Apprentissage automatique, apprentissage biologique
Comment approfondir notre compréhension de l’intelligence et construire des machines intelligentes?
Les systèmes d’IA actuels ont une capacité limitée à comprendre le monde. Le programme Apprentissage automatique, apprentissage biologique du CIFAR met à profit la neuroscience et l’informatique pour étudier comment le cerveau et les systèmes artificiels acquièrent leur intelligence par l’apprentissage. La méthode fondamentale du programme — qui revisite des questions de fond plutôt que de se concentrer sur des avancées technologiques à court terme — offre le double avantage d’améliorer la conception technique des machines intelligentes et d’approfondir notre compréhension de l’intelligence humaine.
PÔLES D’IMPACT
Le programme Apprentissage automatique, apprentissage biologique fait partie des pôles d’impact suivants du CIFAR : Décoder les cerveaux et données complexes et Explorer les technologies émergentes. Les programmes de recherche du CIFAR s’articulent autour de cinq pôles d’impact distincts qui traitent de grandes questions d’envergure mondiale et visent à favoriser un environnement propice à l’émergence de percées.
POINTS FORTS DE LA RECHERCHE ET DE L’IMPACT SOCIÉTAL
Oeuvrer en partenariat pour l'avancement de la recherche en intelligence artificielle
Le programme Apprentissage automatique, apprentissage biologique du CIFAR entretient un partenariat avec Inria, l’Institut national de recherche en sciences et technologies du numérique de la France. Tout comme le CIFAR, Inria encourage la prise de risque scientifique et l’interdisciplinarité, et les deux organisations sont des leaders en matière de développement de nouvelles méthodes en apprentissage automatique et en IA.
Mieux comprendre le cerveau par l'IA
Blake Richards (Université McGill, Mila), membre du CIFAR, et Joel Zylberberg (Université York), membre auxiliaire du CIFAR, ont animé un atelier avec des spécialistes du milieu universitaire, de l’industrie et d’organisations à but non lucratif afin de discuter de l’échelle, de la portée, des cas d’utilisation, des structures organisationnelles et du financement nécessaires pour créer des modèles de neurofondation par la mise à profit des progrès récents de l’IA en vue de mieux comprendre le cerveau. Il est possible d’adapter à de nouvelles tâches ces modèles d’apprentissage automatique à grande échelle, préentraînés avec de grandes quantités de données, à l’aide de quantités relativement faibles de nouvelles données d’entraînement et de puissance de calcul; ces modèles pourraient éventuellement servir à la fois les communautés de la neuroscience et de la neurotechnologie, tout en étant utiles à la recherche en apprentissage automatique.
Combler le fossé entre l'apprentissage automatique et l'intelligence humaine
Le groupe de recherche de Yoshua Bengio (IVADO, titulaire de chaire en IA Canada-CIFAR à Mila, Université de Montréal), coresponsable du programme, formule de nouvelles théories visant à combler le fossé entre les techniques actuelles d’apprentissage automatique et l’intelligence humaine. Par l’étude des biais inductifs exploités par les humains et les animaux, les membres du CIFAR précisent les principes censés guider l’intelligence humaine et animale qui pourraient aussi inspirer la recherche en IA et la neuroscience. Les travaux se poursuivent pour concevoir des systèmes d’IA capables de faire preuve d’un apprentissage souple hors distribution et d’une généralisation systématique, domaines où les méthodes contemporaines d’apprentissage automatique accusent encore un retard par rapport aux capacités cognitives humaines.
ARTICLES NOTABLES
Hinton, G. E., S. Osindero et Y. Teh. « A fast learning algorithm for deep belief nets », Neural Computation, 18, (2006) : 1527-1554.
Bengio, Y., P. Lamblin, D. Popovici et H. Larochelle, « Greedy Layer-Wise Training of Deep Networks », Neural Information Processing Systems Proceedings (2006).
Salakhutdinov, R. et G. Hinton. « Learning a Nonlinear Embedding by Preserving Class Neighbourhood Structure », Proceedings of the Eleventh International Conference on Artificial Intelligence and Statistics (2007) : 412-419.
Graves, A., A. Mohamed et G.E. Hinton. « Speech Recognition with Deep Recurrent Neural Networks », 39th International Conference on Acoustics, Speech and Signal Processing, Vancouver (2013).
LeCun, Y., Y. Bengio et G. Hinton. « Deep Learning », Nature, 521 (2015) : 436–444. RÉSUMÉ
Contactez la directrice principale du programme, Kate Geddie
Voie menant à l’impact sociétal
Nous invitons les experts au sein de l’industrie, de la société civile, des soins de santé et du gouvernement à se joindre aux boursiers de notre programme Apprentissage automatique, apprentissage biologique pour participer à de profondes discussions intersectorielles qui favorisent le changement et l’innovation.
Des spécialistes des sciences sociales, des experts de l’industrie, des décideurs et les boursiers du CIFAR au sein du programme Apprentissage automatique, apprentissage biologique se penchent sur des enjeux éthiques complexes relatifs aux environnements de recherche et de formation en IA, ainsi qu’à la mise en œuvre de l’IA.
