Amii et l l'Université de l'Alberta (UAlberta) ont le plaisir d'accueillir cinq nouveaux titulaires de chaires CIFAR en IA. Chaires CIFAR du Canada en IA à notre famille ! Félicitations à Rupam Mahmood, Lili Mou, Nathan Sturtevant, Csaba Szepesvári et Adam White qui rejoignent une communauté en pleine expansion de chercheurs de renommée mondiale au Canada.

Le prestigieux programme CIFAR AI Chairs du Canada, financé par le gouvernement fédéral à hauteur de 86,5 millions de dollars sur cinq ans, offre aux chercheurs un financement à long terme dédié à la recherche pour soutenir leurs programmes de recherche et les aider à former la prochaine génération de leaders en IA. Le programme fait partie de la Stratégie pancanadienne en matière d'IAde 125 millions de dollars, qui a été lancée en mars 2017 et qui reconnaît Edmonton pour ses forces en matière d'intelligence artificielle et d'apprentissage machine.

Découvrez ci-dessous les brillants chercheurs qui contribuent à l'avenir de l'intelligence artificielle :

Développer des robots pour le monde réel

Rupam MahmoodAmii Fellow et professeur adjoint à l'Université de l'Alberta, directeur de l'Institut de recherche sur l'environnement et le développement. RLAI

L'objectif de recherche de Rupam Mahmood est de développer des mécanismes d'IA pour améliorer continuellement l'esprit des robots. Il prend des mesures pour atteindre cet objectif grâce à ses travaux sur les méthodes d'apprentissage par renforcement conçues pour les robots du monde réel. 

Mahmood considère que l'avenir de la robotique réside dans la conception de mécanismes d'apprentissage généraux qui peuvent être déployés dans de nombreux robots différents pour accomplir de nombreuses tâches différentes. Après ses études doctorales, Rupam a travaillé pour la startup Kindred AI. Avec son équipe, Rupam a mis au point une plateforme d'apprentissage robotique permettant d'effectuer six tâches différentes sur trois corps de robots différents, ce qui la distingue des solutions robotiques traditionnelles conçues pour qu'un seul robot accomplisse une seule tâche.

Le développement de systèmes d'apprentissage en temps réel pour le contrôle de robots présente des défis uniques. Les contraintes d'un monde simulé sont beaucoup plus souples que celles du monde réel - la nature imparable du temps étant la différence la plus significative.

"Pour combler ce fossé, nos environnements simulés doivent être plus proches des environnements réels", explique Mahmood. "Dans le monde réel, le temps défile lorsque nous calculons des actions ou effectuons des mises à jour d'apprentissage à l'aide d'un gigantesque réseau neuronal, un phénomène qui ne se produit pas dans l'utilisation traditionnelle des environnements simulés."

Mahmood est un ancien élève de l'Université de l'Alberta et a récemment rejoint l'Université de l'Alberta en tant que professeur assistant et boursier Amii. Il est également l'actuel directeur du RLAI. Au cours de ses études doctorales, il a été conseillé par le professeur Richard Sutton, qui est également chercheur émérite chez DeepMind, boursier Amii et largement considéré comme le pionnier de l'apprentissage par renforcement.

Permettre une communication bidirectionnelle avec les ordinateurs

Lili MouAmii Fellow et AltaML Assistant Professor in Natural Language Processing à l'Université de l'Alberta

Imaginez qu'un programme soit capable de résumer un article long en quelques phrases. Ou de déceler le sentiment d'un message texte. Les travaux de Lili Mou sur l'apprentissage profond appliqué au traitement du langage naturel vont dans ce sens.

"Je pense que le langage naturel est l'interface entre les ordinateurs et les humains", dit Mou. "Si nous pouvons communiquer, les ordinateurs peuvent rendre notre vie quotidienne beaucoup plus facile".

Nous en voyons déjà une version dans les assistants numériques de notre téléphone. Actuellement, ils ne sont équipés que pour traiter des tâches simples, et sont incapables de répondre à des demandes qui nécessitent une reconnaissance du contexte ou des tons. Mou envisage un avenir où nous serions en mesure d'avoir ce type de conversation bidirectionnelle avec des systèmes intelligents.

Mou est le premier lauréat de la chaire AltaML en traitement des langues naturelles et a récemment rejoint l'Université de l'Alberta en tant que professeur adjoint après des études supérieures à l'Université de Pékin. Université de Pékin et d'une bourse postdoctorale à l'Université de Waterloo. Université de Waterloo.

Révolutionner le domaine de la recherche

Nathan SturtevantProfesseur à l'Université de l'Alberta et boursier Amii

Nathan Sturtevant remonte le temps pour améliorer le domaine de la recherche, tout en allant de l'avant, à la frontière du domaine. 

Qu'est-ce que la recherche ? Imaginez que vous jouiez à un jeu de Tic Tac Toe pour la première fois. Assis devant le plateau, vous pensez aux mouvements que vous pourriez faire et aux résultats possibles. En fait, la recherche consiste à planifier le processus des mouvements que l'on pourrait faire pour atteindre un objectif.

"Nous avons obtenu des résultats importants au cours des deux dernières années, en introduisant de nouveaux algorithmes qui constituent des percées fondamentales dans notre compréhension de la recherche", déclare M. Sturtevant.

