![james-fall-headshot2](https://cifar.ca/wp-content/uploads/2020/01/james-fall-headshot2.tmb_.jpg)
James Wright
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2018
James Wright est titulaire d’une chaire en IA Canada-CIFAR à l’Amii et professeur agrégé au département d’informatique de l’Université de l’Alberta.
À l’heure où les agents automatisés accomplissent un nombre croissant de tâches, il devient de plus en plus important de comprendre les interactions qu’ils ont entre eux et avec les humains. Si la théorie des jeux offre un cadre formel permettant de mieux saisir ces interactions, elle repose sur l’hypothèse selon laquelle tous les agents sont parfaitement rationnels. Les travaux de James Wright s’appuient à la fois sur la théorie des jeux comportementale et sur l’intelligence artificielle pour modéliser et analyser les interactions des agents rationnels de manière plus réaliste (par exemple, ces agents peuvent être biaisés ou aux prises avec des données ou des ressources informatiques limitées).
Prix
- Bourse d’études supérieures du Canada Alexander-Graham-Bell, CRSNG, 2012
- Bourse postdoctorale, CRSNG, 2016
- Prix de la meilleure thèse de doctorat (mention honorable), ACM SIGecom, 2017
Publications Pertinentes
- MacQueen, R. et Wright, J. (2024). « Guarantees for self-play in multiplayer games via polymatrix decomposability », Advances in Neural Information Processing Systems, 36.
- Liu, V., Wright, J. R. et White, M. (2023). « Exploiting action impact regularity and exogenous state variables for offline reinforcement learning », Journal of Artificial Intelligence Research, vol. 77, p. 71-101.
- d'Eon, G., d'Eon, J., Wright, J. R. et Leyton-Brown, K. (2022). « The spotlight: A general method for discovering systematic errors in deep learning models », Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency, p. 1962-1981.
- Morrill, D., D’Orazio, R., Lanctot, M., Wright, J. R., Bowling, M., Greenwald, A. (2021). « Efficient Deviation Types and Learning for Hindsight Rationality in Extensive-Form Games », Proceedings of the 38th International Conference on Machine Learning (ICML), PMLR 139:7818-7828.
- Albach, M., Wright, J. R. (2021). « The Role of Accuracy in Algorithmic Process Fairness Across Multiple Domains », Proceedings of the 22nd ACM Conference on Economics and Computation, p. 29-49.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.