Suis nous sur
post_content

Marc G. Bellemare

Titre

  • Membre auxiliaire
  • Titulaire de chaire en IA Canada-CIFAR
  • Apprentissage automatique, apprentissage biologique
  • Stratégie pancanadienne en matière d’IA

À Propos

Les recherches de Marc G. Bellemare se situent au croisement de l’apprentissage par renforcement et de la prédiction statistique.

Ses travaux produisent des résultats théoriques et pratiques, y compris un nouveau traitement distributionnel de l’apprentissage par renforcement, une théorie de l’exploration d’espaces à forte dimensionnalité, la mise au point du très efficace Arcade Learning Environment pour l’évaluation d’agents artificiels et des travaux en apprentissage profond par renforcement. Son objectif à long terme est de concevoir des agents généralement compétents : des agents aptes à fonctionner dans une vaste gamme d’environnements et à éventuellement manifester l’éventail de comportements que nous attribuons aux humains, comme la curiosité, l’ennui, la compétence et la communication émergente.

Publications Pertinentes

  • Bellemare, M., J. Veness et M. Bowling. « The Arcade Learning Environment: An Evaluation Platform for General Agents. » Journal of Artificial Intelligence Research (2013).
  • Mnih, V. et coll. « Human-level control through deep reinforcement learning. » Nature (2015).
  • Bellemare, M.*, W. Dabney* et R. Munos. « A distributional perspective on reinforcement learning. » ICML, 2017.
  • Bellemare, M., S. Srinivasan, G. Ostrovski, T. Schaul, D. Saxton et R. Munos. « Unifying count-based exploration and intrinsic motivation. » Artificial Intelligence (2016).

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