Contexte
Dans le domaine de l’intelligence artificielle explicable (XAI), de nombreuses approches sont
développées. Parmi celles-ci, une classe importante conçoit la recherche d’explications comme la
recherche de causes à une observation ou une décision. Il s’agit donc d’aller au-delà de simples
corrélations. Le but de ce stage est d’étudier les principaux formalismes dans cette classe de
méthodes, en distinguant en particulier les méthodes qui recherchent toutes les causes possibles
et celles qui cherchent à répondre à des questions particulières.
Travail de stage
Le travail se décompose en trois parties, fortement reliées entre elles, et qui seront donc menées
en grande partie de manière parallèle :
1. analyse théorique de quelques approches clés, à partir des articles cités en référence ci-dessous,
en mettant en évidence les principes des approches, leurs objectifs et leurs principales propriétés, permettant ainsi de les comparer.
2. mise en oeuvre pratique, à partir d’implémentations existantes et de nouveaux développements
(python, prolog, clingo), pour permettre de les comparer expérimentalement. Cette étape
nécessitera d’identifier des formats communs aux différents formalismes.
3. illustration sur des exemples simples, permettant de mettre en évidence le comportement
de chaque approche dans des situations concrètes tirées de l’éthique computationnelle et de
l’argumentation afin de comparer les résultats dans ces mêmes situations.