fraunhofer (IPA et IML) a été signé à cette fin.- Gülgün Alpan - AI for data-driven and self-configurable supply chains
- Massih-Reza Amini & Alexis Deschamps - Machine learning for mAterial desiGN and Efficient sysTems (MAGNET)