Séance de cours

Intelligence artificielle socialement consciente pour la mobilité du dernier kilomètre

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours couvre la recherche sur l'intelligence artificielle socialement consciente pour la mobilité des derniers milles, axée sur la compréhension des étiquettes sociales, l'anticipation des comportements et la prévision des mouvements de foule à l'aide de modèles d'apprentissage profond. L'instructeur présente les défis de la vision informatique du transport, comme la résolution limitée, la précision critique en matière de sécurité et l'efficacité en temps réel. La séance de cours s'inscrit également dans le développement d'un outil de distanciation sociale sans danger pour la vie privée basé sur l'intelligence visuelle, l'échantillonnage collaboratif dans les réseaux antagonistes génératifs et le cadre d'apprentissage de la représentation universelle pour la perception conjointe, la prévision sociale et l'action.

Source officielle

Concepts associés (32)

Apprentissage par renforcement

En intelligence artificielle, plus précisément en apprentissage automatique, l'apprentissage par renforcement consiste, pour un agent autonome ( robot, agent conversationnel, personnage dans un jeu vidéo), à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps. L'agent est plongé au sein d'un environnement et prend ses décisions en fonction de son état courant. En retour, l'environnement procure à l'agent une récompense, qui peut être positive ou négative.

Agent intelligent

En intelligence artificielle, un agent intelligent (AI) est une entité autonome capable de percevoir son environnement grâce à des capteurs et aussi d'agir sur celui-ci via des effecteurs afin de réaliser des objectifs. Un agent intelligent peut également apprendre ou utiliser des connaissances pour pouvoir réaliser ses objectifs. Ils peuvent être simples ou complexes. Par exemple, un simple système réactif, comme le thermostat est considéré comme étant un agent intelligent.

Dessein intelligent

Le dessein intelligent (intelligent design en anglais) est une théorie pseudo-scientifique selon laquelle Cette thèse a notamment été développée par le Discovery Institute, un cercle de réflexion conservateur chrétien américain. Le dessein intelligent est présenté comme une théorie scientifique par ses promoteurs mais, dans le monde scientifique, il est considéré comme relevant de la pseudo-science, par des arguments aussi bien internes à la biologie (les promoteurs du dessein intelligent apparaissant aux biologistes comme ne tenant pas compte de nombreuses observations) qu'épistémologiques (en particulier le critère de réfutabilité de Karl Popper).

Système de systèmes

Un système de systèmes est un système constitué de systèmes constituants hétérogènes. Un système de système a des capacités plus grandes que la somme des fonctions de ses systèmes constituants. Un système de système se caractérise par: Une indépendance opérationnelle de ses systèmes constituants Une indépendance managériale de ses systèmes Une distribution géographique marquée de ses systèmes constituants Un processus de développement incrémental La présence de comportements émergeant Un système de contrôle

Systems science

Systems science, also referred to as systems research, or, simply, systems, is a transdisciplinary field concerned with understanding systems—from simple to complex—in nature, society, cognition, engineering, technology and science itself. The field is diverse, spanning the formal, natural, social, and applied sciences. To systems scientists, the world can be understood as a system of systems.

Afficher plus

Séances de cours associées (64)

L'IA pour la science

Explore les principes fondamentaux de la recherche scientifique, de l'impact des ordinateurs, des algorithmes numériques et de l'apprentissage profond dans la résolution de problèmes de haute dimension.

Algorithmes gradués dans l'apprentissage à haute dimension

Fournit des informations sur les algorithmes basés sur les gradients, les mystères d'apprentissage profond, et les défis des problèmes non convexes.

La science des données véridiques: responsable, fiable, reproductible

Par le Prof. Bin Yu explore la science des données véridiques, mettant l'accent sur l'analyse responsable, fiable et reproductible des données et la prise de décisions.

Classement et classement différenciés

Explore différentes techniques de classement et de tri pour les applications d'apprentissage automatique.

Paysage et généralisation dans l'apprentissage profond

Explore les défis et les points de vue de l'apprentissage profond, en mettant l'accent sur le paysage des pertes, la généralisation et l'apprentissage caractéristique.

Afficher plus

Concepts associés (32)

Apprentissage par renforcement