Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : IRIT/CRNM
Durée : 3 ans
Contact : cassia.trojahn@irit.fr
Date limite de publication : 2023-07-01

Contexte :
Le développement durable est inscrit profondément dans les politiques publiques. L’une des conséquences en est la recherche d’outils techniques ou scientifiques pour réaliser cet objectif, et c’est ce que l’on appelle la science de la durabilité. Ce nouveau champ de la science est hautement interdisciplinaire avec une interaction entre les sciences de la société et de l’humain, et les sciences de la nature ou les sciences formelles. Dans ce contexte, les actions interdisciplinaires en sciences des données sur le pilotage de l’aménagement des territoires méritent d’être développées. Ce pilotage est en effet guidé par des données issues d’une variété de domaines (géographie, économie, environnement, etc.). Les points de vue sur ces données sont contextuels et évolutifs.

Le projet MOCKUP est donc centré sur l’observation et le pilotage du territoire, en s’appuyant sur une représentation sémantique des données entrantes et des points de vue sur ces données. Ses objectifs sont les suivants :
• l’apprentissage de points de vue selon l’usage des données, en particulier des données environnementales ;
• la représentation de points de vues pour définir des ontologies dynamiques et adaptables aux usages et contexte ;
• le raisonnement contextuel sur les données pour l’aide à la décision.

Sujet :
Dans ce projet, notre hypothèse est de considérer que l’appropriation de données décrites par une ontologie, dite de référence, passe par la prise en compte des usagers (et des usages), tant des publics ciblés que des contextes d’utilisation, dans la manière de présenter cette ontologie. Nous proposons pour cela de définir la notion de point de vue, considéré comme un prisme, une manière de présenter l’ontologie en partie ou en totalité, de manière adaptée à des utilisateurs et à un contexte d’usage.

Pour s’adapter au contexte d’usage, nous voulons donner un caractère dynamique, adaptatif et contextuel à l’ontologie, ce qui est négligé dans les travaux sur la construction des ontologies dans l’état de l’art. Bien que l’évolution des ontologies, pour leur donner un minimum de caractère “dynamique”, ait fait l’objet de nombreuses recherches dans la communauté Web sémantique, la problématique traitée ici est différente et nouvelle : l’ontologie serait stable et suffisamment riche pour être adaptée par de nouvelles instantiations donnant lieu à différentes vues sur celle-ci, selon les usages et les contextes.

Il s’agira de reformuler, simplifier ou extraire des sous-ensembles de l’ontologie, et si besoin d’envisager des présentations adaptées, et cela de façon adéquate aux contextes d’usage. Ces ontologies adaptatives peuvent donc être le pilier pour le raisonnement dépendant du contexte d’usage.

Profil du candidat :
Master en informatique (si possible avec mention), formé à la représentation de connaissances et aux technologies du web sémantique. Compétences en programmation, bonnes capacités de rédaction, y compris en anglais.

Formation et compétences requises :
Master en informatique (si possible avec mention), formé à la représentation de connaissances et aux technologies du web sémantique. Compétences en programmation, bonnes capacités de rédaction, y compris en anglais.

Adresse d’emploi :
Le la doctorant.e bénéficiera d’une allocation doctorale interdisciplinaire (ADI) cofinancée par l’Université de Toulouse et la région Occitanie (démarrage octobre 2023 pour 3 ans). La thèse sera co-encadré par Cassia Trojahn (IRIT, UT2J), Christophe Baehr (CRNM) et Nathalie Aussenac-Gilles (CNRS/IRIT).

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : IRIT/CLLE (Toulouse)
Durée : 3 ans
Contact : cassia.trojahn@irit.fr
Date limite de publication : 2023-09-30

Contexte :
Le projet RIMO cherche à construire le premier référentiel FAIR, conceptuel, terminologique et interdisciplinaire de la mémoire. Consultable au sein d’une plateforme en libre accès, il autorisera différents niveaux d’abstraction et d’interrogation. L’utilisateur (grand public, praticien ou spécialiste des sciences de la mémoire) pourra, en fonction de son expertise, exploiter les concepts de la mémoire en prenant différents points de vue. Ces points de vue pourront être des acceptations générales de ce que l’on entend par “mémoire” autant que des théories et outils spécifiques.

Sujet :
Les objectifs sont de :
(1) constituer un corpus textuel scientifique annoté à partir de textes issus des sous-disciplines de la science de la mémoire intégrées au champ d’application du projet. Ceci en s’appuyant sur un réseau de recherche (le GDR/Réseau Thématique Mémoire) et en exploitant une théorie cognitive des processus d’annotation ;
(2) exploiter, sur des corpus interdisciplinaires, des avancées récentes de l’intelligence artificielle dont l’apprentissage automatique et l’apprentissage par représentation afin d’extraire des termes et des relations entre eux. Les techniques du traitement du langage naturel, de l’extraction de connaissances utilisant des approches neuro-symboliques seront également mobilisées ;
(3) construire un modèle conceptuel du domaine de la mémoire au sein d’une ontologie qui doit tenir compte de différents points de vue et niveaux d’abstraction.

