Apprentissage par graphe pour Intelligene artificielle frugale

«L’apprentissage automatique est l’une des méthodes phares de l’intelligence artificielle. En pointe sur les techniques d’apprentissage non supervisé, l’équipe-projet Modal travaille sur des approches innovantes, exploitant des données représentées en graphes.»

L'équipe Modal utilise les capacités des outils numériques pour analyser des données complexes et rendre intelligible l’information qu’elles contiennent – une tâche qui dépasse largement l’entendement humain, tant la quantité et la diversité des données est importante ! Pensez aux millions de transactions commerciales ou de données disparates transmises sur un réseau. Les relations entre les types de données et divers paramètres de localisation, de temps ou même de d'autres paramètres comme le temps qu'il fait, l'état des stocks ou une fête nationale, toutes ces relations continues ou sporadiques sont des données non-structurées et souvent même non identifiées.

Ces données modélisées en graphes (qui peuvent être à plusieurs dimensions) permettent de détecter des relations pratiquement invisibles sous d'autres formes et surtout avec beaucoup moins de ressources de calcul et d'énergie.

Par exemple, dans le domaine commercial, quand la demande pour un produit dépasse l'offre, la demande pour des produits de substitution augmentera. Savoir dans quelle direction chercher peut-être d'une grande utilité autant pour un producteur que pour un fournisseur, mais au départ ce n'est pas une information inscrite nulle part.

Les exemples de cet ordre sont nombreux...

Pour l'article complet : Une autre intelligence artificielle avec l’apprentissage sur graphes

Illustration : Pixabay - Geralt

Visiter inria.fr

Ajouter à mes listes de lecture