Les cerveaux derrière l’IA est une série vidéo en 10 épisodes qui nous fait découvrir les coulisses de l’intelligence artificielle et certains des chercheurs canadiens les plus talentueux dans ce domaine.
Elle présente les projets de recherche qui les occuperont au cours des cinq prochaines années en tant que titulaires et boursiers de chaires en IA Canada-CIFAR, et ce qui les motive à mener des recherches dans des domaines qui vont transformer notre façon de vivre et de travailler.
Le CIFAR est à la tête de la Stratégie pancanadienne en matière d’intelligence artificielle du gouvernement du Canada, assortie d’un octroi de 125 millions de dollars, en collaboration avec les trois nouveaux instituts d’IA : Amii à Edmonton, Mila à Montréal et l’Institut Vecteur à Toronto.
Surveillez chaque semaine la diffusion de la nouvelle vidéo « Les cerveaux derrière l’IA » et participez à la conversation sur Twitter avec #RealBrains sur @CIFAR_News.
I’m Alisa Strome I’m the associate vice
president research and the executive
director of the pan-canadian
AI strategy at Seaford so one of the key
elements of the pan-canadian AI strategy
is the Canada CFRA I chairs program
which is designed to both recruit and
retain some of the world’s great
researchers in AI in Canada as part of
our national ai’s strategy we’re
investing very deeply in fundamental AI
research and the goal is to really
support the scientists who are
developing and advancing the science of
AI and thinking about what are the
opportunities for its applications and
how do we make those better more
efficient more effective one of the
biggest challenges in AI in Canada and
around the world is around equity
diversity and inclusion right now
internationally around the world only
18% of researchers in AI are women and
clearly that’s a problem and I think
it’s a problem that we need to solve
it’s a problem in Canada just like it is
everywhere else in the world and so it’s
see far we’re actually really focusing
very distinctly on that issue many of
the training programs that we offer for
graduate students and even high school
students and Beyond across the country
every summer are really focused on
engaging and working with
underrepresented groups in AI a
particular focus on engaging girls and
women and giving them skills and
expertise so that they can
to pursue careers in AI and help us to
drive this technology forward as a
society if we are going to be able to
really truly benefit on what AI can
offer to humanity we need to make sure
that many many different perspectives
are included
Que fait le Canada pour favoriser l’équité, la diversité et l’inclusion dans le domaine de la recherche et développement en IA ? Elissa Strome est vice-présidente adjointe en recherche et directrice exécutive de la Stratégie pancanadienne en matière d’intelligence artificielle au CIFAR. Elle est l’un des cerveaux derrière cette stratégie, la première stratégie nationale au monde qui soutient l’équité, la diversité et l’inclusion dans les secteurs de la recherche en IA, de la formation de la relève et du développement de produits et services.
I’m Jimmy Paul I’m a assistant professor
at the University of Toronto and also a
faculty affiliate at vector Institute
I’m interested in how to make new and I
was to learn faster because right now
audioletter kind of silly compared to
humans
then with quite a lot of data and a lot
of compute so my research focus or do I
make them faster and how can I
understand the current algorithms that
we apply in deep learning that makes
them work so to me my personal interest
is by building faster learning machines
we can probably tap in some new insight
about how human intelligence works
behind the same right the kind of take a
little peek behind the curtains to
understand what makes us so special to
understand the world around us what gave
us ability to learn the included physics
models and allows us to do like
high-level reasonings about our
long-term plans and short-term plans my
personal belief is that the more
dialogues we have across the disciplines
across the field the better we’ll
understand the problem as a whole of how
should we decide as a society to unable
the technology for everyone for me it’s
a great opportunities to work on very
foundational research problems where
typically the industry search are very
short term and you’re cited in a sense
that we think about two or three years
research program that potentially has a
product on the line where see far to
give me the freedom and able me to focus
on more much more long term research
problems for example AI safety program
and building model-based reinforcement
learning or trying to understand the
theoretical properties of the deep
learning when we use today
you
Comment accélérer les réseaux neuronaux ? Jimmy Ba, titulaire d’une chaire en IA Canada-CIFAR, est le cerveau derrière l’optimiseur Adam, l’un des algorithmes les plus importants pour l’entraînement de modèles d’apprentissage profond. Membre du corps professoral de l’Institut Vecteur à Toronto et professeur adjoint au département d’informatique de l’Université de Toronto, il mène des recherches en IA pour développer de meilleurs technologies pour tous.
