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

Bahareh Tolooshams est une experte de premier plan dans le domaine de l'IA interdisciplinaire. Fondatrice et directrice du NeuBahar Lab, ses recherches se concentrent sur le développement de l'IA neuro-bayésienne pour les abstractions interprétables par l'homme et l'apprentissage des représentations, avec un intérêt pour la résolution des problèmes inverses.

Les travaux de Mme Tolooshams sont à la pointe de la création de systèmes d'intelligence artificielle à la fois efficaces et interprétables, avec un accent particulier sur les applications dans l'analyse des signaux neuronaux et l'imagerie médicale. Ses publications, parues dans des conférences et des revues de premier plan telles que International Conference on Representation Learning, International Conference in Machine Learning, et Neurontémoignent d'une grande expertise en matière de codage clairsemé, de modélisation générative et d'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.