Toniann Pitassi
La nomination
Titulaire de chaire en IA Canada-CIFAR (en congé)
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2019
Toniann Pitassi est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur et professeure au département d’informatique de l’Université de Toronto avec une nomination conjointe au département de mathématiques. Elle est également titulaire d’une chaire Bell Canada sur les systèmes d’information.
Le champ de recherche principal de Pitassi porte sur la théorie de la complexité, afin de comprendre quels problèmes algorithmiques peuvent être résolus efficacement et de développer les algorithmes les plus performants et les moins coûteux pour les résoudre. L’efficacité et le coût sont mesurés en fonction de trois ressources informatiques : le temps, l’espace et le hasard. Son objectif de recherche est donc de comprendre dans quelle mesure ces ressources sont nécessaires pour résoudre d’importants problèmes algorithmiques et pour mieux saisir les relations et les compromis entre les ressources. La plus grande énigme de l’informatique théorique, le problème P = NP, alimente une grande partie de ses recherches. Ses travaux portent également sur la non-discrimination en intelligence artificielle et sur la manière de traiter les sources de données biaisées.
Prix
- Bourse de recherche, EATCS, 2021
- Membre de l’ACM, 2019
- Membre de l’Institut d’études supérieures de Princeton, 2017-2022
- Prix de la meilleure dissertation à ses étudiants, EACTS, 2015, 2017
- Prix du meilleur article, ACM, 2015
Publications Pertinentes
- Imagliazzo, R., Lei, R., Pitassi, T. et Sorrell, J. (2022). « Reproducibility in Machine Learning », Symposium on Theory of Computing.
- Pitassi, T., Shirley, M. et Watson, T. (2021). « Nondeterministic and Randomized Hierarchies in Communication Complexity », Computational Complexity, vol. 30, no 2, p. 10.
- Fleming, N., Pankratov, D., Pitassi, T. et Robere, R. (2020). « Random O(log n)-CNFs are Hard for Cutting Planes », Journal of the ACM (JACM).
- Madras, D., Creager, E., Pitassi, T., Zemel, R. (2019). « Fairness through causal awareness: Learning causal latent-variable models for biased data », Proceedings of the Conference on Fairness, Accountability, and Transparency, p. 349-358.
- Beame, P., Pitassi, T. (2001). « Propositional Proof complexity: Past, Present », Future, p. 42-70.
- Pitassi, T., Beame, P., Impagliazzo, R. (1993). « Exponential lower bounds for the pigeonhole principle », Computational Complexity, 3(2):97-140.