|
Schémas Winnograd: données et modèles| old_uid | 19940 |
|---|
| title | Schémas Winnograd: données et modèles |
|---|
| start_date | 2022/02/01 |
|---|
| schedule | 10h30-12h UTC+1 |
|---|
| online | no |
|---|
| location_info | salle Lettres 1 |
|---|
| details | Lien de connexion : https://www.gotomeet.me/visio-lattice |
|---|
| summary | Les schémas Winograd (Levesque et al., 2012) sont des problèmes de résolution anaphorique très faciles à résoudre pour les humains, mais dont la résolution demande des capacités de raisonnement sur les connaissances du monde. Depuis une dizaine d’années, diverses collections de schémas Winograd ont été élaborées, avec l’idée force qu’un système capable de résoudre automatiquement de telles collections constituerait un progrès significatif en intelligence artificielle. Dans cet exposé, je vais proposer un panorama des études récentes portant sur les propriétés linguistiques et psycholinguistiques de ces collections, et résumer les grandes classes d’approches proposées par la communauté et leurs performances. Les benchmarks Winograd sont venus rejoindre d’autres bancs d’essai couramment utilisés en TAL, surtout depuis l’émergence des modèles de langue neuronaux ; je montrerai, comme le suggèrent Kocijan et al. (2022), que même si les résultats des systèmes actuels ont atteint des performances comparables à celles des humains, on reste loin d’avoir trouvé les clés de l’intelligence artificielle. |
|---|
| responsibles | Sarda |
|---|
| |
|