<p dir="ltr">In the dynamic realm of Artificial Intelligence (AI), this study explores the multifaceted landscape of Trustworthy AI with a dedicated focus on achieving both explainability and acceptance. The research addresses the evolving dynamics of AI, emphasizing the essential role of human involvement in shaping its trajectory.</p><p dir="ltr">A primary contribution of this work is the introduction of a novel "Trustworthy Explainability Acceptance Metric", tailored for the evaluation of AI-based systems by field experts. Grounded in a versatile distance acceptance approach, this metric provides a reliable measure of acceptance value. Practical applications of this metric are illustrated, particularly in a critical domain like medical diagnostics. Another significant contribution is the proposal of a trust-based security framework for 5G social networks. This framework enhances security and reliability by incorporating community insights and leveraging trust mechanisms, presenting a valuable advancement in social network security.</p><p dir="ltr">The study also introduces an artificial conscience-control module model, innovating with the concept of "Artificial Feeling." This model is designed to enhance AI system adaptability based on user preferences, ensuring controllability, safety, reliability, and trustworthiness in AI decision-making. This innovation contributes to fostering increased societal acceptance of AI technologies. Additionally, the research conducts a comprehensive survey of foundational requirements for establishing trustworthiness in AI. Emphasizing fairness, accountability, privacy, acceptance, and verification/validation, this survey lays the groundwork for understanding and addressing ethical considerations in AI applications. The study concludes with exploring quantum alternatives, offering fresh perspectives on algorithmic approaches in trustworthy AI systems. This exploration broadens the horizons of AI research, pushing the boundaries of traditional algorithms.</p><p dir="ltr">In summary, this work significantly contributes to the discourse on Trustworthy AI, ensuring both explainability and acceptance in the intricate interplay between humans and AI systems. Through its diverse contributions, the research offers valuable insights and practical frameworks for the responsible and ethical deployment of AI in various applications.</p>

<p dir="ltr">In this dissertation, we explore the design and control of complex advance systems at various scales with a focus on UAVs in urban environment. In Chapter 2, we introduce a standard for defining routing restrictions based on potential field and propose an air traffic management infrastructure that takes advantage of it. The infrastructure would facilitate the deployment of a collaborative platform, enabling independent parties involved in aerial travel to operate within the same airspace. Chapter 3 introduces a path planning framework tailored for restrictive routing within potential fields. At its core, it decomposes a potential field into multi-scale cells with an estimated risk for restriction violation and utilizes graph-based path planning algorithms to generate routes that are demonstratively safe. Chapter 4 formalizes a new class of neural controllers and an accompanying architecture that use Pontryagin's maximum/minimum principle to generate future state prediction of a system, and the corresponding optimal control needed to drive it to variable online reference state. The proposed model allows for adjustment of the transient characteristics of the system and control. The work sets the stage for the development of advanced flight algorithms for UAVs.</p>

<p dir="ltr">The research delves into the intricate challenge of quantifying data protection, a concept that has evolved from ancient ethical codes to the complex landscape of modern cybersecurity. The research underscores the pressing need for a scientific approach to cybersecurity, emphasizing the importance of measurable security properties and a robust theoretical foundation. It highlights the historical evolution of confidentiality, tracing its roots from ancient civilizations to the contemporary digital era, where the proliferation of technology has amplified both the important ortance and complexity of safeguarding sensitive information. The research identifies key challenges in measuring data protection, including the dynamic nature of threats, the gap between theoretical models and real-world implementations, and the difficulty of accurately modeling risks. It also explores societal challenges related to data protection, such as data breaches, surveillance, social media privacy erosion, and the lack of adequate regulations and enforcement.</p><p dir="ltr">The core of the research lies in developing a causal model that examines the interplay of security controls, vulnerabilities,and threats, providing a deeper understanding of the factors influencing data exposure. The model is built upon a comprehensive literature review, synthesizing key findings and establishing a taxonomy of security protections. The research outlines a structured approach to building and utilizing causality models, incorporating essential elements such as identifying key variables, visualizing causal relationships using Directed (A)cyclic Graphs (DAGs), and determining appropriate research methodologies. The model is rigorously validated through various techniques, including assessing model fit, examining confounding factors. The research also explores a general set of experiments for both interventions and counterfactual studies.</p><p dir="ltr">The research concludes by highlighting potential future research directions, particularly emphasizing the need for standardized data protection metrics and the development of adaptive security systems. It underscores the importance of consistent measurements that enable organizations to compare their security performance effectively and adapt to the evolving threat landscape. The development of adaptive security systems, capable of dynamically modifying defense mechanisms in response to new threats, is also identified as a crucial research avenue. The research's contribution lies in providing a systematic approach to studying data protection, from problem identification to model development, validation, and future directions, ultimately aiming to enhance the protection of sensitive information.</p>

