Chris J. Maddison
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 – 2020
Chris Maddison est titulaire d’une chaire en IA Canada-CIFAR à l’Institut Vecteur, professeur adjoint aux départements d’informatique et de sciences statistiques de l’Université de Toronto et chercheur à DeepMind.
Il développe des algorithmes d’apprentissage automatique dans le but à long terme de faire progresser les applications de l’intelligence artificielle dans le domaine des sciences naturelles. Il s’emploie à améliorer les outils algorithmiques afin de résoudre des problèmes tels que l’entraînement des réseaux neuronaux, l’estimation du gradient et la simulation stochastique. Il a également le plaisir de collaborer à des projets de sciences appliquées de grande envergure.
Prix
- Bourse Open Philanthropy AI, 2018
- Médaille Marvin Minsky pour des réalisations exceptionnelles en IA de l’IJCAI (AlphaGo Team), 2018
- Festival international de la créativité Cannes Lions (AlphaGo Team), 2016
- Bourse d’études Google DeepMind, 2016
- Prix du meilleur article, Neural Information Processing Systems (NeurIPS), 2014
Publications Pertinentes
- Johnson, D., El Hanchi, A., Maddison, C. (2023). « Contrastive Learning Can Find An Optimal Basis For Approximately View-Invariant Functions », ICLR.
- Maddison, C., Paulin, D., Teh, Y.W., Doucet, A. (2021). « Dual Space Preconditioning for Gradient Descent », SIAM Journal on Optimization.
- Paulus, M., Choi, D., Tarlow, D., Krause, A., Maddison, C. (2020). « Gradient Estimation with Stochastic Softmax Tricks », Neural Information Processing Systems.
- Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., Van Den Driessche, G.,... Hassabis, D. (2016). « Mastering the game of Go with deep neural networks and tree search », Nature, 529(7587):484-489.
- Maddison, C. J., Mnih, A., Teh, Y. W. (2017). « The concrete distribution: A continuous relaxation of discrete random variables », International Conference on Learning Representations.