Suis nous sur
CIFAR header logo
en
menu_mobile_logo_alt
  • NOTRE IMPACT
    • Pourquoi le CIFAR?
    • Pôles d’impact
    • Nouvelles
    • Stratégie du CIFAR
    • Favoriser la résilience de la Terre
    • Impact IA
    • Impact des dons
    • CIFAR 40
  • Activités
    • Événements publics
    • Réunions sur invitation seulement
  • Programmes
    • Programmes de recherche
    • Stratégie pancanadienne en matière d’IA
    • Initiatives à l’intention de la prochaine génération
  • Communauté
    • Membres et spécialiste-conseils
    • Chercheurs mondiaux CIFAR-Azrieli
    • Direction – Stratégie en matière d’IA
    • Membres du réseau de solutions
    • Direction – CIFAR
    • Répertoire du personnel
  • Soutenez-nous
  • À propos
    • Notre histoire
    • Prix
    • Partenariats
    • Publications et rapports
    • Carrières
    • Équité, diversité et inclusion
    • Déclaration du CIFAR sur la neutralité institutionnelle
    • Sécurité de la recherche
  • en
Nouvelles

Des machines plus performantes grâce à l’apprentissage continu

Par: Krista Davidson
3 Août, 2020
03 août 2020
Banner-News-Articles-sarath

Suivez-nous

Par: Johnny Kung 29 Sep, 2022 Sarath ChandarDans le cadre de la 16e édition annuelle de  l’École d’été sur l’apprentissage profond et l’apprentissage par renforcement (APAR), qui se tiendra virtuellement cette année, plus de 300 étudiants de 45 pays se réuniront pour aborder les savoirs fondamentaux et les dernières percées de l’apprentissage profond et de l’apprentissage par renforcement. Bon nombre d’entre eux poursuivront ensuite une carrière dans le domaine et mettront au point de nouveaux produits et services automatisés. Certains ouvriront même la voie à des innovations et à des percées décisives pour le monde de demain. Sarath Chandar, titulaire d’une chaire en IA Canada-CIFAR, est un ancien étudiant de l’École d’été APAR. Il est aujourd’hui membre académique principal de Mila, l’Institut québécois d’intelligence artificielle, et professeur adjoint à Polytechnique Montréal. Il met au point des systèmes d’apprentissage continu qui permettent aux machines d’apprendre au-delà de l’algorithme utilisé lors de leur déploiement. Ses recherches ont des retombées majeures pour tous les systèmes d’apprentissage automatique déjà en place, tels que les assistants personnels numériques, les voitures sans conducteur et même les applications médicales, comme celles qui permettent de dépister le cancer à partir de données d’imagerie. Les générations actuelles de systèmes d’apprentissage automatique comportent cependant une lacune majeure : une fois formées et déployées dans un cadre donné, elles sont incapables de poursuivre leur apprentissage comme le font les humains. « Certains systèmes deviennent vite obsolètes et doivent être révisés toutes les quelques semaines, explique Sarath Chandar. Et chaque fois qu’il faut réviser un système, cela exige énormément de ressources informatiques, de temps et de données. » Or, rendre les systèmes plus performants grâce à l’apprentissage continu pourrait bien s’avérer d’une importance salutaire. Par exemple, les voitures sans conducteur pourraient s’adapter à de nouvelles situations telles que des conditions météorologiques défavorables ou de nouveaux itinéraires qu’elles ignorent. Du côté de l’imagerie médicale, la machine pourrait détecter des anomalies pour lesquelles elle n’a pas encore été formée. « L’apprentissage continu est l’une des grandes promesses de l’IA, mais il y a encore plusieurs problèmes fondamentaux à résoudre avant d’aboutir à un système d’apprentissage continu parfait », admet Sarath Chandar. Son laboratoire travaille à la fois sur la recherche fondamentale et les applications de l’apprentissage continu dans les domaines de la vision artificielle et du traitement automatique des langues. Avant de devenir titulaire d’une chaire et chercheur reconnu en apprentissage automatique, Sarath Chandar a pris part à deux Écoles d’été – la première à Montréal en tant qu’étudiant au doctorat à l’Université de Montréal, où il a été encadré par les pionniers de l’apprentissage profond Yoshua Bengio et Hugo Larochelle. Ces derniers sont tous deux boursiers du programme Apprentissage automatique, apprentissage biologique du CIFAR et titulaires d’une chaire en IA Canada-CIFAR. En 2019, Sarath Chandar a fréquenté la deuxième École d’été d’Edmonton immédiatement après avoir accepté son premier poste de professeur. Il y a rencontré un grand nombre de futurs collègues et recruté des étudiants de l’École pour compléter son équipe de chercheurs. « Je n’ai pas manqué une seule conférence lors de ces deux Écoles d’été APAR, affirme-t-il. À mon avis, l’intérêt est de pouvoir rencontrer des gens aux parcours différents et de voir comment ils appliquent l’apprentissage automatique à leurs recherches, mais aussi de bénéficier d’un cours accéléré sur des sujets qu’on maîtrise peut-être moins. Il est important de sortir de son domaine de recherche pour découvrir les avancées réalisées dans d’autres secteurs de l’apprentissage automatique. » Pour les étudiants étrangers, ajoute-t-il, cette expérience est aussi l’occasion de visiter des établissements universitaires et des laboratoires de recherche canadiens de calibre mondial. « Je ne peux penser à aucun autre pays au monde qui privilégie la collaboration comme le fait le Canada, souligne-t-il. Étudiants et chercheurs de diverses universités collaborent et échangent des idées. Ça ne se voit nulle part ailleurs. »