Le développement futur des performances sportives est un sujet de mythe et de désaccord entre les experts. Un article, publié en 2004, a donné lieu à un vif débat dans le domaine universitaire. Il suggère que les modèles linéaires peuvent être utilisés pour prédire -sur le long terme- la performance humaine dans les courses de sprint. Des arguments en faveur et en défaveur de cette méthodologie ont été avancés par différent scientifiques et d'autres travaux ont montré que le développement des performances est non linéaire au cours du siècle passé. Une autre étude a également souligné que la performance est liée au contexte économique et géopolitique. Dans ce travail, nous avons étudié les frontières suivantes: le développement temporel des performances dans des disciplines Olympiques et non Olympiques, avec le vieillissement chez les humains et d'autres espèces (lévriers, pur sangs, souris). Nous avons également étudié le développement des performances d'un point de vue plus large en analysant la relation entre performance, durée de vie et consommation d'énergie primaire. Nous montrons que ces développements physiologiques sont limités dans le temps et que les modèles linéaires introduits précédemment sont de mauvais prédicteurs des phénomènes biologiques et physiologiques étudiés. Trois facteurs principaux et directs de la performance sportive sont l'âge, la technologie et les conditions climatiques (température). Cependant, toutes les évolutions observées sont liées au contexte international et à l'utilisation des énergies primaires, ce dernier étant un paramètre indirect du développement de la performance. Nous montrons que lorsque les indicateurs des performances physiologiques et sociétales -tels que la durée de vie et la densité de population- dépendent des énergies primaires, la source d'énergie, la compétition inter-individuelle et la mobilité sont des paramètres favorisant la réalisation de trajectoires durables sur le long terme. Dans le cas contraire, la grande majorité (98,7%) des trajectoires étudiées atteint une densité de population égale à 0 avant 15 générations, en raison de la dégradation des conditions environnementales et un faible taux de mobilité. Ceci nous a conduit à considérer que, dans le contexte économique turbulent actuel et compte tenu de la crise énergétique à venir, les performances sociétales et physiques ne devraient pas croître continuellement.

Thesis (M.S. in Systems Engineering)--Naval Postgraduate School, June 2010. / Thesis Advisor(s): Goshorn, Rachel ; Goshorn, Deborah. "June 2010." Description based on title screen as viewed on June 24, 2010. Author(s) subject terms: Anomaly Detection, Artificial Intelligence, Automation, Behavior Analysis, Distributed Artificial Intelligence, Intelligence-Surveillance-Reconnaissance, Maritime Domain Awareness, Maritime Force Protection, Multi-agent Systems, Network-centric Operations, Network-centric Systems Engineering, Network-centric Warfare, Smart Sensor Networks, Systems Engineering, Systems Integration, System of Systems. Includes bibliographical references (p. 209-212). Also available in print.

Les interactions collectives, quoique récurrentes chez les microbes, sont paradoxales du point de vue de la sélection naturelle : les traits individuels qui les sous-tendent sont coûteux, donc sujets à l'exploitation de " tricheurs ". Parmi les modèles théoriques, la plupart privilégient des formalismes statiques et idéalisés, et négligent les processus physiques de formation de groupes. Dans une 1ère partie, je décris un cadre formel général pour modéliser les dynamiques évolutives d'un trait social qui augmente la propension à interagir et la cohésion des groupes. Je prouve que la meilleure agrégation des sociaux (attachement différentiel) leur suffit à s'assortir sans besoin de capacités de reconnaissance mutuelle, allégeant l'hypothèse d'attachement préférentiel fréquemment invoquée dans la littérature en l'absence de sélection de parentèle. Dans une 2nde partie, j'étaye cette preuve de principe en spécifiant un modèle computationnel d'agrégation où les individus exercent les uns sur les autres des forces d'interaction d'intensité dépendant de leur type. Je montre que l'émergence et le maintien de la socialité sont compatibles avec de tels processus de formation de groupes, en détaillant à quelles conditions sur les paramètres écologiques et microscopiques. Ce travail constitue une suggestion de scénario mécaniste pour l'évolution de la socialité au sein de groupes de taille arbitraire, ne requérant ni capacités cognitives pour les individus ni apparentement génétique. Il se veut éclairant sur les déterminants évolutionnistes de la structure sociale d'organismes tels que les dictyostélides et les myxobactéries, ainsi que sur les origines possibles de la multicellularité.

