Par Graham Taylor
La célébration par l'Institut Vector de son premier quintile d'existence souligne le rôle que l'IA peut jouer dans l'économie et la société canadiennes. Si l’IA n’est plus considérée comme une technologie nouvelle par la plupart de nos partenaires, son potentiel transformateur reste encore à concrétiser dans de nombreux secteurs, et de nombreuses entreprises canadiennes accusent toujours un retard par rapport à leurs concurrents internationaux en matière d’adoption d’outils basés sur l’IA.
Au cours des cinq prochaines années, Vector continuera de concentrer ses efforts sur les domaines où nous pouvons avoir le plus d'impact, en intensifiant les investissements dans les domaines où l'IA est déjà performante, tels que la santé, les sciences de la vie et l'IA de confiance, et en s'orientant vers de nouveaux domaines stratégiques.
L'IA au service des sciences, qu'on entend par l'utilisation d'outils d'IA pour repousser les frontières des sciences et du génie, est un domaine où le Canada peut jouer un rôle de premier plan. Notre feuille de route stratégique prévoit le renforcement des capacités de recherche en matière d’application de l’IA à la découverte de matériaux et de médicaments, ainsi qu’aux applications quantiques, deux sous-disciplines prometteuses de l’IA au service des sciences.
Une récente citation du Conseil des académies canadiennes soulignait que l’IA a le « potentiel de stimuler l’innovation et d’approfondir les connaissances scientifiques au-delà des limites de l’esprit et des capacités humaines ». Forte d’une équipe grandissante de scientifiques de renommée mondiale qui utilisent l’IA pour faire progresser la découverte scientifique, Vector entend collaborer avec les deux autres instituts nationaux d’IA de la Stratégie pancanadienne en IA (SPIA) afin de concrétiser ce potentiel.
Le CIFAR a annoncé le mois dernier la nomination de huit nouveaux titulaires exceptionnels de chaires d'intelligence artificielle Canada-CIFAR, qui contribueront à renforcer le leadership canadien dans les domaines prioritaires du PCAIS . Sept d'entre eux sont affiliés à Vector, dont Anatole von Lilienfeld, qui a récemment rejoint l'Université de Toronto (U de T) après avoir enseigné à l'Université de Vienne. L'équipe de M. von Lilienfeld travaille sur des méthodes théoriques et informatiques pour l'exploration de l'espace des composés chimiques à l'aide de la mécanique quantique. Il rejoint ainsi Juan Felipe Carrasquilla Álvarez, professeur à Vector et spécialiste de la théorie de la matière condensée, de l'informatique quantique et de l'apprentissage automatique, et Alán Aspuru-Guzik, dont le groupe , le Matter Lab, travaille à l'interface de la chimie théorique, de la physique, de l'informatique et des mathématiques appliquées. Ensemble, ils formeront un catalyseur qui permettra à Vector d'approfondir ses recherches sur l'IA au service de la découverte scientifique.
L'Université de Toronto a récemment annoncé le lancement de la bourse postdoctorale Eric et Wendy Schmidt en intelligence artificielle et sciences, un programme de Schmidt Futures. Cette bourse rassemble des chercheurs postdoctoraux en sciences naturelles et en génie intéressés par l’application de l’IA à leur domaine. En collaboration avec l'Institut des sciences des données de l'Université de Toronto et le Consortium d'accélération dirigé par Aspuru-Guzik, l'Institut Vector a hâte de soutenir dix chercheurs postdoctoraux qui recevront cette bourse au cours de la première année du programme. L'objectif est de créer une communauté interdisciplinaire de scientifiques maîtrisant l'IA et ayant un impact significatif dans leurs domaines respectifs. Le nombre total de boursiers postdoctoraux doublera l'an prochain, passant de dix à vingt, et ce, pour les années suivantes.
Les boursiers Schmidt deviendront des membres à part entière de la communauté Vector et participeront à nos programmes. Ces programmes communs contribueront à renforcer le sentiment d'appartenance à une communauté entre les postdoctorants de Vector, nos institutions partenaires et les nouveaux lauréats des bourses Schmidt. Vector facilitera et encouragera également la collaboration par le biais d'un mentorat informel assuré par les membres du corps professoral de Vector. Si vous envisagez de postuler au programme Schmidt Futures, je vous encourage à vous renseigner auprès des professeurs de Vector pour savoir s'ils pourraient vous encadrer ou co-encadrer.
L'engagement de Vector envers l'IA pour la science se traduit également par notre expertise croissante en matière de modèles fondamentaux : de grands modèles généralistes formés à grande échelle sur de vastes ensembles de données, puis spécialisés pour des tâches spécifiques. L'apprentissage de représentations à grande échelle, tel qu'incarné par ces modèles fondamentaux, sera la clé de notre succès en IA pour la science.
Les modèles fondamentaux de traitement automatique du langage naturel (TALN) BERT, DALL-E et GPT-3, basés sur la vision et le langage, ont révolutionné l'IA et constituent un atout majeur pour l'industrie de pointe. Vector vise à définir, dynamiser et développer un programme s'appuyant sur son expérience réussie dans la conduite d'un projet de TALN afin de générer des retombées positives dans ces nouveaux domaines et de démocratiser davantage ces technologies.
L'Institut Vector est fier d'annoncer que deux des nouveaux titulaires de chaires d'intelligence artificielle du CIFAR sont des experts en traitement automatique du langage naturel (TALN) qui pourraient contribuer à cette initiative. Vered Shwartz, qui s'est récemment joint à l'Université de la Colombie-Britannique, vise à concevoir des modèles capables de comprendre le langage naturel au niveau humain. Wenhu Chen, qui s'est récemment joint à l'Université de Waterloo, utilise l'apprentissage profond et l'apprentissage multimodal pour intégrer des connaissances du monde réel dans des réseaux neuronaux profonds, ce qui leur permet de réaliser des prédictions plus précises et transparentes.
Shwartz et Chen, qui travaillent à grande échelle et possèdent une expertise approfondie dans le domaine, aideront Vector à développer des modèles de base pour les flux de données tels que les données unicellulaires « omiques », les codes à barres ADN pour la surveillance de la biodiversité et la pathologie numérique.
Ces annonces ne sont que le point de départ de l'initiative « IA pour la science » de Vector. Je suis emballé par cette nouvelle phase de la mission de Vector, qui marque le passage de la création et de la collecte de données à des applications exploitant le potentiel transformateur de l'apprentissage profond et de l'apprentissage automatique pour aider à relever les défis mondiaux.
