Le vendredi 22 février 2019, l'Institut Vector a tenu son tout premier symposium de recherche et forum sur l'emploi, l'un des plus importants rassemblements de talents en apprentissage automatique au Canada. Cet événement d'une journée a mis en lumière les recherches les plus pointues menées par les chercheurs de Vector au cours de la dernière année. Il a permis aux étudiants de maîtrise, aux doctorants et aux postdoctorants de la région, spécialisés en apprentissage automatique et en intelligence artificielle en général, de rencontrer les partenaires industriels et du secteur de la santé de Vector et de découvrir un large éventail de stages et d'opportunités de carrière. Conçu pour les commanditaires industriels et la communauté de recherche de Vector, l'événement a réuni des représentants de 20 commanditaires et partenaires du secteur de la santé, et a attiré plus de 300 participants.
Le symposium a été marqué par une présentation de David Duvenaud, membre du corps professoral de Vector, sur les équations différentielles ordinaires neuronales. Ses travaux ont été récompensés par le prix du meilleur article à NeurIPS 2018, l'une des plus importantes conférences mondiales de référence en apprentissage automatique. Hassan Ashtiani, ancien chercheur associé à Vector, a présenté une communication sur la réduction de la complexité d'échantillonnage des modèles de mélange gaussien (GMM) par des méthodes de compression.
Symposium et salon de l'emploi Vector Research en chiffres
- Plus de 300 participants, dont des étudiants à la maîtrise, des doctorants, des postdoctorants, des professeurs et des professionnels de l'industrie.
- 100 étudiants sont actuellement inscrits à des programmes reconnus par Vector et 31 sont récipiendaires de la bourse Vector en intelligence artificielle.
- 56 affiches de recherche
- 20 commanditaires et partenaires industriels de Vector, issus du secteur de la santé, ont des kiosques et sont à la recherche de talents locaux en IA.
Pour les chercheurs et chercheuses en apprentissage automatique et en intelligence artificielle de partout au Canada, le Symposium de recherche et salon de l'emploi de Vector était l'événement incontournable pour élargir leurs réseaux et rencontrer des employés ou des employeurs potentiels. Parmi les participants figuraient des étudiants et des professeurs d'établissements du Canada et de l'étranger, notamment :
- Université Carleton
- Institut de recherche de Krembil
- Université Harvard
- Institut de politique, de gestion et d'évaluation de la santé
- Université McGill
- Université McMaster
- Mila
- Université de Munzur
- Institut ontarien de recherche sur le cancer
- Université Queen's et École de commerce Smith
- Université Ryerson
- Enfants malades
- Université Simon Fraser
- Université de technologie de Chine du Sud
- Hôpital Saint-Michel
- Centre des sciences de la santé Sunnybrook
- Institut de réadaptation de Toronto
- Université de Montréal
- Université du Nord
- Réseau de santé universitaire
- Université de la Colombie-Britannique
- Université du New Hampshire
- Université de l'Institut de technologie de l'Ontario
- Université d'Ottawa
- Université de São Paulo
- Université de Toronto
- Université de Waterloo
- UPC Barcelone
- Université Western (UWO)
- Université York et École de commerce Schulich
Outre les présentations, 56 affiches de recherche étaient exposées, présentant les travaux publiés en 2018 par les chercheurs de Vector et la communauté d'IA environnante. Plusieurs de ces affiches présentaient des recherches acceptées par des conférences et des revues internationales de renom, abordant des sujets aussi variés que la classification des types de cancer, l'identification animale et le suivi de trajectoires de haute précision. Pour les participants industriels, ces séances d'affiches constituaient une occasion unique de rencontrer un grand nombre de professeurs, doctorants et collaborateurs de Vector spécialisés en apprentissage automatique et travaillant sur les dernières avancées dans ce domaine.
Tout au long de la journée, les étudiants ont également pu échanger avec des entreprises et des startups canadiennes à la recherche de talents locaux en apprentissage automatique et en intelligence artificielle – une occasion exclusive offerte aux partenaires de l'industrie de Vector. Les offres d'emploi couvraient un large éventail de domaines, allant des sciences des données, de l'analytique et de l'ingénierie à la gestion de projet.