Profil du candidat :
Le projet de thèse proposé s’adresse principalement à un.e titulaire d’un Master en informatique, linguistique computationnelle, intéressé.e par les thématiques développées par l’IRIT et souhaitant construire une expertise à ce sujet (voir plus haut), tout en incorporant à son travail une expertise en psychologie sur les modèles à deux processus de mémoire (recollection, familiarité) et les représentations associées (représentation détaillée, représentation thématique).

Le projet proposé pourrait également convenir à un.e titulaire d’un Master en psychologie, déjà intéressé.e par les outils permettant d’étudier les processus de récupération en mémoire et les représentations associées, qui souhaiterait développer également des compétences en informatique (extraction de connaissances à partir de textes, construction d’ontologies, apprentissage automatique).

Formation et compétences requises :
(Voir profil)

Adresse d’emploi :
Toulouse

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : University of Murdoch (Australia) – Tetis (Montpel
Durée : 36
Contact : maguelonne.teisseire@teledetection.fr
Date limite de publication : 2023-09-30

Contexte :
Joint PhD position
Data-Driven Methods for Modeling the 3D Structure of Plants

Sujet :
The aim of this PhD thesis is to develop data-driven techniques for modelling the 3D structure of plants and analyze how plant structure is affected by various intrinsic and extrinsic factors such as soil conditions and environmental factors. This is an important problem that has a wide range of applications in plant biology and agriculture. One of the main scientific challenges is to develop efficient algorithms for the extraction of features and patterns from 3D point clouds representing plant shape. Another challenge is to develop models that can simulate the growth and development of plant structures over time, taking into account various environmental factors. Another scientific question addressed in this project is how to analyze the complex relationships between plant structure and function at different scales. This involves the development of methods to measure and quantify plant traits such as biomass, leaf area, and stomatal density, and to relate these traits to plant function and performance. Overall, the project aims to advance our understanding of the structure-function relationships in plants and to provide new tools for plant breeders, ecologists, and agronomists to improve crop productivity and resilience in the face of environmental challenges.
Keywords: Deep Learning, 3D computer vision, shape analysis, geometric modelling.

Profil du candidat :
Qualification: The successful candidate is expected to have a MSc degree (or equivalent), with a significant research component, completed by September 2023, with background in either image processing, computer vision, computer graphics, machine learning applied for vision, or 3D geometry processing. Students with background in mathematics, especially 3D geometry, are highly encouraged to apply.

Formation et compétences requises :

Experience: The ideal candidate should have some knowledge and experience in at least one of the fields listed above. The successful candidate should have strong programming skills.

As for generic competences, we seek a qualified self-motivated professional, open to multidisciplinary, with capacity to undertake independent research, ability to work in a teamwork, and self-motivated.

Language Skills: Fluent written and verbal communication skills in English are required.

Adresse d’emploi :
The candidate should also be willing to spend 18 months in Australia and 18 months in France.

Document attaché : 202307101258_TETIS_Murdoch_Joint_PhD_position_2023.docx – Google Docs.pdf

Offre en lien avec l’Action/le Réseau : SimpleText/Doctorants

Laboratoire/Entreprise : ISIR (Paris, France) and IRL – ILLS (Montreal, Ca
Durée : 3 ans
Contact : pablo.piantanida@centralesupelec.fr
Date limite de publication : 2023-08-31

Contexte :
Large Language Models (LLMs) a.k.a foundation models have greatly im- proved the fluency and diversity of machine-generated text. Indeed, the release of ChatGPT and GPT-4 by OpenAI has sparked global discussions on the effec- tive use of AI-based writing assistants. However, this progress has also introduced considerable threats such as fake news, and the potential for harmful outputs such as toxic or dishonest speech, among others. As it seems, the research on methods aimed at detecting the origin of a given text to mitigate the dissemination of forged contents and to prevent technology-aided plagiarism lags behind the rapid advancement of AI itself. For tasks like question-answering, it is essential to know when we can trust the natural language outputs of foundation models. Likewise, for tasks like machine translation, it becomes important to detect hallucinations or omissions, i.e., translations that either contain information completely unrelated to the input or that do not include some of the input information.
Recent works have indeed focused on tools that are able to spot such AI- generated outputs to identify and address these underlying risks. However, many of the existing approaches rely on pre-existing classifiers for specific undesired out- puts, which restricts their applicability to situations where the harmful behavior is precisely known in advance.
Statistical analysis of lexical distributions is a valuable approach for anomaly detection in natural texts. By examining the frequency distributions of words and phrases in a given text or dataset, statistical methods can help identify unusual or anomalous patterns that deviate from the norm and these anomalies may indi- cate potentially harmful outputs, may reveal the origin of a given text, or detect hallucinations, stylistic inconsistencies, or even malicious intent in the text. By leveraging statistical methods to analyze lexical distributions, this thesis will fo- cus on the automatic uncovering of deviations and anomalies that may indicate irregularities or unexpected patterns in natural language texts.

