Description
Date depot: 11 avril 2022
Titre: Qualification et quantification du Bien et du Mal dans un modèle de raisonnement éthique
Directeur de thèse:
Gauvain BOURGNE (LIP6)
Directrice de thèse:
Marie-Jeanne LESOT (LIP6)
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: Cette thèse en Intelligence Artificielle s'inscrit dans le domaine de l'éthique computationnelle.
Différents cadres de raisonnement éthique ont été proposés pour modéliser les principes éthiques définis par les philosophes en éthique normative. Ils partagent le besoin, pour une application donnée, de qualifier et/ou quantifier le Bien ou le Mal associés à des actes ou leurs conséquences, de manière absolue ou relative à des modalités ou personnes.
Ce besoin d'évaluer des situations complexes pouvant affecter différents agents selon différents critères se retrouve dans d'autres domaines de l'intelligence artificielle tels que les problèmes d'allocation de ressources, et plus généralement le choix social computationnel ou l'étude des fonctions d'agrégation.
L'objet de cette thèse est donc de tirer parti des travaux de ces différents domaines pour étudier les mécanismes de qualification et de quantification du Bien ou du Mal mis en oeuvre dans la modélisation d'un raisonnement éthique. Il s'agit d'identifier les données irréductibles (ce qu'il est nécessaire d'indiquer et de quantifier comme entrée atomique), de caractériser les différentes étapes d'agrégation (par cible, par modalité, sur les différentes conséquences plus ou moins directes d'une actions, sur les différents actions d'un plan...). Un objectif majeur de cette thèse est de concevoir un cadre générique formel couvrant et intégrant tous ces aspects, de l'implémenter dans une plateforme ouverte et de le mettre en oeuvre sur une série d'exemples qu'il s'agira de construire avec un souci d'ancrage dans des situations réalistes, concrètes et illustratives.
Doctorant.e: Gervois Guillaume