La technique développée pourrait révolutionner l’Intelligence Artificielle
Dans la grande majorité des approches, l’étiquetage d’images, utilisées ensuite pour superviser l’apprentissage d’une Intelligence Artificielle, est une phase cruciale. Cette phase de labellisation est très souvent manuelle et chronophage. Ce que propose Mathieu Aubry va potentiellement révolutionner le domaine grâce à l’utilisation d’images non labellisées, qui seront judicieusement analysées en termes de structures, de motifs et de leurs évolutions. Cette technique pourrait même permettre d’avoir une information plus riche que celle donnée par des experts dans le processus de labellisation standard.
Elle sera appliquée dans un premier temps sur des images satellite et des documents historiques. Générique, cette technique a vocation à être utilisée dans un très grand nombre de domaines et par des acteurs multiples, depuis les cercles académiques jusqu’aux industriels.
« À travers le projet DISCOVER, je propose deux approches complémentaires pour définir et identifier formellement les structures visuelles : l’une basée sur l’analyse des correspondances, l’autre sur l’apprentissage de modèles génératifs d’images interprétables. Nous développerons des structures visuelles dans deux domaines où des progrès décisifs ouvriront de nouvelles découvertes scientifiques : les documents historiques et l’imagerie de la Terre. Cela nous permettra d’identifier les types d’objets en mouvement, les zones avec différents types de végétation ou de constructions, et de modéliser l’évolution de leurs caractéristiques, qui peuvent correspondre à des modifications de leur activité ou de leur cycle de vie. » explique Mathieu Aubry.