Blake Richards
La nomination
Membre
Titulaire de chaire en IA Canada-CIFAR
Apprentissage automatique, apprentissage biologique
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2019
Titulaire de chaire en IA Canada-CIFAR – Mandat renouvelé – 2024
Les recherches de Blake Richards se trouvent au croisement de la neuroscience et de l’intelligence artificielle. Son laboratoire étudie les principes universels de l’intelligence qui s’appliquent aux agents naturels et artificiels. Il travaille notamment sur l’apprentissage prédictif, les systèmes mnésiques et les réseaux bio-inspirés.
Prix
- Programme de suppléments d’accélération à la découverte, CRSNG, 2020
- Prix du jeune chercheur, Association canadienne des neurosciences, 2019
- Bourse pour les nouveaux chercheurs de l’Ontario, 2018
- Google Faculty Research, 2016
- Bourse Frontières humaines pour jeune chercheur, 2015
Publications Pertinentes
- Azabou, M., et al. (2024). « A unified, scalable framework for neural population decoding ». Advances in Neural Information Processing Systems, 36.
- Kalajdzievski, D., Mao, X., Fortier-Poisson, P., Lajoie, G., & Richards, B. (2023). « Transfer Entropy Bottleneck: Learning Sequence to Sequence Information Transfer ». Transactions in Machine Learning Research.
- Zadort, A., et al. (2023). « Toward Next-Generation Artificial Intelligence: Catalyzing the NeuroAI Revolution ». Nature Communications, 14: 1597.
- Pogodin, R., Cornford, J., Ghosh, A., Gidel, G., Lajoie, G., & Richards, B.A. (2023). « Synaptic Weight Distributions Depend on the Geometry of Plasticity » In The Twelfth International Conference on Learning Representations.
- Agrawal, K.K., Mondal, A.K., Ghosh, A., & Richards, B. (2022). « $\alpha $-ReQ: Assessing Representation Quality in Self-Supervised Learning by measuring eigenspectrum decay ». Advances in Neural Information Processing Systems, 35, 17626-17638.
- Richards, B. A., Lillicrap, T. P., Beaudoin, P., Bengio, Y., Bogacz, R., Christensen, A., ... & Kording, K. P. (2019). « A deep learning framework for neuroscience ». Nature Neuroscience, 22(11), 1761-1770.
- Bartunov, S., A. Santoro, B.A. Richards, G.E. Hinton and T.P. Lillicrap (2018) « Assessing the scalability of biologically-motivated deep learning algorithms and architectures. » Neural Information Processing Systems.