Telecom Paris Dep. Informatique & Réseaux J-L. Dessalles ← Home page January 2025

    Projet proposé par J-L. Dessalles
    Bureau: 4C45 📧

                            ➜ À lire:    Recommandations pour la réalisation d’un projet

    

projet Artishow

• Un enfant qui n’a jamais vu de licorne (et qui a vu peu de chevaux) comprendra instantanément en quoi l’animal diffère d’un cheval. iel sera en outre capable de nommer la différence ("on dirait un cheval avec une corne").
• Une tomate noire sera décrite comme telle parce que la différence avec le prototype "tomate" sera proche du prototype "noir".
• De même, on peut dire qu’un visage a rougi même si sa couleur n’est pas objectivement rouge, car la différence avec un visage prototypique est, elle, proche du prototype de rouge.

La technique du contraste vise à reproduire ce type de traitement. Elle consiste à représenter les données dans un espace vectoriel (ou une somme d’espaces vectoriels), puis de réaliser des différences vectorielles complétées par des opérations non-linéaires (blanchiment, nettoyage). Le résultat de la différence est un vecteur dans le même espace. Lorsque ce vecteur est proche d’un prototype nommable, le système peut produire une description. Une description plus complète peut être idéalement obtenue par itération du processus.

Il s’agit d’un projet exploratoire, avec une grosse part de modélisation. L’implémentation informatique (en Python) joue le rôle d’une sandbox en vue de fournir des preuves de concept. On travaillera sur des données synthétiques, des données réelles ou des embeddings.

Les applications potentielles sont nombreuses. Mentionnons:

• Le clustering incrémental sans paramètres
• La détection d’anomalies
• La caratérization pertinente
• La négation

• Dessalles, J.-L. (2015). From conceptual spaces to predicates. In F. Zenker & P. Gärdenfors (Eds.), Applications of conceptual spaces: The case for geometric knowledge representation, 17-31. Dordrecht: Springer.
• Sileno, G., Bloch, I., Atif, J. & Dessalles, J.-L. (2017). Similarity and contrast on conceptual spaces for pertinent description generation. In G. Kern-Isberner, J. Fürnkranz & M. Thimm (Eds.), KI 2017: Advances in Artificial Intelligence - LNAI 10505, 262-275. Cham, CH: Springer.
• Sileno, G., Bloch, I., Atif, J. & Dessalles, J.-L. (2018). Computing Contrast on Conceptual Spaces. 6th International Workshop on Artificial Intelligence and Cognition (AIC 2018), 11-25. CEUR Workshop Proceedings.