SM@RTS : Laboratory of Signals, systeMs, aRtificial Intelligence and neTworkS

Laboratoire des signaux, des Systèmes, de l’Intelligence Artificielle et des Réseaux

مخبر الإشارات والنظم والذكاء الاصطناعي والشبكات

« Intelligence artificielle, modélisation et traitement de signal, Réseaux, systèmes embarqués »

L’intelligence artificielle est définie comme étant l’ensemble de théories et de techniques mises en œuvre en vue de réaliser des machines capables de simuler l’intelligence humaine. Bien que reconnu en tant que discipline depuis les années 50, l’intelligence artificielle a connu sa montée spectaculaire durant la dernière décennie. Elle est due essentiellement à l’augmentation de la capacité de calcul des ordinateurs qui a permis le développement d’algorithmes sophistiquées à l’instar des techniques d’apprentissage profond.

Ces derniers permettent de faire l’apprentissage automatique d’une façon supervisée. Ils correspondent à des modèles paramétriques qui permettent de résoudre un problème particulier. Ces modèles sont optimisés à partir de données d’apprentissage qui proviennent souvent d’une base de données réelles. Par ailleurs, d’autres techniques d’IA sont développées pour faire l’apprentissage automatique comme la machine à vecteurs de support et les régressions qui trouvent leurs fondements dans les statistiques.

En effet, les modèles statistiques restent efficaces quand les liens entre les causes et les effets sont bien connues. Dans ce cas, on parle généralement de l’inférence bayésienne qui consiste à trouver la valeur d’un ensemble de variables à partir de leurs observations et des connaissances a priori. L’optimisation des paramètres de ses modèles sont aussi souvent optimisés sur des données réelles, toutefois elle ne nécessite pas généralement une grande base de données. D’une façon générale, l’intelligence artificielle trouve plusieurs applications dans différents domaines comme l’internet des objets (IOT), les systèmes intelligents, la télédétection, l’industrie 4.0, la voiture autonome, la biométrie, la surveillance, etc.

D’une façon générale, les techniques d’intelligence artificielle ont besoin des données pour faire l’apprentissage, le test et la validation. Ces données doivent être assez nombreuses et représentatives de tous les cas possibles. Toutefois, ceci n’est pas toujours possible vu que les données représentent souvent que des cas particuliers. De plus, parfois les données sont manquantes vu l’absence des capteurs, la complexité de faire les acquisitions convenablement et la difficulté de faire l’annotation de larges bases de données.

Ainsi générer des bases réalistes pourrait être une solution pour remédier au manque total ou partiel des données. Des simulateurs de capteurs peuvent être utilisés dans ce cas. On trouve par exemple dans le domaine de l’observation de la terre et la vision par ordinateur plusieurs simulateurs qui peuvent produire des images, des vidéos et des nuages de points LiDAR imitant la réalité. En effet, ils sont capables de reproduire d’une façon fiable les phénomènes physiques de propagation de la lumière à l’origine du signal capté comme par exemple la prise de vue, l’effet d’ombre, la brillance des objets due à la réflexion spéculaire de la lumière solaire.  On trouve aussi des simulateurs semblables dans le domaine de la télécommunication.

Etant conscient de la révolution en IA, le centre de recherche en numérique de Sfax a orienté ses recherches dans cette direction depuis sa création. Ainsi, plusieurs stations de calculs et de serveurs dotés de cartes graphiques performantes ont été acquises.

Le premier objectif est de développer des algorithmes d’apprentissage qui s’appliquent dans plusieurs domaines allant de la vision, la reconnaissance, la médecine et l’observation de la terre jusqu’à l’internet des objets et les systèmes intelligents, permettant ainsi d’améliorer les performances en termes d’adaptation et de flexibilité des solutions proposées.

Le deuxième consiste à proposer des simulateurs réalistes d’images, de vidéo et du LiDAR permettant de créer des bases de données pour l’apprentissage, le test et la validation des algorithmes d’apprentissage automatique dans le domaine de la vision et de l’observation de la terre.

Ainsi, le laboratoire de recherche que nous comptons créer vient fédérer les chercheurs du centre autour de l’intelligence artificielle de façon à tirer profil de la complémentarité et la synergie entre les différentes équipes afin de travailler sur des projets de recherche de qualité.

Ce laboratoire réuni par ailleurs des chercheurs dans différents domaines thématiques comme la télédétection appliqué à l’agriculture, la vision par ordinateur, le traitement de signal appliqué à la santé numérique, les systèmes embarqués et les télécommunications.

Cette union va renforcer la coopération entre les différentes équipes pour travailler sur des projets en relation avec les priorités nationales et qui répondent aux besoins socio-économiques du pays. Au final, notre laboratoire pourra jouer le rôle d’un hub régional qui anime la recherche autour de l’intelligence artificielle ce qui va permettre de booster cette thématique de recherche dans l’objectif de rayonner à l’échelle international.