Articles liés

  • Le CIFAR annonce la création de la bourse honorifique Alan Bernstein en soutien à la prochaine génération de scientifiques 20 octobre 2022
  • Marla B. Sokolowski et W. Thomas Boyce nommés membres distingués du CIFAR 03 octobre 2022
  • Nouvelles perspectives sur la science de la conscience : Le CIFAR accueille un événement destiné à la prochaine génération à Cancun 29 septembre 2022
  • Fin de l’APAR 2022 et reprise de la formation en personne en 2023 28 septembre 2022

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.

Dons

Articles liés

  • Renforcer l’écosystème des talents en IA au Canada
    16 avril 2025
  • Des titulaires de chaires en IA Canada-CIFAR se sont réunis à Banff à l’occasion de la rencontre annuelle d’IACan
    20 juin 2024
  • Comment le cerveau donne-t-il lieu à l’esprit?
    13 juin 2024
  • Élucider la causalité
    13 juin 2024

Soutenez-nous

L’Institut canadien de recherches avancées (CIFAR) est une organisation de recherche d’influence mondiale fièrement basée au Canada. Nous mobilisons les plus brillants personnes du monde, dans toutes les disciplines et à tous les stades de carrière, pour faire progresser les connaissances transformatrices et résoudre ensemble les plus grands problèmes de l’humanité. Nous recevons l’appui des gouvernements du Canada, de l’Alberta et du Québec, ainsi que de fondations, de particuliers, d’entreprises et d’organisations partenaires du Canada et du monde entier.

Dons
CIFAR header logo

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada

Contactez-nous
Médias
Carrières
Politiques sur l’accessibilité
Bienfaiteurs
Rapports financiers
Abonnez-vous

  • © Copyright 2025 CIFAR. Tous les droits sont réservés.
  • Numéro d’enregistrement d’organisme de bienfaisance : 11921 9251 RR0001
  • Conditions d'utilisation
  • Politique de confidentialité
  • Plan du Site

Souscrire

Rejoignez notre communauté! Restez à jour avec nos nouvelles, événements, conférences et ateliers et dernières découvertes à travers le monde.

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.
Accepter En savoir plus