25 mars 2019
Le vendredi 22 février 2019, l’Institut Vector a tenu son tout premier Symposium de recherche et salon de l’emploi – l’un des plus grands rassemblements de talents en apprentissage automatique à travers le Canada. L’événement d’une journée a présenté les meilleures recherches produites par les chercheurs de Vector au cours de la dernière année. L’événement a offert aux étudiants locaux à la maîtrise, aux doctorants et aux postdoctorants dans les domaines de l’apprentissage automatique et de l’IA en général, de se connecter avec les partenaires industriels et de la santé de Vector et de découvrir une large gamme d’opportunités de stages et de carrières. L’événement, conçu pour les commanditaires d’entreprise et la communauté de recherche de Vector, comptait des représentants de 20 sponsors de l’industrie Vector et des partenaires de la santé, ainsi que plus de 300 participants.
Le symposium a présenté une présentation du membre du corps professoral de Vector, David Duvenaud, sur les équations différentielles ordinaires neuronales, un travail qui a été récompensé par un prix du meilleur article à NeurIPS 2018, l’une des plus grandes conférences mondiales sur l’apprentissage automatique. Hassan Ashtiani, auparavant affilié aux cycles supérieurs chez Vector, a donné une présentation sur la résolution de la complexité d’échantillon des GMM via des schémas de compression.
Symposium de recherche sur les vecteurs et salon de l’emploi en chiffres
Pour les chercheurs en recherche d’emploi et les chercheurs spécialisés en apprentissage automatique et en IA provenant de partout au Canada, le Symposium de recherche et salon de l’emploi de Vector était l’endroit idéal pour élargir leurs réseaux et rencontrer des collaborateurs ou employeurs potentiels. Les participants comprenaient des étudiants et des professeurs provenant d’institutions à travers le Canada et à l’étranger, notamment :
En plus des présentations, 56 affiches de recherche étaient exposées, présentant des travaux publiés par des chercheurs de Vector et la communauté d’IA environnante en 2018. De nombreuses affiches présentaient des recherches acceptées par des conférences et revues mondialement reconnues, abordant des sujets allant de la classification des types de cancers et l’identification animale à la suivi de trajectoire à haute précision. Pour les participants de l’industrie, les séances d’affiches étaient une occasion exclusive de découvrir une grande concentration de professeurs locaux en apprentissage automatique, d’étudiants diplômés et d’affiliés de Vector travaillant sur les dernières avancées en apprentissage automatique.
Tout au long de la journée, les étudiants ont également pu réseauter avec des entreprises et des startups canadiennes cherchant à embaucher localement des talents en apprentissage automatique et IA — une opportunité exclusive pour les commanditaires industriels de Vector. Les offres d’emploi allaient des opportunités en science des données, en analytique et en ingénierie, jusqu’à la gestion de projet.
Plusieurs des commanditaires industriels et partenaires de 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 :
Pour conclure la journée, il y a eu une table ronde animée avec Craig Boutilier (lauréat du prix du meilleur article NeurIPS 2018, Google), Sheila McIlraith (Université de Toronto et membre affiliée du corps professoral de Vector), Brendan Frey (cofondateur de Vector, Deep Genomics) et Jamie Kiros (Google Brain), animée par le directeur de la recherche de Vector, Richard Zemel.
Le panel a exploré les grands défis auxquels font face l’apprentissage automatique et d’où viendront les prochaines percées, en abordant des sujets tels que les approches hybrides de la recherche en apprentissage profond, l’interprétabilité et l’IA éthique.
Les grands défis auxquels font face l’apprentissage automatique
Le thème principal du panel était que l’éthique est actuellement en retard par rapport aux avancées technologiques récentes. Il a été discuté que l’une des causes est liée au fait que la recherche en apprentissage automatique est isolée des autres domaines où l’IA est appliquée, ce qui présente de multiples obstacles lors de la recherche. Selon les panélistes, un autre défi auquel font face l’apprentissage automatique est le fait que les interactions dans les modèles ne sont pas très intelligentes, et comprendre comment avoir des interactions naturelles demeure un grand défi en recherche.
Approches hybrides de la recherche en apprentissage profond (c’est-à-dire modèles probabilistes et IA logique)
Les panélistes ont expliqué que de nombreuses techniques d’apprentissage automatique tirent parti d’approches hybrides qui incluent les réseaux neuronaux comme composants. Le panel a également discuté du fait que, en général, la communauté de recherche ne parle pas assez de sujets comme les algorithmes soutenant la prise de décision réelle et de la révolution du domaine par la traduction automatique.
Interprétabilité
En ce qui concerne l’interprétabilité, le panel a discuté de la façon dont la confiance et le contrôle sont les raisons du besoin d’interprétabilité et de la façon dont nous rationalisons habituellement les décisions à posteriori en tant qu’humains. Cela a mené à la question de la capacité/incapacité d’un chercheur à savoir exactement ce qui se passe dans un modèle. De plus, un panéliste a expliqué que, lors de la création d’un modèle, le créateur devrait être capable d’expliquer les décisions prises au nom de l’utilisateur. Vers la fin de la discussion, il a été noté que les chercheurs devraient garder l’utilisateur final en tête lorsqu’ils réfléchissent à ce que signifie l’interprétabilité, car cela peut changer selon les contextes.
IA éthique
Les panélistes ont expliqué qu’il est important pour les chercheurs d’avoir une architecture de croyances solide pour les orienter lors de la conception d’algorithmes.
Il a également été noté que les considérations éthiques ne sont pas propres à l’IA. C’est plutôt un enjeu important dans d’autres domaines, y compris l’informatique plus largement. À cette fin, les panélistes ont exprimé que les chercheurs ont la responsabilité d’éduquer les étudiants et de bâtir vers un avenir meilleur pour l’humanité. Il a également été noté que, face à des décisions difficiles sur ce qu’il faut rechercher et à des questions sur les applications négatives possibles d’un modèle, il y a de l’incertitude quant à l’endroit où une ligne doit être tracée pour tenir compte d’un compromis curiosité-risque.
Pour conclure sur une note positive, le panel a exprimé que nous disposons désormais de meilleurs outils que jamais pour tenter de relever les grands défis qui ont été discutés. En réponse à une question du public, il a été mentionné que, bien que les chercheurs devraient jouer un rôle consultatif dans les discussions sur les politiques publiques, ce ne devrait pas être exclusivement la communauté scientifique qui bloque l’utilisation des modèles dans la prise de décision.