Axes prioritaires :
- Explorer les répercussions sociétales actuelles et futures de la recherche en IA
- Examiner divers enjeux relatifs à la recherche en IA et à sa mise en œuvre, y compris la protection des renseignements personnels, la reddition de compte et la transparence
Fondation
2004
Dates de renouvellement
2008, 2014, 2019, 2025
Partenaires de recherche
Inria
Bienfaiteurs
Alfred P. Sloan Foundation, Fondation RBC
Collaborations interdisciplinaires
Informatique, y compris intelligence artificielle, apprentissage profond, apprentissage par renforcement
Neuroscience
Bioinformatique
Biologie computationnelle
Statistiques
Science des données
Psychologie
Personne-ressource
Membres et spécialistes-conseils
Coresponsables de programme
Konrad Kording
Coresponsable de programme
Timothy Lillicrap
Coresponsable de programme
Membres
Stefan Bauer
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Membre
Marc G. Bellemare
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Mila
Reliant AI
Université McGill
Léon Bottou
Membre auxiliaire
Université de New York
Chelsea Finn
Membre auxiliaire
Kyunghyun Cho
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2017-2019
Membre auxiliaire
Eva Dyer
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2022-2024
Membre
Institut de technologie de la Géorgie
Nando de Freitas
Membre auxiliaire
Alona Fyshe
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Surya Ganguli
Membre
Alison Gopnik
Spécialiste-conseil
Membre
Développement du cerveau et de l’enfant
Geoffrey Hinton
Membre distingué
Membre distingué ou membre distinguée
Université de Toronto
Vector Institute
Simon Kornblith
Membre auxiliaire
Simon Lacoste-Julien
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
SAIT AI Lab Samsung Montréal
Université de Montréal
Nikolay Malkin
Membre
Christopher Manning
Membre
Lerrel Pinto
Membre
Doina Precup
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Mila
Université McGill
Blake Richards
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université McGill
Benjamin Rosman
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2022-2024
Membre
University of the Witwatersrand
South Africa
Andrew Saxe
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Membre
Bernhard Schölkopf
Membre
Institut Max-Planck sur les systèmes intelligents
Pascal Vincent
Membre auxiliaire
Université de Montréal
Max Welling
Membre
Martha White
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Richard Zemel
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Institut Vecteur
Université de Toronto
Joel Zylberberg
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Spécialistes-conseils
Yoshua Bengio
Responsable de comité consultatif
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Mila
Université de Montréal
Alison Gopnik
Spécialiste-conseil
Membre
Développement du cerveau et de l’enfant
Hugo Larochelle
Spécialiste-conseil
Mila
Université de Montréal
Yann LeCun
Spécialiste-conseil
Sebastian Seung
Spécialiste-conseil
Membres du programme de chercheurs mondiaux CIFAR-Azrieli
Stefan Bauer
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Membre
Kyunghyun Cho
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2017-2019
Membre auxiliaire
Eva Dyer
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2022-2024
Membre
Institut de technologie de la Géorgie
Alona Fyshe
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Marzyeh Ghassemi
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Emma Pierson
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2022-2024
Benjamin Rosman
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2022-2024
Membre
University of the Witwatersrand
South Africa
Andrew Saxe
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Membre
Graham Taylor
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
NextAI
Université de Guelph
Joel Zylberberg
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Nouvelles
Annonce
Trois lauréats du prix Nobel 2024 parmi la communauté de recherche acclamée du CIFAR
Le CIFAR célèbre l’annonce de deux nouveaux lauréats du prix Nobel associés à la feuille de route exceptionnelle...
15 octobre 2024
Annonce
Geoffrey Hinton, membre de longue date du CIFAR, reçoit le prix Nobel de physique 2024
Cette reconnaissance couronne des décennies de recherche visionnaire, dont le Canada a bénéficié grâce au soutien p...
08 octobre 2024
Apprentissage automatique, apprentissage biologique
Élucider la causalité
Pourquoi le cerveau excelle-t-il à percevoir les liens de causalité (et que faut-il à l’IA pour rattraper son retar...
13 juin 2024
Apprentissage automatique, apprentissage biologique
Un leader généreux
Une conversation avec Kyunghyun Cho sur sa percée dans le domaine de la traduction automatique
19 juillet 2021
Apprentissage automatique, apprentissage biologique
L’utilisation de l’IA dans les recherches sur la biodiversité est cruciale pour notre survie
Graham Taylor, titulaire d’une chaire en IA Canada-CIFAR, utilise la vision par ordinateur pour mieux comprendre et pr...
16 avril 2021
Apprentissage automatique, apprentissage biologique
Une culture éthique en IA
Pour traduire les cadres éthique en actions, il sera essentiel de favoriser une culture éthique en IA.
25 mars 2021
Apprentissage automatique, apprentissage biologique
Éthique et recherche en IA
Des mesures prises par les chefs de file de la recherche en IA pourraient éventuellement avoir un effet d’entraîneme...
12 février 2021
Apprentissage automatique, apprentissage biologique
Former l’IA : Entretien avec Chelsea Finn
Chelsea Finn est une brillante chercheuse en IA qui définit le nouveau domaine de l’apprentissage par méta-renforcem...
05 août 2020
Annonce
Le CIFAR reçoit une bourse de la Fondation Alfred P. Sloan pour soutenir la recherche sur des systèmes IA plus polyvalents
Le programme Apprentissage automatique, apprentissage biologique du CIFAR, qui a joué un rôle maj
26 mars 2020
Apprentissage automatique, apprentissage biologique
La recherche en IA permet une percée en astronomie
The director of CIFAR’s Gravity & the Extreme Universe program, Kaspi is recognized for her outstanding research and l...
23 mars 2020