index - Programme National de Recherche en IA Accéder directement au contenu

Bienvenue sur la collection des archives ouvertes HAL du Programme National de Recherche en IA (PNRIA). Cette collection ambitionne à rassembler les productions issues des projets financés par le PNRIA déposées dans HAL

En clôture de la journée de débats « AI for Humanity » qui s’est tenue à Paris le 29 mars 2018, le Président de la République a prononcé un discours sur l’intelligence artificielle (IA) présentant la stratégie française en la matière. Le Programme national pour l’IA mobilisera un budget de 1,5 milliard d’euros sur la période 2018-2022 dont 45% sera consacré au volet recherche. Dans le cadre de la stratégie « AI for Humanity », Inria a été missionné pour coordonner le volet recherche du programme national en IA.

L'objectif du Programme National de Recherche en IA est double : propulser la France parmi les champions de l’IA et faire de la France le leader européen de la recherche en IA. À cette fin, plusieurs actions seront menées dans une première phase s'étendant de la fin 2018 à 2022 (quatre instituts interdisciplinaires, chaires, contrats doctoraux, formation, supercalculateur, appels de l’ANR, partenariats public-privé et coopérations internationales).

Pour en savoir plus sur les actions du Programme National de Recherche en IA, consultez son site web.

Contact : mission.ia@inria.fr

Derniers dépôts

Chargement de la page

Collaborations

Nombre de dépôts en texte intégral

3 064

Nombre de notices

1 312

Mots clés

Classification Neuroimaging Neural networks Image fusion Machine Learning Machine translation Constraint programming Training Explainable AI Ethics Super-resolution Intelligence artificielle Riemannian geometry Computer vision Deep learning DL Simulated annealing Polynomial optimization Kernel methods Robustness Online learning Fluorescence microscopy Object detection Clustering Excursion sets MRI Neural network Image segmentation Argumentation Convex optimization Macroscopic traffic flow models Optimization Data fusion Optimal control Convolutional neural network Co-clustering Sparsity Éthique Scheduling Sparse unmixing Task analysis Simulation Bias Variational autoencoder Linked Data Segmentation Privacy Stochastic optimization Pansharpening Evaluation complexity Generative models Inverse problems Deep learning Semantic Web Convolutional neural networks Interpretability Natural language processing COVID-19 EEG Image processing Hyperspectral Evaluation Diffusion MRI Deep Learning Unsupervised learning Explainability Data mining Artificial intelligence Artificial Intelligence Convolution Convolutional Neural Networks XAI Medical imaging Alzheimer's disease Endmember variability Semantic segmentation Uncertainty Stability Transfer learning Spiking neural networks RDF Big data Spectral unmixing Complexity Self-supervised learning Dimensionality reduction Semidefinite programming Anomaly detection Representation learning Natural Language Processing Computer Vision Prediction Optimal transport FOS Computer and information sciences Ensemble learning Fairness Feature extraction Hyperspectral imaging Machine learning Reinforcement learning Remote sensing

Secrétariat général pour l'investissement                          


Conçu par le service IES Inria :     Hébergé par HAL : http://hal.archives-ouvertes.fr/