David Ifeoluwa Adelani
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 – 2024
David Ifeoluwa Adelani est titulaire de chaire en IA Canada-CIFAR à Mila et professeur adjoint à l’École d’informatique de l’Université McGill.
Le domaine de recherche de David Ifeoluwa Adelani est le traitement du langage naturel. Son principal objectif de recherche est de concevoir des modèles d’apprentissage automatique pour les langues peu dotées en ressources (p. ex., les langues africaines, les langues latino-américaines et langues autochtones) en tirant parti du texte, de la parole et d’autres ressources multimodales. Il espère améliorer l’accès aux renseignements et renforcer la communication entre l’humain et la machine pour ces langues peu dotées en ressources.
Certains des projets actuels de David Ifeoluwa Adelani sont axés sur l’adaptation de grands modèles de langage aux langues peu dotées en ressources, sur l’extension de l’évaluation multilingue à plusieurs langues, sur l’élaboration d’indicateurs d’évaluation de la traduction automatique pour les langues peu dotées en ressources, ainsi que sur la mise au point de technologies vocales (p. ex., la reconnaissance automatique de la parole et la synthèse texte-parole) pour les langues peu dotées en ressources.
Prix
- Prix du président de zone, IJCNLP-AACL (2023)
- Prix du meilleur article du Grand défi, COLING (2022)
- Prix de la meilleure présentation d’affiche, The Web Conference (2019)
Publications Pertinentes
- Chen Y., Marchisio K., Raileanu R., Adelani D., Stenetorp P., Riedel S., & Artetxe M. (2023). Improving Language Plasticity via Pretraining with Active Forgetting. NeurIPS.
- Oladipo A., Adeyemi M., Ahia O., Owodunni A., Ogundepo O., Adelani D.I., & Lin J. (2023). Better Quality Pre-training Data and T5 Models for African Languages. EMNLP, pp. 158–168.
- Alabi J., Adelani D.I, Mosbach M., & Klakow D. (2022) “Adapting pre-trained language models to African languages via multilingual adaptive fine-tuning.” COLING, pp. 4336–4349.
- Meyer J., Adelani D.I., Casanova E., Öktem A., Whitenack D., et al. (2022). “BibleTTS: a large, high-fidelity, multilingual, and uniquely African speech corpus”. Interspeech, pp. 2383--2387.
- Adelani D.I., Abbott J., Neubig G., D’souza D., Kreutzer J., Lignos C., et al. (2021). “MasakhaNER: Named entity recognition for African languages.” Transactions of the Association for Computational Linguistics; 9, pp. 1116–1131.