Cheng-Zhi Anna Huang
La nomination
- Titulaire de chaire en IA Canada-CIFAR
- Stratégie pancanadienne en matière d’IA
Connect
À Propos
Compositrice devenue chercheuse en intelligence artificielle, Cheng-Zhi Anna Huang adopte une approche à l’intelligence artificielle et à la créativité centrée sur l’humain dans le but d’élargir la portée créative des artistes débutants et chevronnés. Dans ses recherches, elle se penche entre autres sur la modélisation générative, la conception d’outils d’aide à la créativité et l’étude de la cocréation entre l’être humain et l’IA dans le cadre du AI Song Contest.
Elle souhaite 1) apprendre des réactions humaines pour calibrer les modèles génératifs en fonction de la façon dont nous vivons les rebondissements de la musique afin d’adapter ces modèles au soutien narratif, 2) concevoir des algorithmes d’apprentissage par renforcement en garantissant la participation des artistes pour soutenir la pratique artistique et repousser les limites de l’art, et 3) tirer profit des modèles génératifs pour concevoir de nouvelles interactions et de nouveaux jeux musicaux qui stimulent les créateurs débutants en musique et améliorent leurs compétences.
Pour résoudre ces problèmes, elle envisage de concevoir des algorithmes d’apprentissage automatique en association avec des interactions humain-machine, où de nouvelles interfaces et de nouveaux environnements utilisateurs permettent des interactions et des flux de travail créatifs qui sont à la fois « utiles pour les gens et utiles pour les modèles ».
Elle s’intéresse aussi à la façon dont nous pouvons concevoir la technologie pour mieux soutenir les pratiques créatives issues de différentes traditions culturelles, en nous inspirant de l’expressivité des changements de tonalité lorsqu’un musicien joue du guzheng et des défis que représente l’écriture de paroles de chansons dans une langue tonale comme le cantonais.
Prix
- Bourse de recherche supérieure, National Science Foundation (NSF), 2008 - 2011
Publications Pertinentes
- Huang, C. Z. A., Koops, H. V., Newton-Rex, E., Dinculescu, M. et Cai, C. J. (2020). AI Song Contest: Human-AI co-creation in songwriting. ISMIR.
- Huang, C. Z. A., Hawthorne, C., Roberts, A., Dinculescu, M., Wexler, J., Hong, L. et Howcroft, J. (2019). The Bach Doodle: Approachable music composition with machine learning at scale. ISMIR.
- Huang, C. Z. A., Vaswani, A., Uszkoreit, J., Shazeer, N., Simon, I., Hawthorne, C., Dai, A. M., Hoffman, M. D., Dinculescu, M. et Eck, D. (2018). Music Transformer. ICLR.
- Huang, C. Z. A., Cooijmans, T., Roberts, A., Courville, A. et Eck, D. (2017). Counterpoint by convolution. ISMIR.
- Huang, C. Z. A., Duvenaud, D., Arnold, K. C., Partridge, B., Oberholtzer, J. W. et Gajos, K. Z. (2014). Active learning of intuitive controls for synthesizers using Gaussian processes. IUI.
Soutenez-nous
Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.
Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada