Skip to main content

Blog

Learn About Our Meetup

5000+ Members

MEETUPS

LEARN, CONNECT, SHARE

Join our meetup, learn, connect, share, and get to know your Toronto AI community. 

JOB POSTINGS

INDEED POSTINGS

Browse through the latest deep learning, ai, machine learning postings from Indeed for the GTA.

CONTACT

CONNECT WITH US

Are you looking to sponsor space, be a speaker, or volunteer, feel free to give us a shout.

Le premier colloque de recherche et salon de l’emploi de l’Institut Vecteur réunit à Toronto des chercheurs et des professionnels d’un océan à l’autre

 

Le vendredi 22 février 2019, l’Institut Vecteur organisait son tout premier colloque de recherche et salon de l’emploi, l’un des plus grands rassemblements d’experts du domaine de l’intelligence artificielle au Canada. Cette journée a donné l’occasion aux chercheurs de Vecteur de présenter leurs meilleurs projets de recherche menés au cours de la dernière année. L’événement offrait en outre aux étudiants à la maîtrise, aux doctorants et aux stagiaires postdoctoraux dans les domaines de l’apprentissage automatique et de l’intelligence artificielle la chance de rencontrer les partenaires de Vecteur dans les secteurs de la technologie et de la santé, et de découvrir un large éventail de possibilités de stages et de carrières. Des représentants de 20 commanditaires et partenaires de Vecteur et plus de 300 participants s’étaient donné rendez-vous pour l’événement.

Lors du colloque, David Duvenaud, professeur à l’Institut Vecteur, a présenté son travail sur les équations différentielles ordinaires neurales, qui lui a valu le Prix de la meilleure communication lors de NeurIPS 2018, l’un des congrès phares consacrés à l’apprentissage automatique dans le monde. Hassan Ashtiani, ancien stagiaire postdoctoral au sein de Vecteur, a quant à lui présenté son travail visant à réduire la complexité de l’échantillonnage des modèles de mélanges gaussiens à l’aide de schémas de compression.

 

 

 

L’événement en chiffres :

  • Plus de 300 participants, dont des étudiants à la maîtrise, des doctorants, des stagiaires postdoctoraux, des enseignants et des professionnels de l’industrie
  • 100 étudiants inscrits à des programmes reconnus par Vecteur et 31 titulaires d’une bourse Vecteur en IA
  • 56 affiches de recherche
  • 20 commanditaires et partenaires de Vecteur issus des secteurs des technologies et de la santé, en quête de talents locaux dans le domaine de l’IA

 

Les participants étaient issus de la communauté étudiante et du corps professoral d’établissements canadiens et étrangers, dont les suivants :

  • Université Carleton
  • Institut de recherche Krembil
  • Institut des politiques, de la gestion et de l’évaluation de la santé de l’Université Harvard
  • Université McGill
  • Université McMaster
  • Mila
  • Université Munzur
  • Institut ontarien de recherche sur le cancer
  • Smith School of Business de l’Université Queen
  • Université Ryerson
  • SickKids
  • Université Simon Fraser
  • Université de technologie de Chine méridionale
  • Hôpital St. Michael’s
  • Centre Sunnybrook des sciences de la santé
  • Institut de réadaptation de Toronto
  • Université de Montréal
  • Universidad del Norte
  • Réseau universitaire de santé
  • Université de la Colombie-Britannique
  • Université du New Hampshire
  • Institut universitaire de technologie de l’Ontario
  • Université d’Ottawa
  • Université de Sao Paulo
  • Université de Toronto
  • Université de Waterloo
  • UPC Barcelona
  • Université Western (UWO)
  • Schulich School of Business de l’Université York

 
 

 

 

 

 

 

 

 

Outre les communications, 56 affiches de recherche présentaient le travail publié par des chercheurs de Vecteur et des membres de la communauté de l’IA en 2018. Bon nombre d’affiches illustraient des recherches relayées par des congrès et des revues de renommée mondiale et portant sur des sujets comme le classement des types de cancer, l’identification des animaux ou la trajectographie haute précision.