Pouvons-nous entraîner un ordinateur à comprendre le langage comme un humain le fait ? Et pouvons-nous utiliser ce langage pour bâtir un monde virtuel en 3D ? Angel Chang, titulaire d’une chaire en IA Canada-CIFAR, utilise l’IA pour convertir le langage naturel en représentations du monde en 3D afin de mieux préparer les systèmes du futur à interpréter le monde réel et à y agir. Angel est membre du corps professoral de l’Alberta Machine Intelligence Institute (Amii) et professeure adjointe à l’Université Simon Fraser.
my name is Jakob NGO and I’m a professor
at University Maria I am the scientific
director of miele my collaborators and I
are trying to understand the limitations
of guarantee.i which is using machine
learning a lot of deep learning we are
very interested in the perspective of
how agents like animals and humans who
act in their environment actually have
some understanding of their environment
understand that the causal relationships
in it and how they can reason in it by
doing things that current learning based
systems are not really yet good at but
that humans are very good at the reason
I got into AI when I was in my early 20s
is because I thought that intelligence
was one of the biggest mystery that
science needed to understand and in
addition the reason I got into this
particular approach to AI base on neural
networks is because it sits at the
intersection of the question of
understanding human and animal
intelligence and understanding how to
build intelligent machines and it’s it
rests on the idea that maybe the same
principles would apply to both so the
sea far AI chair program is very
important for Canada’s strategic
development both economically and
socially the chairs are bringing
researchers to Canada are keeping good
researchers in Canada both professors
but also the students and postdocs that
they hire and they’re also showing to
the rest of the world that we are
serious about AI that we are investing
in AI and that it’s a long-term project
for the country
L’IA peut-elle résoudre le mystère de l’intelligence humaine et animale ? Yoshua Bengio, titulaire d’une chaire en IA Canada-CIFAR, est un pionnier de la recherche dans le domaine de l’apprentissage profond et l’un des cerveaux derrière les réseaux neuronaux artificiels, une approche qui enseigne aux ordinateurs à imiter l’intelligence humaine. Yoshua est codirecteur et boursier du programme Apprentissage automatique, apprentissage biologique du CIFAR, professeur à l’Université de Montréal, fondateur et directeur scientifique de Mila, et directeur scientifique de l’IVADO. Il est titulaire de la Chaire de recherche du Canada en algorithmes d’apprentissage statistique et l’un des lauréats du prix Turing de 2018, considéré comme le prix Nobel de l’informatique, pour sa contribution à l’apprentissage profond.
my name is Martha white I’m an assistant
professor at the University of Alberta
and computing science department and
also the director of RLE I I work in an
area called reinforcement learning and
it’s about having an agent interact with
the world the real world around it in a
trial-and-error way and the higher level
goal is about having an agent learning
in a continual way you want you don’t
just want to have an ego that you
programmed offline that you’re deploying
to the real world we kind of think of
them like agents like we are they are
constantly learning as they’re
interacting with the world so the
potential of applications is really big
I would argue that anywhere where humans
are currently doing intelligent things
or that we have intelligent systems is a
great place for reinforcement learning
when you have this agent and it’s
continually interacting in the world it
needs to actually take in that flow of
data and summarize it into some compact
form that lets it reason about the world
so you can’t just remember everything
it’s seen you an imagined it has to pick
out the most important things and store
that information and unconstant Lee
update what it currently believes about
the world so research in general is it’s
always been important but I would argue
it’s becoming even more and more
important as you’re entering this age
where information is just a huge economy
you know expertise is extremely
important if from an industry
perspective I think investing in
research is great because we help
develop that industry but we also
attract really good people to Canada who
will then produce good students that
will start those companies or they
themselves will decide to help start
those companies and that’s in fact
exactly what’s happened in Edmonton
Comment enseignons-nous aux machines à prendre des décisions sensées dans des situations réelles ? Martha White, titulaire d’une chaire en IA Canada-CIFAR, utilise les techniques d’apprentissage par renforcement pour entraîner des agents autonomes à prendre des décisions plus judicieuses et efficaces en procédant par essai-erreur. Les applications sont nombreuses et pourraient être utilisées pour les véhicules et les robots autonomes, ainsi que dans des secteurs d’activité comme les finances ou la fabrication. Martha White est membre de l’Amii, professeure adjointe au département d’informatique de l’Université de l’Alberta et directrice du RLAI.
my name is Blake Richards I’m a
neuroscientist and artificial
intelligence researcher I’m an assistant
professor at McGill University my
research is about trying to uncover
general principles of intelligence that
apply equally to both machines and
people the kinds of things that we study
are for example you know what do you
actually use your memory for and how
does your brain decide what to remember
and what to forget that’s actually a
really fundamental principle to your own
intelligence and your own understanding
of the world you can imagine that if you
were able to build a computer system
that remembered in the way that humans
do it would be just that much more
intuitive and potentially able to take
on human roles in society as opposed to
just being some kind of alien black box
that we stick stuff on see far has had a
big impact on my direction as a
researcher because what it really allows
us to do as researchers is to explore
the edges of our knowledge but also
because a big part of their mission is
that you have to come and talk to other
researchers from other disciplines you
have to get other perspectives come to
lots of meetings think about things in
ways that you hadn’t thought about
before and interact with people you
wouldn’t normally interact with
Comment votre cerveau détermine-t-il quels souvenirs sont assez importants pour les garder en mémoire ? Blake Richards, titulaire d’une chaire en IA Canada-CIFAR et boursier du CIFAR, utilise l’intelligence artificielle pour mieux comprendre les principes fondamentaux de l’intelligence humaine et de celle des machines. Blake est boursier du programme Apprentissage automatique, apprentissage biologique du CIFAR, membre de Mila et professeur à l’Institut et hôpital neurologiques de Montréal et à l’École d’informatique de l’Université McGill.
