« Comment les machines peuvent-elle apprendre aussi efficacement que les animaux et les hommes? » Yann LeCun, Brown University

Dans le cadre des Brown Statistics, NESS Seminar and Charles K. Colver Lectureship Series, l’Université Brown a accueilli le 27 novembre dernier Yann LeCun pour une conférence sur l’intelligence artificielle intitulée “How Could Machines Learn as Efficiently as Animals and Humans ?”

Le deep learning a entrainé de véritables révolutions notamment dans la compréhension du langage naturel. Mais presque tous ces succès reposent en grande partie sur l’apprentissage supervisé, où la machine est nécessaire pour prévoir les annotations fournies par les humains. En intelligence artificielle, la plupart des systèmes utilisent des modèles d’apprentissage par renforcement qui nécessitent beaucoup d’essais pour être pratiques dans le monde réel. Mais les animaux et les humains semblent apprendre de vastes quantités de connaissances sur le monde et la façon dont il fonctionne à travers une simple observation et des actions occasionnelles.

Les modèles prédictifs efficaces sont une composante essentielle de l’intelligence comportementale: grâce à eux, nous pouvons prédire les résultats et planifier des actions. On pourrait argumenter que de bons modèles prédictifs sont à la base du ‘bon sens’, permettant de combler des informations manquantes: prédire l’avenir à partir du passé et du présent, le passé selon le présent ou l’état du monde à partir de perceptions du bruit ambiant.

Sur la vidéo ci-dessus, Yann LeCun, PhD, directeur de Facebook AI Research et professeur à l’Université de New York, passe en revue certains principes et méthodes de l’apprentissage prédictif, et comment ils peuvent permettre d’apprendre les représentations hiérarchiques du monde et de gérer l’incertitude.

Vous pensez avoir trouvé une inexactitude dans cet article ? Contactez-nous

Si vous avez apprécié cet article, merci de le partager
PARTAGER
  • Lire plus d'actus IA sur
  • Yann LeCun
    Diplômé de l'ESIEE Paris, Yann LeCun est titulaire d'un DEA et d'un doctorat de l'Université Pierre-et-Marie-Curie. Il s'oriente vers la recherche ...

    Voir les actualités de Yann LeCun
object(WP_Term)#15551 (10) { ["term_id"]=> int(1256) ["name"]=> string(10) "Yann LeCun" ["slug"]=> string(10) "yann-lecun" ["term_group"]=> int(0) ["term_taxonomy_id"]=> int(1256) ["taxonomy"]=> string(6) "acteur" ["description"]=> string(1351) "Diplômé de l'ESIEE Paris, Yann LeCun est titulaire d'un DEA et d'un doctorat de l'Université Pierre-et-Marie-Curie. Il s'oriente vers la recherche sur le machine learning et propose pendant sa thèse une variante de l'algorithme de rétropropagation du gradient, qui permet depuis le début des années 1980 l'apprentissage des réseaux de neurones. Il a réalisé son post-doctorat dans l'équipe de Geoffrey Hinton. Yann LeCun a focalisé ses recherches sur le machine learning et le deep learning. En 1987, il rejoint l'Université de Toronto puis, un an plus tard, les laboratoires AT & T, pour lesquels il va développer des méthodes d'apprentissage supervisé. Professeur à l'Université de New York, il a créé le Center for Data Sciences et travaille notamment au développement technologique des voitures autonomes. En décembre 2013, il rejoint Facebook afin de lancer et diriger le Facebook Artificial Intelligence Research (FAIR) à New York, Menlo Park puis, à partir de 2015 à Paris où il axe ses recherches sur la reconnaissance d'images et de vidéos. En 2016, il devient titulaire pour l'année de la chaire « Informatique et sciences numériques » du Collège de France. En janvier 2017, il est remplacé à son poste au sein du FAIR par Jérôme Pesenti et devient Chief Scientist." ["parent"]=> int(0) ["count"]=> int(20) ["filter"]=> string(3) "raw" }
Article précédentEntretien avec Hubert Wassner – Chief Datascientist chez AB Tasty – 2/2
Article suivantCES 2018 : Les startups des Hauts-de-France posent à nouveau leur valise à Las Vegas