Présentation des derniers chercheurs engagés à l'ULB
sommairesommairepage précédentepage précédentepage suivantepage suivanteimprimerimprimerenvoyerenvoyermarquermarquer

Mauro BIRATTARI (Chercheur qualifié - 2007)

Parcours

Jusqu'où l'ordinateur pourra-t-il se substituer à l'homme? Question passionnante, presqu'un défi pour Mauro Birattari qui interroge: "On dit souvent que le robot ne peut pas réaliser certaines tâches parce qu'il n'a pas la fantaisie de l'homme. Mais est-ce exact? Ou plutôt est-ce parce que l'homme n'a pas encore compris assez finement ce qu'il fait pour transférer cette connaissance à l'ordinateur?".

Ses premiers contacts avec l'intelligence artificielle, Mauro Birattari les doit à une suite de rencontres à la fin des années '90. Etudiant en dernière année à l'Ecole polytechnique de Milan, il décide de réaliser un mémoire sur l'apprentissage automatique supervisé ou, de manière très simplifiée, comment développer une machine capable d'observer des comportements et de les répliquer. Son mémoire le conduit à Milan, Lugano et Bruxelles où il intègre, d'abord comme étudiant, ensuite comme chercheur, l'IRIDIA (Institut de recherches interdisciplinaires et de développements en intelligence artificielle). "J'y ai rencontré des chercheurs parfois un peu fous, toujours passionnés qui poursuivaient leurs expériences la nuit pour bénéficier d'un réseau informatique moins chargé ou de bureaux vides où leur robot pouvait évoluer. Nous étions nombreux à venir de l'étranger: sans attache à Bruxelles, nous sortions souvent ensemble. C'était une vraie famille. J'ai été séduit", se souvient Mauro Birattari. Il restera à l'ULB.

Le chercheur se préoccupe de l'apprentissage automatique supervisé, en particulier de réseaux de neurones et de la méthode dite d'"apprentissage paresseux" (le "lazy learning"). Alors que les premiers tentent d'apprendre un seul modèle global complexe qui puisse répondre à priori à toutes les questions potentielles, l'apprentissage paresseux, en revanche, utilise une collection de modèles locaux linéaires, à la fois plus simples et visant à répondre à une question ponctuelle ciblée. Dans l'apprentissage paresseux, à chaque question, un nouveau modèle doit être élaboré mais la réponse est trouvée plus rapidement et plus simplement.

Dès 2000, Mauro Birattari se détourne de l'apprentissage automatique pour s'intéresser à l'analyse théorique d'un algorithme d'optimisation que Marco Dorigo, son directeur actuel a élaboré en se basant sur le comportement collectif des fourmis. Ses recherches le conduisent en Suède et en Allemagne où il plonge dans les algorithmes métaheuristiques, son sujet de thèse et son thème de recherche actuelle.

Les algorithmes métaheuristiques sont utilisés pour résoudre des problèmes combinatoires tels que "quel est le parcours le plus court pour un représentant de commerce qui doit visiter X villes, sachant qu'il ne peut pas passer deux fois par la même ville ?". Face à cette question, un algorithme classique atteint ses limites dès que le X représente une valeur élevée: le nombre de parcours possibles augmente exponentiellement avec le nombre de villes de sorte qu'il devient impossible de calculer un itinéraire dans un délai raisonnable. L'algorithme métaheuristique, en revanche, apporte une bonne réponse dans un délai raisonnable même si cette réponse n'est pas garantie optimale. Ou en d'autres termes, si l'algorithme métaheuristique n'est pas exact, il a fait ses preuves dans la pratique quotidienne. Et la pratique ne manque pas lorsqu'on évoque par exemple, les plans de vol à établir, les horaires de cours à déterminer ou la ligne de production d'une usine à organiser.

Les performances des algorithmes métaheuristiques sont toutefois liées à une série de paramètres qu'il faut déterminer. "C'est là que commence mon travail actuel", sourit Mauro Birattari, "je développe des méthodes permettant d'attribuer la bonne valeur aux paramètres". Et pour ce faire, face à une situation donnée - exemple: un livreur de pizzas part toutes les demi-heures en courses; calculer l'itinéraire le plus court, sachant que le nombre de pizzas à livrer et les adresses de livraison changent à chaque course -, il calcule la valeur des différents paramètres en s'appuyant sur la régularité de données passées. Et demain? "La prochaine étape de ma recherche sera de concevoir de façon automatique le bon algorithme, face à une situation donnée. J'aimerais réaliser une "boîte à outils" où on pourra assembler différents paramètres pour obtenir le bon algorithme, un peu comme on assemble des blocs de Lego. Parallèlement, je poursuis mes travaux en robotique, avec un objectif: trouver une méthode d'écriture automatique de programmes pour robots".

Contacts

Mauro BIRATTARI

Ecole polytechnique de Bruxelles

tel 02 650 3168, fax 02 650 2715,
http://iridia.ulb.ac.be/~mbiro/

Campus du Solbosch

ULB CP194/06, avenue F.D. Roosevelt 50, 1050 Bruxelles