Trois nouveaux boursiers rejoignent l'équipe d'Amii

Amii est ravi d'accueillir trois nouveaux boursiers dans sa communauté de chercheurs de renommée mondiale. Nos trois nouveaux boursiers - tous affiliés à l'Université de l'Alberta - ont apporté des contributions impressionnantes à l'intelligence artificielle, à l'apprentissage automatique, à la théorie des jeux, à l'analyse statistique et à la biostatistique. Apprenez-en davantage sur les travaux des nouveaux membres d'Amii : Jonathan Schaeffer, Linglong Kong et Bei Jiang.

Jonathan Schaeffer

L'histoire de Jonathan Schaeffer avec Amii remonte au tout début ; il était l'un des membres fondateurs de l'Alberta Ingenuity Centre for Machine Learning à l'Université de l'Alberta en 2002, qui allait devenir Amii. Pendant des décennies, M. Schaeffer s'est consacré à l'utilisation de jeux pour faire progresser la recherche fondamentale sur l'intelligence artificielle.

Il est l'auteur principal de Chinook, le premier programme de jeu de dames à avoir remporté un championnat mondial contre des joueurs humains. En 2007, son équipe a déclaré avoir réussi à résoudre le jeu. Il a également été membre et directeur du groupe de recherche sur le poker informatique à l'université d'Alberta.

M. Schaeffer a obtenu son doctorat de l'Université de Waterloo avant de commencer comme chargé de cours à l'Université de l'Alberta en 1984 - le début d'une carrière de 36 ans dans cette institution. En plus de ses activités d'enseignement et de recherche, M. Schaeffer a occupé de nombreux postes de direction à l'université, notamment celui de président de la faculté d'informatique, de vice-président associé de l'université de l'Alberta et de doyen de la faculté des sciences. En plus de ses autres travaux, M. Schaeffer est un ardent défenseur des avantages sociaux de l'intelligence artificielle et s'efforce de sensibiliser le public à ce domaine.

"Si je peux faire une différence dans ce pays en termes de compréhension de ce que l'IA peut faire, et surtout de ce qu'elle ne peut pas faire, c'est peut-être un héritage beaucoup plus important. Parce que l'IA peut révolutionner le monde de manière incroyablement positive."

Linglong Kong

Les travaux de Linglong Kong en matière de statistiques robustes et de régression quantile permettent de mieux utiliser les données nécessaires à l'intelligence artificielle et à l'apprentissage automatique. Des données imparfaites peuvent conduire à une formation imparfaite. Grâce à son expérience et à sa formation en mathématiques et en statistiques, les travaux de Linglong Kong ont porté sur tous les domaines, de l'apprentissage par renforcement distribué à l'élimination des préjugés sexistes et raciaux des données utilisées dans la recherche sociologique. Il s'intéresse également à l'utilisation de l'IA dans le domaine de la santé, notamment à l'utilisation de l'apprentissage automatique pour analyser les données de santé et protéger la vie privée des patients.

Kong a obtenu son doctorat en statistique à l'université d'Alberta, où il est maintenant professeur associé en sciences mathématiques et statistiques. En 2020, il a été nommé titulaire d'une chaire de recherche du Canada en apprentissage statistique. En outre, M. Kong est rédacteur en chef adjoint de plusieurs revues, notamment la Revue canadienne de statistique, le Journal of the American Statistical Association, Applications & Case Studies et Frontiers in Neuroscience.

"Je pense qu'en tant que chercheurs en statistique, nous devons nous ouvrir à d'autres disciplines. Les statistiques peuvent résoudre des problèmes. Et si vous ne communiquez pas avec d'autres domaines, vous ne pouvez pas le faire."

Bei Jiang

Bei Jiang utilise l'analyse statistique et l'apprentissage automatique statistique pour décoder des données de santé complexes, à la recherche de meilleurs résultats pour les patients. Son travail a consisté à analyser l'imagerie cérébrale, ce qui pourrait aider à élaborer des plans de traitement efficaces pour les personnes souffrant de troubles psychiatriques. Ses recherches portent également sur l'intégration de la modélisation bayésienne aux méthodes d'apprentissage automatique statistique, dans le but de surmonter certains des obstacles de l'inférence statistique classique.

Mme Jiang a obtenu sa maîtrise en biostatistique à l'Université de l'Alberta en 2008 avant de terminer son doctorat à l'Université du Michigan. Elle est revenue à Edmonton en 2015 - d'abord comme professeure adjointe et maintenant comme professeure agrégée - à la faculté des sciences mathématiques et statistiques de l'Université de l'Alberta. En 2015, elle a également été nommée chargée de recherche au Statistical and Applied Mathematical Sciences Institute, basé aux États-Unis.

Apprenez-en davantage sur les progrès réalisés par les chercheurs d'Amii