Plusieurs commanditaires industriels et partenaires du secteur de la santé de l'Institut Vector, qui sont à l'avant-garde de l'adoption de l'IA au Canada, étaient présents au salon de l'emploi, notamment :
- Accenture
- Air Canada
- Baycrest
- Borealis AI
- Groupe financier BMO
- CIBC
- Deloitte
- EY
- Assurance Intact
- Couche 6 IA
- Sociétés Loblaw Ltée
- Manuvie
- NVIDIA
- ROSS Intelligence
- Banque Scotia
- Shopify Inc
- IA Stradigi
- Sun Life Financial
- Groupe Thales
- Thomson Reuters
Pour conclure la journée, une table ronde animée a réuni Craig Boutilier (lauréat du prix du meilleur article de NeurIPS 2018, Google), Sheila McIlraith (Université de Toronto et membre affiliée de la faculté de Vector), Brendan Frey (cofondateur de Vector, Deep Genomics) et Jamie Kiros (Google Brain), animée par Richard Zemel, directeur de la recherche chez Vector.
Le panel a exploré les grands défis auxquels est confronté l'apprentissage machine et d'où viendront les prochaines percées, en se penchant sur des sujets tels que les approches hybrides de la recherche sur l'apprentissage profond, l'interprétabilité et l'IA éthique.
Points saillants du panel
Les grands défis auxquels fait face l'apprentissage machine
Le thème principal de la table ronde portait sur le retard actuel de l'éthique par rapport aux récents progrès technologiques. Il a été question du cloisonnement de la recherche en apprentissage machine par rapport aux autres domaines d'étude où l'IA est appliquée, ce qui représente de nombreux obstacles pour la recherche. Selon les intervenants, un autre défi pour l'apprentissage machine réside dans le manque d'intelligence des interactions au sein des modèles, et la compréhension de la manière de reproduire des interactions naturelles demeure un enjeu majeur pour la recherche.
Approches hybrides de la recherche en apprentissage profond (c.-à-d. modèles probabilistes et IA logique)
Les intervenants ont expliqué que de nombreuses techniques d'apprentissage machine tirent parti d'approches hybrides intégrant des réseaux de neurones. Ils ont également souligné que, de manière générale, la communauté de recherche n'aborde pas suffisamment des sujets tels que les algorithmes d'aide à la décision dans le monde réel et la manière dont la traduction automatique a révolutionné le domaine.
Interprétabilité
Concernant l'interprétabilité, le panel a discuté du fait que la confiance et le contrôle en sont les raisons, et que nous, les humains, rationalisons généralement nos décisions a posteriori. Cela a soulevé la question de la capacité, ou de l'incapacité, d'un chercheur à savoir précisément ce qui se passe dans un modèle. De plus, un commentateur a expliqué que lors de la création d'un modèle, le concepteur doit être capable d'expliquer les décisions prises au nom de l'utilisateur. À la fin de la discussion, il a été souligné que les chercheurs doivent garder à l'esprit l'utilisateur final lorsqu'ils réfléchissent à la signification de l'interprétabilité, car celle-ci peut varier selon les contextes.
IA éthique
Les intervenants ont expliqué combien il est important pour les chercheurs d'avoir un cadre de croyances solide pour les orienter lors de la conception d'algorithmes.
Il a également été souligné que les considérations éthiques ne sont pas propres à l'IA. Il s’agit plutôt d’un enjeu important dans d’autres domaines, notamment en informatique au sens large. À cet égard, les intervenants ont affirmé que les chercheurs ont la responsabilité d'éduquer les étudiants et de contribuer à un avenir meilleur pour l'humanité. Il a également été noté que, face aux choix difficiles concernant les sujets de recherche à privilégier et aux questions relatives aux applications négatives potentielles d'un modèle, il subsiste une incertitude quant à la limite à fixer pour tenir compte du compromis entre curiosité et danger.
Pour conclure sur une note positive, les intervenants ont souligné que nous disposons aujourd'hui d'outils plus performants que jamais pour relever les grands défis évoqués. En réponse à une question du public, il a été précisé que si les chercheurs doivent jouer un rôle consultatif dans les débats sur les politiques publiques, l'utilisation des modèles dans la prise de décision ne devrait pas être l'apanage exclusif de la communauté scientifique.
