DeepExpert: towards an autonomous and explainable artificial intelligence
DeepExpert : vers une Intelligence Artificielle autonome et explicable
Abstract
To provide artificial intelligence with better adaptability, we suggest a coupling based on an enactivist and cognitivist approach between deep neural networks and learning classifier systems. As autonomy is a vector for the development of adaptability, a definition is first proposed to support later the choices and contributions of perception, reasoning and memory models used. Those models, namely these networks, these systems and a learning tree we design, that keeps track of the experiences of the coupled system, should allow these intelligences to identify, by themselves, problems arising from their environment and design in complete transparency the most suitable solutions.
Pour procurer aux intelligences artificielles une meilleure adaptabilité, notre position est de proposer un couplage selon une approche énactiviste et cognitiviste entre réseaux de neurones profonds et systèmes de classeurs. L’autonomie étant un vecteur d’évolution de cette adaptabilité, une définition est proposée dans un premier temps afin d’appuyer dans un second temps les choix et apports des modèles de perception, de raisonnement et de mémoire employés. Ces modèles, que sont respectivement ces réseaux, ces systèmes et la proposition du concept d’arbre d’apprentissage traçant l’expérience du système couplé, doivent permettre à ces intelligences d’identifier elles-mêmes les problèmes issus de leur environnement et concevoir en toute transparence les solutions les plus adéquates.
Fichier principal
rjcia2019-09.pdf (208.46 Ko)
Télécharger le fichier
RJCIA_Orhand_poster.pdf (937.16 Ko)
Télécharger le fichier
RJCIA_Orhand_slides.pdf (1.29 Mo)
Télécharger le fichier
| Origin | Files produced by the author(s) |
|---|
Loading...