Description
Date depot: 8 avril 2022
Titre: XAI pour le texte : génération de textes contre-factuels
Directrice de thèse:
Marie-Jeanne LESOT (LIP6)
Encadrant :
Jean-Noel VITTAUT (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: L’objectif de cette thèse est de proposer des méthodes de génération de contre-factuels dans le cadre du NLP sous diverses formes de contraintes comme celles de plausibilité, de justesse grammaticale ou d’orientation vers un but. Les générateurs de contrefactuels seront évalués comme source d’interprétabilité et comme méthode de renforcement de la robustesse des modèles de langage manipulés.
Ainsi, ce travail vise à répondre aux questions suivantes :
• Dans quelle mesure les méthodes post-hoc agnostiques existantes sont-elles adaptées aux modèles de deep learning appliqués au NLP ?
• Comment interpréter les modèles de deep learning appliqués au NLP grâce aux paramètres propres à leur structure ? Peut-on en tirer une méthode de génération de contrefactuels ?
• De quelle manière peut-on intégrer les contraintes de plausibilité, d’efficacité et d’orientation vers un but en NLP à la génération de contrefactuels ?
Doctorant.e: Bhan Milan