Il existe une multitude de traitements d'images dans la littérature, chacun étant adapté à un ensemble plus ou moins grand de cadres d'application. La généralisation ou la mise en collaboration de ces traitements pour un système plus complet et plus robuste est un problème mal posé. Les traitements d'images sont fondamentalement trop différents les uns par rapport aux autres pour être mis en commun de façon naturelle. De plus, ces derniers sont trop rigides pour pouvoir s'adapter d'eux-mêmes lorsqu'un problème non prévu à l'avance par le concepteur apparaît. Or la vision est un phénomène autoadaptatif, qui sait traiter en temps réel des situations singulières, en y proposant des traitements particuliers et adaptés. Elle est aussi un traitement complexe des informations, tant ces dernières ne peuvent être réduites à des représentations réductionnistes et simplifiantes sans être mutilées. Dans cette thèse, un système de vision est entrepris comme un tout où chaque partie est adaptée à l'autre, mais aussi où chaque partie ne peut s'envisager sans l'autre dans les tensions les plus extrêmes générées par la complexité et l'intrication des informations. Puisque chaque parcelle d'information joue un rôle local dans la vision, tout en étant dirigée par un objectif global peu assimilable à son niveau, nous envisageons la vision comme un système où chaque agent délibère selon une interférence produite par le potentiel décisionnel de chacun de ses voisins. Cette délibération est entreprise comme le résultat produit par l'interférence d'une superposition de solutions. De cette manière, il émerge du système à base d'agents une décision commune qui dirige les actions locales faites par chaque agent ou chaque partie du système. En commençant par décrire les principales méthodes de segmentation ainsi que les descripteurs de formes, puis en introduisant les systèmes multi-agents dans le domaine de l'image, nous discutons d'une telle approche où la vision est envisagée comme un système multi-agent apte à gérer la complexité inhérente de l'information visuelle tant en représentation qu'en dynamisme systémique. Nous ancrons dans ces perspectives deux modèles multi-agents. Le premier modèle traite de la segmentation adaptative d'images sans calibration manuelle par des seuils. Le deuxième modèle traite de la représentation de formes quelconques à travers la recherche de coefficients d'ondelettes pertinents. Ces deux modèles remplissent des critères classiques liés au traitement d'images, et à la reconnaissance de formes, tout en étant des cas d'études à développer pour la recherche d'un système de vision auto-adaptatif tel que nous le décrivons.

Ce manuscrit de thèse présente une méthode innovante brevetée pour la détection de comportements collectifs. En utilisant des procédés de fusion sur les données issues d'un réseau multi-capteurs, les récents systèmes de surveillance obtiennent les séquences d'observations des personnes surveillées. Ce bas niveau d'évaluation de la situation a été mesuré insuffisant pour aider les forces de sécurité lors des événements de foule. Afin d'avoir une plus haute évaluation de la situation dans ces environnements asymétriques, nous proposons une approche multi-agents qui réduit la complexité du problème par des agents sur trois niveaux - macro, méso et micro - d'observations. Nous utilisons un nouvel état relatif dans les approches de l'état de l'art pour nous permettre la détection, en temps réel, des groupes, de leurs comportements, objectifs et intentions. Dans le cadre de projets européens, nous avons utilisé un serious game simulant une foule dans des scénarios asymétriques. Les résultats montrent un meilleur accord avec les prédictions théoriques et une amélioration significative des travaux précédents. Le travail présenté ici pourrait être utilisé dans de futures études de détection de comportements multi-agents et pourrait un jour aider à résoudre les problèmes liés aux événements catastrophiques de foules incontrôlables.