M. Sturtevant a passé du temps à améliorer les algorithmes de domaines vieux de plusieurs décennies, tels que la recherche bidirectionnelle et la recherche sous-optimale. Parallèlement, il est également à la pointe du progrès dans ce domaine. Il travaille actuellement sur l'utilisation de l'apprentissage automatique pour résumer des ensembles de données incroyablement grands avec suffisamment de détails pour que l'on puisse toujours appliquer des algorithmes de recherche à l'ensemble de données et obtenir des résultats de qualité.

M. Sturtevant a obtenu une maîtrise et un doctorat à l'université de Californie du Sud (UCLA). UCLA et son BSc de l UC Berkeley. Il a terminé son stage postdoctoral à l'Université de l'Alberta en 2008 et est redevenu professeur en 2018 après avoir occupé un poste de professeur à l'Université de Denver.Université de Denver. Il dirige le Moving AI Labsitué dans les locaux des deux universités.

Une théorie qui améliore les algorithmes 

Csaba Szepesvári ; Amii Fellow et professeur à l'université d'Alberta, chercheur à DeepMind

Csaba Szepesvári fait progresser la recherche en concevant des algorithmes d'apprentissage plus intelligents et plus efficaces. 

Dans le cadre de son travail, il conçoit de nouveaux algorithmes et s'appuie sur d'autres recherches en indiquant les forces et les faiblesses des algorithmes existants, ainsi que les situations dans lesquelles ils pourraient être le mieux utilisés. Il teste ces idées et ces algorithmes de manière théorique, plutôt qu'expérimentale. Et les meilleures de ces idées théoriques conduisent souvent à des avancées algorithmiques pratiques significatives.

L'algorithme UCT (Upper Confidence bounds applied to Trees) en est un bon exemple. Szepesvári a co-développé cet algorithme, qui corrigeait une faille dans les itérations précédentes de la recherche d'arbres de Monte Carlo. L'algorithme UCT a été largement appliqué depuis et est au cœur de nombreuses avancées récentes dans la recherche sur les jeux, notamment AlphaGo.

"J'espère que mon travail aidera également d'autres chercheurs dans leurs travaux, en les orientant dans la bonne direction et en produisant des recherches qu'ils pourront utiliser pour construire et explorer", explique M. Szepesvári. 

Szepesvári est récemment revenu à Edmonton et en Alberta après un congé au bureau britannique de Deepmind ; il continue à diriger l'équipe des fondations de DeepMind. Il a terminé ses études doctorales à l'université Jozsef Attila, aujourd'hui intégrée à l'université de Szeged. Université de Szeged.

Connaissances de bon sens pour les algorithmes

Adam WhiteAmii Fellow et professeur à l'université d'Alberta, chercheur principal chez DeepMind

Les systèmes intelligents peuvent-ils développer des connaissances de bon sens sur le monde qui les entoure ? Les recherches d'Adam White explorent cette question, en se concentrant sur les systèmes qui apprennent par interaction autosupervisée, par essais et erreurs.

"Les enfants apprennent comment fonctionnent leurs membres, comment manipuler des objets et toutes sortes de faits simples sur le monde en essayant simplement des choses et en observant les résultats", explique White. "Je veux construire des systèmes d'apprentissage simulés et robotisés qui apprennent pendant des semaines et des mois - comme les bébés et les animaux humains -, qui apprennent à comprendre le monde et qui s'appuient sur les apprentissages précédents pour comprendre des choses plus complexes et atteindre des objectifs."

Afin de réussir à construire des systèmes d'apprentissage capables d'apprendre dans le monde physique avec une expérience limitée, le groupe de M. White se concentre actuellement sur l'amélioration de l'apprentissage, de l'exploration et de la planification des représentations.

M. White est un ancien élève de l'Université de l'Alberta. Il est retourné à son alma mater en 2017 après avoir travaillé comme postdoc et chercheur à l'Université de l'Indiana. Université de l'Indiana. Au cours de ses études doctorales, il a été conseillé par Richard Sutton, chercheur distingué chez DeepMind et boursier Amii, largement considéré comme le pionnier de l'apprentissage par renforcement.

En 2017, CIFAR a été choisi par le gouvernement fédéral pour diriger la stratégie pancanadienne en matière d'intelligence artificielle, dotée d'un budget de 125 millions de dollars. Stratégie pancanadienne sur l'intelligence artificielle en collaboration avec les centres de recherche en intelligence artificielle d'Edmonton (Amii), de Montréal (Mila) et de Toronto (Institut Vecteur). Les nouvelles chaires CIFAR d'intelligence artificielle du Canada proviennent d'universités de tout le pays.

L'histoire de la domination mondiale de l'IA par Edmonton
L'université de l'Alberta a créé le premier département d'informatique du Canada en 1964. Des événements récents, notamment l'annonce de la création du premier laboratoire de recherche international de premier laboratoire de recherche international de DeepMind-ont véritablement cimenté l'excellence d'Edmonton sur la carte mondiale. Selon le célèbre CS Rankings, l'Université d'Alberta se classe parmi les cinq premières universités du monde. parmi les cinq premiers au monde pour la recherche sur l'intelligence artificielle et l'apprentissage automatique.

L'Amii a été fondée en 2002 dans le cadre d'un effort conjoint entre l'Université de l'Alberta et le gouvernement de l'Alberta. gouvernement de l'Alberta dans le but de créer un centre de recherche sur l'intelligence artificielle de classe mondiale. L'organisation s'est depuis détachée de l'UAlberta, tout en maintenant un partenariat solide, avec le soutien de Alberta Innovatesle gouvernement de l'Alberta et le CIFAR, afin de stimuler la découverte et l'innovation dans le domaine de l'intelligence artificielle et de l'apprentissage automatique.