Apprentissage automatique, apprentissage biologique
Comment approfondir notre compréhension de l’intelligence et construire des machines intelligentes?
Le programme Apprentissage automatique, apprentissage biologique met à profit la neuroscience et l’informatique pour étudier comment le cerveau et les systèmes artificiels acquièrent une intelligence par l’apprentissage. L’approche fondamentale du programme, qui consiste à revenir aux questions fondamentales plutôt que de se concentrer sur des progrès technologiques à court terme, présente le double avantage d’améliorer la conception de machines intelligentes et d’apporter de nouvelles perspectives sur l’intelligence humaine. Le programme Apprentissage automatique, apprentissage biologique cherche à comprendre les principes computationnels et mathématiques qui donnent lieu à l’intelligence par un apprentissage distribué dans les réseaux neuronaux, qu’il s’agisse du cerveau ou de machines.
Le programme comporte deux axes principaux :
- Il vise à mettre à profit les connaissances issues de la neuroscience et de la science cognitive pour approfondir notre compréhension de l’apprentissage automatique;
- Il cherche aussi à utiliser les connaissances issues de l’apprentissage automatique pour améliorer notre compréhension du cerveau et de la cognition.
Nous examinons comment le cerveau et les systèmes d’IA modernes parviennent à gérer des environnements complexes, ce qui nous permet de mieux comprendre le fonctionnement du monde et les moyens de le maîtriser. Les membres et spécialistes du programme se concentrent sur des questions au croisement des systèmes d’apprentissage profond à haute dimensionnalité et des circuits neuronaux. Leurs recherches porteront sur des algorithmes d’apprentissage par renforcement et d’apprentissage non supervisé novateurs, les mécanismes d’attribution de crédit, les architectures de mémoire et leurs équivalents dans le cerveau.
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
Un partenariat pour promouvoir la recherche en intelligence artificielle
Le programme Apprentissage automatique, apprentissage biologique du CIFAR entretient un partenariat de longue date avec Inria, l’institut national de recherche en sciences et technologies du numérique (France). Tout comme le CIFAR, Inria encourage la prise de risque et l’interdisciplinarité dans le domaine scientifique, et ces deux organisations sont à la fine pointe de l’innovation en matière d’apprentissage automatique et d’IA.
Tirer parti de l’IA pour mieux comprendre le cerveau
Blake Richards (Université McGill, Mila), membre du CIFAR et titulaire de chaire en IA Canada-CIFAR, et Joel Zylberberg (Université de la Californie à Los Angeles), membre auxiliaire du CIFAR, ont animé un atelier réunissant des spécialistes du milieu universitaire, du secteur privé et d’organismes à but non lucratif afin de discuter de l’échelle, de la portée, des cas d’utilisation, des structures organisationnelles et du financement nécessaires à la conception de modèles neurofondamentaux, en mettant à profit les récentes percées en IA pour mieux comprendre le cerveau. Ces modèles d’apprentissage automatique à grande échelle, préentraînés à partir de vastes quantités de données, peuvent être adaptés pour accomplir de nouvelles tâches à l’aide de quantités relativement modestes de nouvelles données d’entraînement et de puissance de calcul. Ils pourraient servir à la fois aux communautés de la neuroscience et des neurotechnologies, tout en contribuant à la recherche en apprentissage automatique.
Combler l’écart entre l’apprentissage automatique et l’intelligence humaine
Le groupe de recherche de Yoshua Bengio (LoiZéro, IVADO, titulaire de chaire en IA Canada-CIFAR à Mila, Université de Montréal), responsable du comité consultatif, élabore de nouvelles théories visant à combler l’écart entre les techniques actuelles de l’apprentissage automatique et l’intelligence humaine. Grâce à l’étude des biais inductifs dont tirent parti les humains et les animaux, les membres du CIFAR éclaircissent les principes qui pourraient guider l’intelligence humaine et animale, et nourrir la recherche en IA ainsi qu’en neuroscience. Les travaux se poursuivent pour créer des systèmes d’IA qui sont capables d’un apprentissage flexible hors distribution et d’une généralisation systématique, des domaines où les méthodes actuelles d’apprentissage automatique continuent d’accuser 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
Collaborations interdisciplinaires
Informatique
Intelligence artificielle
Apprentissage profond
Apprentissage par renforcement
Neuroscience
Bioinformatique
Biologie computationnelle
Statistiques
Datalogie
Psychologie
Personne-ressource
Membres et spécialistes-conseils
Coresponsables de programme
Konrad Kording
Coresponsable de programme
Timothy Lillicrap
Coresponsable de programme
Canada
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
Canada
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
Membre du comité du programme national
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Canada
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
Canada
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
Canada
Nikolay Malkin
Membre
Lerrel Pinto
Membre
Doina Precup
Membre auxiliaire
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Mila
Université McGill
Canada
Blake Richards
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université McGill
Canada
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
Pascal Vincent
Membre auxiliaire
Université de Montréal
Canada
Max Welling
Membre
Martha White
Membre
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Canada
Joel Zylberberg
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Canada
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
Canada
Alison Gopnik
Spécialiste-conseil
Membre
Développement du cerveau et de l’enfant
Hugo Larochelle
Spécialiste-conseil
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de Montréal
Université McGill
Canada
Yann LeCun
Spécialiste-conseil
Bernhard Schölkopf
Spécialiste-conseil
Institut Max-Planck sur les systèmes intelligents
Sebastian Seung
Spécialiste-conseil
Membres du programme de chercheurs mondiaux CIFAR
Kelsey Allen
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2024-2026
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Vector Institute
Canada
Stefan Bauer
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Membre
Quentin Bertrand
Membre du programme des chercheurs mondiaux du CIFAR 2026-2028
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
Membre du comité du programme national
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
Canada
Marzyeh Ghassemi
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2020-2022
Erin Grant
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2026-2028
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
Université de l'Alberta
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
Vector Institute
Canada
Joel Zylberberg
Membre du programme des chercheurs mondiaux CIFAR-Azrieli 2016-2018
Membre
Canada
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