L’un des principaux défis du machine learning actuel est la construction de modèles dont les prédictions sont aisément interprétables par des non spécialistes.
C’est une tâche particulièrement ardue pour les réseaux de neurones dont le fonctionnement naturel est celui d’une boite noire. Parmi les nombreuses approches proposées récemment, nous examinerons l’approche par prototypes. Il s’agit d’une tentative de formaliser la manière dont raisonnent les humains lorsqu’ils procèdent par analogie. L’idée consistant à rapprocher une observation pour laquelle on souhaite faire une prédiction de situations typiques (les prototypes) déjà vues par le passé qui aident à prendre des décisions à la fois pertinentes et intelligibles. Cette approche, déjà ancienne, est aujourd’hui combinée aux modèles de deep learning. Après des premiers résultats encourageants en vision artificielle, cette approche est depuis peu appliquée au Traitement Automatique du Langage qui sera l’objet de ce séminaire.