Sujet :
Forged texts and misinformation are ongoing issues and are in existence all around us in biased software that amplifies only our opinions for a “better”, more seamless user experience. On social media platforms, such software is used by rogue states, businesses, and individuals to create misinformation, amplify doubts about fac- tual data or tarnish their competitors or adversaries, thereby enhancing their own strategic or economic positions. This spread may be the result of different factors and incentives; however, each poses the same fundamental issue to humanity: the misunderstanding of what is true and what is false.

Leveraging deep learning models for large-scale text generation such as GPT-3 and GPT-4 has seen widespread use in recent years due to superior performance over traditional generation methods, demonstrating an ability to produce texts of great quality, with a coherence and relevance that is sometimes hard to distinguish from human productions. These models generate text via an auto-regressive procedure that samples from a distribution learned to mimic the ”true” distribution of human written texts. Malicious uses of these technologies thus constitute a major threat to truthful information.

Artificial text detection can be viewed as a special case of anomaly detection, broadly defined as the task of identifying examples that deviate from regular ones to a degree that arouses suspicion. Current research in anomaly detection largely focuses either on deep classifiers (e.g., out-of-distribution detection, adversarial attack) or relies on the output of large language models when labeled data is unavailable. Although these lines of research are appealing, they do not scale without requiring a large amount of computing. Additionally, these methods make the fundamental assumptions that (1) the statistical information needed to iden- tify anomalies is available in the trained model, (2) the model uncertainty can be trusted, which is typically not the case as illustrated in the presence of a small shift in the input distribution. LLM-based approaches do not perform well when used on large text fragments, as may be needed in practical applications (e.g., novel, story, or news generation), because of the fixed length context used when training the language model.

This Ph.D. thesis focuses on developing hybrid anomaly detection methods using deep neural network-based techniques and word frequency distributions that are linguistically inspired. Most of the research on language models to date fo- cuses on sentence-level processing and fails to capture long-range dependencies at the discourse level. Instead, we will leverage word frequency distributions and information measures to characterize long documents, incorporating a very large number of rare words, which often leads to strange statistical phenomena such as mean frequencies that systematically keep changing as the number of observations is increased. Advanced concepts from statistics and information measures are nec- essary to understand the analysis of word frequency distributions and to capture document-level information. We are expected to design and develop novel statistical models and algorithms specifically tailored for analyzing lexical distributions in natural texts. Extensive experiments on real-world data sets will be executed to showcase the viability of our approach, benchmark its performance, and analyze its advantages, limitations, and areas for improvement.

*Research questions*
Some potential research questions for our consideration are:

• How can lexical distributions be effectively modeled and represented in natural language texts?

• What information (statistical) measures and techniques can be derived to identify anomalies in lexical distributions?

• How can contextual information and linguistic features be integrated into anomaly detection models based on lexical distributions?

• Can unsupervised learning techniques be leveraged to detect anomalies without the need for labeled anomaly data?

• How can domain-specific knowledge and expert (or mechanical) feedback be incorporated into the anomaly detection process to improve performance?

This research will provide a deeper understanding of statistical analysis techniques for anomaly detection in natural texts and contribute to the development of more accurate and reliable methods for identifying unusual patterns in language usage.

*Team supervision*
Institut des Systèmes Intelligents et de Robotique (ISIR) and the International Laboratory on Learning Systems (ILLS) are looking for a student with a background in AI and Data Science, who gets inspired by sciences and the opportunities of data and AI to solve complex NLP problems. You have strong programming skills and a very good understanding of data science, statistics, and Machine Learning.

*An international and stimulating environment for research*
ILLS will promote international mobility between France and Canada to facilitate collaborations with Ph.D students and professors in Canada. The university partners in Canada are: McGill University and École de Technologie Supérieure (ÉTS), and the Quebec Artificial Intelligence Institute (Mila), which are major players in AI at the inter- national. They are involved in many research, industrial and academic projects. François Yvon, who will supervise this thesis at ISIR (Sorbonne Université), is a senior researcher at CNRS and a recognized expert in Automatic language pro- cessing, Machine translation, Speech recognition, Statistical language modeling, Document mining, Learning by analogy. Prof. Pablo Piantanida, who will super- vise this thesis on the ILLS (McGill – ETS – Mila) side, is a recognized expert in information theory and Machine Learning. One of the strengths of the partners, is first the high level of the international within the recently created International Research Laboratory ILLS of the CNRS in Montreal, allowing a highly dynamic and rich research environment in AI at large.

Profil du candidat :
• Very good understanding of Machine Learning theory and techniques.
• Good programming skills in Python (PyTorch).
• Applications/ domain-knowledge in natural language processing is a plus.
• Good communication skills in written and spoken English.
• Creativity and ability to formulate problems and solve them independently.

Formation et compétences requises :
• MSc program in Computer Science, Machine Learning, Computer Engi- neering, Mathematics, or related field (e.g. applied mathematics/statistics).

Adresse d’emploi :
https://emploi.cnrs.fr/Offres/Doctorant/UMR7222-YVEGER-002/Default.aspx?lang=EN

Document attaché : 202307091401_PhD_Topic_CNRS_ISIR_ILLS.pdf