Créer une IA interprétable et transparente en associant l'apprentissage automatique et les neurosciences

Bahar Tolooshams est une experte de premier plan en matière d'intelligence artificielle interdisciplinaire. Fondatrice et directrice du NeuBahar Lab, elle concentre ses recherches sur le développement de l'IA neuro-bayésienne pour les abstractions interprétables par l'homme et l'apprentissage des représentations, en faisant le lien entre l'apprentissage automatique et les neurosciences.

Les travaux de Mme Tolooshams sont à la pointe de la création de systèmes d'intelligence artificielle à la fois efficaces et transparents, avec un accent particulier sur les applications en matière d'amélioration de la parole, d'analyse des signaux neuronaux et d'imagerie médicale. Ses publications, parues dans des conférences et des revues de premier plan telles que Transactions on Machine Learning Research et Neurondémontrent une grande expertise dans l'apprentissage des dictionnaires, les autoencodeurs résiduels profonds et l'apprentissage profond pour l'analyse déconvolutionnelle. Ces recherches contribuent à faire progresser les capacités de l'IA en matière de traitement des signaux et d'analyse des données robustes, stables et interprétables.

Avant de rejoindre l'université de l'Alberta, elle a obtenu un doctorat à l'université de Harvard et a bénéficié d'une bourse postdoctorale de la fondation Swartz au laboratoire AI for Science de Caltech. Son expertise est renforcée par son expérience industrielle chez Amazon AI et Microsoft. Au-delà de ses recherches, Mme Tolooshams se consacre au développement de la communauté, ayant activement encadré des étudiants dans le cadre de programmes à Harvard et de réseaux de soutien entre pairs.