Laboratoire de Recherche sur les Sciences de la Matière

AIOLIA gives a robust 3-tier response to the complex challenges posed by the need to operationally interpret the EU AI Act and global AI regulation. (1) Recognizing the gap between ethical values and their practical application in engineering, AIOLIA pioneers a bottom-up approach to operationalize AI ethics with regard to human condition and behaviour. Following a selection of real-world use cases, AIOLIA translates high-level principles into actionable and contextual guidelines co-created by leading academic, policy, and ethics-aware industrial partners who represent diverse professional and geographic European and international contexts. (2) AIOLIA's commitment to context-sensitivity is deepened by crafting modular, inclusive training materials following the ADDIE methodology designed to cater to diverse learning needs. Hosted on the Embassy of Good Science, AIOLIA materials will range from lectures, videos, and mock reviews to such innovative formats as podcasts, Tiktoks, and a chatbot teaching AI ethics. (3) AIOLIA's outreach is amplified by encompassing 7 research ethics and integrity networks and 3 prominent computer science networks. This strategic alignment enables us to effectively recruit training participants and disseminate human-centric ethics guidelines to a wide spectrum of stakeholders, from ethics experts to early-stage researchers and policymakers worldwide. Resolutely European, AIOLIA's vision propagates beyond EU, embracing global cooperation with leading universities and think tanks in China, South Korea, Japan, and Canada. Utilizing UNESCO platform with its reach to Africa and South Asia, AIOLIA’s guidelines evolve into an analytic toolbox for key international AI dialogues and processes. This global perspective ensures that AIOLIA's impact is not only significant but also sustainable, contributing to fair scientific cooperation and providing concrete and culturally informed ethics instruments to shape the next generation of AI systems.

Les technologies quantiques utilisent des ressources non-classiques comme la superposition et l’intrication pour obtenir un avantage quantique. On a compris récemment qu’il est également possible de tirer un avantage computationnel de structures causales fondamentalement quantiques. Cette "indétermination causale" s'avère être une nouvelle ressource, ouvrant une perspective inédite en information quantique. Toutefois, malgré certains progrès théoriques et expérimentaux, les implications concrètes de ces recherches pour le calcul quantique ne sont pas encore suffisamment bien comprises. Dans ce projet, nous développerons la compréhension de l’indétermination causale afin de l’établir fermement en tant que nouvelle ressource non-classique, au même titre que la superposition et l’intrication. Pour cela, nous suivrons trois voies. 1) Nous travaillerons sur les théories probabilistes généralisées, afin de mieux comprendre l’indétermination causale en la plaçant dans une classe plus large de modèles. Cette analyse clarifiera le caractère physique des processus causalement indéterminés, ainsi que le rôle précis des ressources non-classiques. 2) Au-delà du cadre désormais standard du "quantum switch", nous étudierons des modèles plus concrets du calcul causalement indéterminé. Cela nous permettra d’explorer de manière systématique les applications de l’indétermination causale et de mieux saisir son potentiel. 3) Nous utiliserons enfin le "calcul ZX" pour tirer profit du caractère non-classique de l’indétermination causale au niveau de la compilation. Ici, le langage ZX permettra d’aller plus vite vers la programmation des calculs causalement indéfinis, permettant d’optimiser l’utilisation de cette nouvelle ressource. Ces trois volets œuvrent pour un même objectif ultime, qui consiste à formuler les bons arguments dans le bon langage afin de donner à l’indétermination causale toute sa place parmi les principaux paradigmes conceptuels et empiriques de l’information quantique.