Fonction indiquée au moment de l’intervention : Titulaire de la chaire d’intelligence artificielle centrée sur l’humain à l’Université d’Augsbourg, selon la présentation de l’entretien de 2024.
Elisabeth André : rendre les robots plus faciles à adapter
PROPOS RAPPORTÉS
Dans cet entretien de 2024, Elisabeth André distingue les performances spécialisées de l’IA de l’intelligence humaine. Elle met en avant l’apprentissage humain à partir de peu d’exemples et son efficacité énergétique. Elle envisage des robots configurables par démonstration et instructions multimodales, sans programmation complexe.
Synthèse en français, sans citation littérale. Elle ne représente pas l’intégralité de la source.
Crédits et licences
Illustration générée par IA, et non photographie documentaire.
Illustration IA, adaptée du portrait d’Elisabeth André publié dans Kurdyukova, André et Leichtenstern (2010), A decision-theoretic approach to maintain trust in ubiquitous display environments, International Journal of Computing 9(3), p.227, via OPUS Augsburg, CC BY 4.0. Extraction, transformation en illustration et fond modifié. Photographe non précisé dans la source.
Modifications : Extraction du portrait nominatif p. 227, transformation cartoon, cadrage et fond noir-violet/magenta modifiés. Déclinaisons WebP pour l’affichage web, sans recadrage supplémentaire.
Une illustration éditoriale ne constitue pas un soutien ou une affiliation de la personne représentée à MIND AI THINK TANK.
Les personnes référencées ne sont pas présentées comme membres, partenaires ou soutiens de MIND AI THINK TANK. Leurs interventions sont étudiées comme sources publiques.
D’autres regards sur ces domaines
Des interventions publiques indépendantes, rapprochées par leurs thèmes.
Laurent AlexandreIA et présidentielle de 2027 : les priorités défendues par Laurent Alexandre
Maja MatarićMaja Matarić : concevoir des robots qui aident les personnes à progresser
Hiroaki KitanoMultiplier les hypothèses, puis les tester dans des laboratoires autonomes
Ken GoldbergKen Goldberg : associer apprentissage et ingénierie pour des robots fiables
