Le vendredi 22 février 2019, l'Institut Vecteur a tenu son tout premier symposium de recherche et salon de l'emploi - l'un des plus grands rassemblements de talents en apprentissage machine au 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 permis aux étudiants de maîtrise, aux doctorants et aux post-doctorants locaux dans les domaines de l'apprentissage machine et de l'IA en général d'entrer en contact avec les partenaires de Vector dans les secteurs de l'industrie et de la santé et de découvrir un large éventail d'opportunités de stages et de carrières. L'événement, conçu pour les sponsors industriels et la communauté des chercheurs de Vector, a rassemblé des représentants de 20 sponsors industriels et partenaires de santé de Vector et plus de 300 participants.

Le symposium comprenait une présentation de David Duvenaud, membre de la faculté Vecteur, sur les équations différentielles ordinaires neuronales, travail qui a été récompensé par un prix du meilleur article à NeurIPS 2018, qui est l'une des plus grandes conférences phares au monde sur l'apprentissage automatique. Hassan Ashtiani, précédemment affilié de troisième cycle à Vector, a fait une présentation on Settling the sample complexity of GMMs via Compression Schemes (règlement de la complexité d'échantillonnage des MGM via des schémas de compression).

Le symposium sur la recherche vectorielle et le salon de l'emploi en chiffres

• Plus de 300 participants, dont des étudiants en master, des doctorants, des post-doctorants, des professeurs et des professionnels de l'industrie.
• 100 étudiants actuellement inscrits dans des programmes reconnus par Vector et 31 bénéficiaires de la bourse d'études Vector en IA
• 56 posters de recherche
• 20 sponsors de l'industrie vectorielle et partenaires de santé avec des stands cherchant à embaucher des talents locaux dans le domaine de l'IA

Pour les demandeurs d'emploi et les chercheurs possédant une expertise en apprentissage machine et en IA de partout au Canada, le Symposium de recherche et salon de l'emploi de Vector était l'endroit tout désigné pour élargir leurs réseaux et rencontrer des collaborateurs ou des employeurs potentiels. Parmi les participants, on comptait des étudiants et des professeurs d'institutions de tout le Canada et de l'étranger, notamment :

En plus des présentations, 56 posters de recherche étaient exposés, présentant les travaux publiés par les chercheurs de Vector et la communauté IA environnante en 2018. De nombreux posters présentaient des recherches qui avaient été acceptées par des conférences et des revues de renommée mondiale et portaient sur des sujets allant de la classification des types de cancer et de l'identification des animaux au suivi de trajectoire de haute précision. Pour les participants de l'industrie, les sessions de posters ont été une occasion exclusive d'être exposés à une grande concentration de la faculté locale d'apprentissage machine de Vector, des étudiants diplômés et des affiliés travaillant sur les dernières avancées en matière d'apprentissage machine.

Tout au long de la journée, les étudiants ont également pu faire du réseautage avec des entreprises et des startups basées au Canada qui cherchent à embaucher des talents en apprentissage machine et en IA à l'échelle locale - une occasion exclusive pour les commanditaires industriels de Vector. Les offres d'emploi allaient de la science des données à la gestion de projet, en passant par l'analyse et l'ingénierie.

Plusieurs des commanditaires de l'industrie et des partenaires en santé de l'Institut Vecteur 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, une discussion animée a eu lieu avec Craig Boutilier (lauréat du NeurIPS 2018 Best Paper, Google), Sheila McIlraith (Université de Toronto et affiliée à la faculté 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 automatique et les sources des 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 forts du panel

Les grands défis de l'apprentissage automatique

Le thème principal du panel était le retard de l'éthique par rapport aux récentes avancées technologiques. L'une des causes de ce retard est que la recherche sur l'apprentissage automatique est isolée des autres domaines d'étude où l'IA est appliquée, ce qui présente de nombreux obstacles dans la conduite de la recherche. Selon les panélistes, un autre défi auquel est confronté l'apprentissage automatique est le fait que les interactions dans les modèles ne sont pas très intelligentes, et comprendre comment avoir des interactions naturelles reste un grand défi pour la recherche.

Approches hybrides de la recherche sur l'apprentissage profond (c'est-à-dire modèles probabilistes et IA logique).

Les panélistes ont expliqué qu'un grand nombre de techniques d'apprentissage automatique tirent parti d'approches hybrides comprenant des réseaux neuronaux. Le panel a également discuté du fait qu'en général, la communauté des chercheurs ne parle pas assez de sujets tels que les algorithmes soutenant la prise de décision dans le monde réel et la façon dont la traduction automatique a révolutionné le domaine.

Interprétabilité

En ce qui concerne l'interprétabilité, le panel a discuté du fait que la confiance et le contrôle sont les raisons qui sous-tendent le besoin d'interprétabilité et que nous rationalisons généralement les décisions a posteriori en tant qu'êtres humains. Cela a conduit à la question de la capacité ou de l'incapacité d'un chercheur à savoir exactement ce qui se passe dans un modèle. En outre, un panéliste a expliqué que lors de la création d'un modèle, le créateur devrait être en mesure d'expliquer les décisions prises au nom de l'utilisateur. Vers la fin de la discussion, il a été noté que les chercheurs devraient avoir l'utilisateur final à l'esprit lorsqu'ils réfléchissent à la signification de l'interprétabilité, car celle-ci peut changer dans différents contextes.

L'IA éthique

Les panélistes ont expliqué qu'il est important pour les chercheurs de disposer d'une solide architecture de croyances pour s'orienter lors de la conception d'algorithmes.

Il a également été noté que les considérations éthiques ne sont pas propres à l'IA. Il s'agit plutôt d'une question importante dans d'autres domaines, y compris l'informatique au sens large. À cette fin, les panélistes ont indiqué que les chercheurs ont la responsabilité d'éduquer les étudiants et de construire un meilleur avenir pour l'humanité. Il a également été noté que lorsqu'ils sont confrontés à des décisions difficiles sur ce qui devrait faire l'objet de recherches et à des questions sur les applications négatives possibles d'un modèle, il y a une incertitude quant à la ligne à tracer pour tenir compte du compromis entre curiosité et danger.

Pour terminer sur une note positive, le panel a indiqué que nous disposons aujourd'hui d'outils plus performants que jamais pour tenter de relever les grands défis qui ont été abordés. En réponse à une question du public, il a été mentionné que même si les chercheurs devraient jouer un rôle consultatif dans les discussions sur les politiques publiques, la communauté scientifique ne devrait pas être la seule à autoriser l'utilisation de modèles dans la prise de décision.