Par: Justine Brooks
23 Mai, 2024
Le CIFAR attribue six nouvelles subventions Catalyseur en IA
23 mai 2024
Les projets traitent de questions urgentes en matière d’intelligence artificielle (IA) responsable, d’énergie et d’environnement ainsi que de recherche fondamentale.
La plus récente série de subventions Catalyseur en IA du CIFAR fait suite aux efforts des groupes de travail du CIFAR sur l’énergie et l’environnement et l’IA responsable et correspond à l’axe de recherche prioritaire « Promotion de la science de l’IA » de la Stratégie pancanadienne en matière d’IA.
Six nouvelles subventions Catalyseur en IA du CIFAR ont été attribuées dans le cadre de la série de candidatures pour 2023, dans trois volets : IA fondamentale, Énergie et environnement et IA responsable. Les projets retenus l’ont été en raison de leur créativité et de leur innovation dans la poursuite de recherches à risque élevé et à fort impact, susceptibles d’avoir de vastes répercussions dans les domaines de l’IA et de l’apprentissage automatique. Chacun recevra jusqu’à 50 000 dollars par année pour une durée maximale de 2 ans afin de soutenir la recherche collaborative et les échanges avec les titulaires de chaires en IA Canada-CIFAR actuels. Trois subventions plus modestes ont également été accordées pour couvrir des frais de participation à des conférences.
IA fondamentale
Générer des images grâce à des instructions multimodales
Wenhu Chen (Institut Vecteur, Université de Waterloo) et Aishwarya Agrawal (Mila, Université de Montréal)
Les titulaires de chaires en IA Canada-CIFAR Wenhu Chen et Aishwarya Agrawal explorent une nouvelle méthode de création de modèles génératifs fondés sur l’image. En combinant les entrées textuelles et visuelles, ils cherchent à créer un modèle capable de s’adapter à des conditions différentes de celles sur lesquelles il a été entraîné. Ils comptent créer à la fois de nouvelles méthodes d’apprentissage automatique et une démonstration pratique en ligne permettant au public de générer des images.
Les principes fondamentaux des réseaux autoattentifs : de l’optimisation à la généralisation
Murat Erdogdu (Institut Vecteur, Université de Toronto) et Christos Thrampoulidis (Université de la Colombie-Britannique)
Les réseaux autoattentifs sont devenus l’architecture de référence dans diverses applications, allant du traitement et de la génération de langage naturel à la vision par ordinateur et à la prévision des séries chronologiques. Le titulaire de chaire en IA Canada-CIFAR Murat Erdogdu fait équipe avec le professeur adjoint de l’Université de la Colombie-Britannique Christos Thrampoulidis pour fournir aux réseaux autoattentifs des garanties concrètes en matière d’optimisation et de statistiques, une évaluation complète de leurs limites et des choix éclairés pour la conception d’algorithmes plus rapides et d’architectures performantes.
Énergie et environnement
Résoudre des simulateurs au moyen de l’apprentissage par renforcement pour la conception de matériaux et de processus
Martha White (Amii, Université de l’Alberta), Mouloud Amazouz (Ressources naturelles Canada, Université de Waterloo) et Ahmed Ragab (Ressources naturelles Canada, Polytechnique Montréal)
Les simulateurs de conception de matériaux et de processus pour la production de carburants propres peuvent être coûteux. L’optimisation de l’apprentissage par renforcement pourrait aider à résoudre ce problème plus efficacement. Issu du groupe de travail Énergie et environnement du CIFAR, ce projet réunit Martha White, titulaire de chaire en IA Canada-CIFAR, ainsi que Mouloud Amazouz et Ahmed Ragab, chercheurs à Ressources naturelles Canada. En plus d’améliorer les simulateurs, cette recherche pourrait également avoir des utilisations plus larges pour les modèles d’IA appliqués aux enjeux énergétiques et environnementaux.
IA responsable
L’audit de l’IA par l’exploration de la multiplicité de modèles
Golnoosh Farnadi (Mila, Université McGill) et Elliot Creager (Université de Waterloo, affilié de l’Institut Vecteur)
Golnoosh Farnadi, titulaire de chaire en IA Canada-CIFAR, et Elliot Creager, professeur adjoint à l’Université de Waterloo, cherchent à mettre au point de meilleurs outils d’audit pour les modèles fondateurs multimodaux en comprenant comment les entrées de l’utilisateur ou de l’utilisatrice personnalisent le comportement d’un modèle. Ce projet vise à influencer l’ensemble des domaines où l’IA intervient dans la prise de décision, en favorisant la confiance, la robustesse et la fiabilité des technologies émergentes de l’IA.
Classification stratégique robuste et modélisation causale pour l’équité à long terme
Nidhi Hegde (Amii, Université de l’Alberta) et Dhanya Sridhar (Mila, Université de Montréal)
Les algorithmes d’apprentissage automatique sont de plus en plus employés dans la prise de décisions importantes et susceptibles de changer la vie des personnes. Lorsque des erreurs se produisent dans ces modèles, elles touchent de manière disproportionnée les sous-groupes minoritaires. Les titulaires de chaires en IA Canada-CIFAR Nidhi Hegde et Dhanya Sridhar adoptent une approche de l’équité différente, l’objectif étant de permettre aux personnes étiquetées comme ayant des « résultats indésirables » d’obtenir des résultats « souhaités » à long terme. Mmes Hegde et Sridhar étudieront ce recours algorithmique et le potentiel d’amélioration des résultats afin de renforcer la justice à long terme.
Traitement du langage naturel pour les personnes issues de cultures différentes
Vered Shwartz (Institut Vecteur, Université de la Colombie-Britannique) et Siva Reddy (Mila, Université McGill)
Les grands modèles de langage (GML) de langue anglaise actuels sont entraînés à partir de données d’utilisateurs et d’utilisatrices provenant principalement des États-Unis, ce qui conduit à une focalisation étroite sur l’Occident. Cette perspective occidentale rigide peut conduire à ce que les modèles perpétuent et renforcent les stéréotypes et les inégalités, limitant ainsi leur efficacité pour les personnes non occidentales. Les titulaires de chaires en IA Canada-CIFAR Vered Shwartz et Siva Reddy évalueront la sensibilisation culturelle des GML actuels dans le but d’améliorer leur compétence culturelle.
Outre les subventions susmentionnées, trois subventions ont été octroyées pour couvrir les frais liés à la participation à des conférences. Une attention particulière a été accordée aux conférences qui offrent des occasions aux membres d’une communauté méritant l’équité.
- L’IA collaborative et la modélisation des humains, Matthew Taylor (Amii, Université de l’Alberta) et Cristina Conati (Université de la Colombie-Britannique)
- Conférence de l’IEEE sur l’apprentissage automatique sécuritaire et digne de confiance de 2024, Nicolas Papernot (Institut Vecteur, Université de Toronto)
- Conférence internationale sur la planification et l’ordonnancement automatisés de 2024, Sheila McIlraith (Institut Vecteur, Université de Toronto) et Nathan Sturtevant (Université de l’Alberta)