I’m Alanna fish I’m an assistant
professor at the University of Alberta
and I’m also a Canada Safari i J
my research is trying to find
connections between the way computers
understand the world and the way we
understand the world so when we build
computer models of for example computer
vision we ask computers to tell us
what’s in a picture and it turns out the
way they learn to do that actually looks
a lot like the way the human brain does
it so I’m my research is trying to draw
those connections between the way the
brain works and the way that machine
learning models work we understood how
people perceived images we could build
computer models that perceive images in
the same way and that might mean they’re
better at that perception it could also
mean things like when they make a
mistake it’s a more human mistake and
that sort of thing could be really
important for applications where
computers are interacting with the real
world I think Canada has been so well
positioned for the AI revolution I think
we happen to have a really strong group
of people already here and then with the
funding from Seifer on the Canadian
government were able to grow that team
in a way that has really put us ahead of
other countries I think it’s a great
time to be in Canada for AI but the
thing that I think has been most
important to me with my involvement with
see far has been the networking and the
getting to know other people who are
working on AI so that has been has had a
huge impact on my career a measurable
impact on my career already and I’m
quite a new researcher so having those
sorts of opportunities early on is
really important you can never really
tell what what new science is going to
change the world and so finding the
right people smart people and giving
them the money they need to make
progress is really important and it’s
what will make science into reality
Quand des ordinateurs voient une image, comment la perçoivent-ils ? Alona Fyshe, titulaire d’une chaire en IA Canada-CIFAR, est à l’avant-garde de la recherche en vision artificielle et aide les ordinateurs à voir le monde comme le font les humains. Alona est boursière du programme Développement du cerveau et de l’enfant du CIFAR, professeure adjointe de l’Université de l’Alberta et membre de l’Amii.
Les réseaux neuronaux ont révolutionné certains domaines comme la vision artificielle et le traitement du langage naturel. Mais comment les entraîner pour qu’ils soient encore plus rapides et efficaces ? Roger Grosse, titulaire d’une chaire en IA Canada-CIFAR, vise à améliorer la capacité des machines à prédire certaines situations et à s’y adapter. Roger est professeur adjoint d’informatique à l’Université de Toronto, membre fondateur de l’Institut Vecteur, titulaire d’une Chaire de recherche du Canada en inférence probabiliste et apprentissage profond, et cocréateur de Metacademy.
Les systèmes d’IA de l’avenir, tels que les robots et les véhicules autonomes, seront davantage intégrés à la société. Graham Taylor explore comment rendre les machines plus précises et plus robustes afin qu’elles puissent mieux interagir avec les humains dans le monde réel. Graham est boursier du programme Apprentissage automatique, apprentissage biologique du CIFAR, chercheur mondial CIFAR-Azrieli, membre du corps professoral de l’Institut Vecteur, professeur agrégé de génie à l’Université de Guelph et directeur des études à Next AI.
Résoudre les mystères de l’intelligence artificielle pourrait conduire à une compréhension plus profonde de notre propre intelligence humaine. Rich Sutton est un pionnier de l’apprentissage par renforcement, un type d’apprentissage automatique qui permet aux machines d’apprendre des interactions avec leur environnement. Rich est boursier principal du CIFAR et boursier de l’Amii, professeur à l’Université de l’Alberta et fondateur de DeepMind.
Les machines apprennent mieux quand elles ont accès à de nombreuses données, mais il n’est pas toujours facile d’obtenir de gros ensembles de données. Hugo Larochelle, titulaire d’une chaire en IA Canada-CIFAR, fait progresser la recherche dans le domaine de l’apprentissage à partir de peu de données (few-shot learning), une technique couramment utilisée en vision par ordinateur. Hugo cherche à rendre les systèmes plus rapides et plus précis en l’absence de nombreuses données d’entraînement, un exploit qui pourrait rendre l’apprentissage automatique accessible à un public plus large. Hugo est membre associé du programme Apprentissage automatique, apprentissage biologique du CIFAR, membre du corps professoral de Mila et professeur à l’Université de Montréal. Il dirige le groupe Google Brain à Montréal.
James Wright, titulaire d’une chaire en IA Canada-CIFAR, utilise des algorithmes d’apprentissage automatique pour prédire les comportements humains stratégiques, une approche qui vise à trouver des moyens d’aligner les intérêts et les objectifs entre de nombreuses personnes, choses et situations. Ses recherches auront des répercussions considérables dans les domaines de l’économie, du commerce et des marchés. Cela pourrait révolutionner la façon dont nous organisons les plateformes en ligne au bénéfice de tous. Boursier à l’Amii, James est professeur adjoint à l’Université de l’Alberta.
Ce site Web enregistre des témoins sur votre ordinateur. Ces témoins sont utilisés pour recueillir des renseignements sur votre interaction avec notre site Web et nous permettre de vous reconnaître. Nous utilisons ces renseignements afin d'améliorer et de personnaliser votre expérience de navigation et à des fins d'analyse et de mesures concernant nos visiteurs, tant sur ce site Web que sur d'autres médias. Pour en savoir plus sur les témoins que nous utilisons, consultez notre politique deconfidentialité.