Au cours de la journée, les étudiants ont également pu rencontrer des représentants d’entreprises et de jeunes pousses établies au Canada, qui cherchaient à recruter des talents locaux en apprentissage automatique et en IA. Il s’agissait d’une occasion en or pour les commanditaires sectoriels de Vecteur, qui proposent des perspectives de carrière dans une foule de domaines allant de la science des données à l’analytique, en passant par l’ingénierie et la gestion de projet.

Vector Research Symposium & Job Fair, Feb. 22, 2019

De nombreux commanditaires et partenaires de Vecteur issus des secteurs des technologies et de la santé étaient présents, dont :

  • Accenture
  • Air Canada
  • Baycrest
  • Borealis AI
  • BMO Groupe financier
  • CIBC
  • Deloitte
  • EY
  • Intact Assurance
  • Layer 6 AI
  • Les Compagnies Loblaw limitée
  • Manuvie
  • NVIDIA
  • ROSS Intelligence
  • Banque Scotia
  • Shopify Inc
  • Stradigi AI
  • Financière Sun Life
  • Groupe Thales
  • Thomson Reuters

 

 

 

 

 

 

 

Pour clôturer la journée, Craig Boutilier (Prix de la meilleure communication NeurIPS 2018, Google), Sheila McIlraith (Université de Toronto et professeure associée à l’Institut Vecteur), Brendan Frey (cofondateur de Vecteur, Deep Genomics) et Jamie Kiros (Google Brain) se sont prêtés à une vive discussion de groupe animée par le directeur de recherche de Vecteur, Richard Zemel.

Ces experts ont abordé les principaux obstacles auxquels se heurte l’apprentissage automatique et ont tenté de déterminer d’où viendront les prochaines grandes percées, évoquant les approches hybrides en matière de recherche sur l’apprentissage profond, l’interprétabilité et l’IA éthique.

 

Faits saillants de la discussion

Principaux obstacles de l’apprentissage automatique

Le thème principal de la discussion était le retard de l’éthique sur les plus récentes avancées technologiques. Pour expliquer ce retard, les participants ont évoqué le fait que les travaux en apprentissage automatique sont cloisonnés par rapport aux autres domaines d’étude impliquant l’IA, ce qui pose de nombreux obstacles à la recherche. Les interactions modélisées étant peu intelligentes, les chercheurs ont encore du mal à comprendre comment ils peuvent en arriver à des interactions naturelles.

 

Approches de recherche hybrides sur l’apprentissage automatique (p. ex., modèles probabilistes et IA logique)

D’après les panélistes, bon nombre de techniques d’apprentissage automatique tirent parti d’approches hybrides fondées notamment sur les réseaux neuronaux. Les participants déplorent en outre le fait que certaines questions sont souvent négligées par la communauté scientifique, comme le recours aux algorithmes dans la prise de décisions influant sur le monde réel ou les avancées révolutionnaires en traduction automatique.

 

Interprétabilité

Les experts ont discuté de la transparence et du contrôle, qui expliquent à leurs yeux le besoin d’interprétabilité, mais aussi de la manière dont nous, humains, rationalisons généralement nos décisions après coup. Ils se sont interrogés sur la capacité d’un chercheur à comprendre précisément le fonctionnement d’un modèle. L’un des participants a en outre indiqué qu’un chercheur doit être en mesure d’expliquer les décisions prises au nom de l’utilisateur lors de la création d’un modèle. Vers la fin de la discussion, les participants ont rappelé la nécessité, pour les chercheurs, de tenir compte de l’utilisateur final dans leurs réflexions sur l’interprétabilité, car celle-ci peut varier selon le contexte.

 

IA éthique

Les experts ont fait valoir l’importance, pour les chercheurs, d’avoir des convictions solides susceptibles de les guider dans la conception d’algorithmes.

Ils ont également observé que les considérations éthiques ne se limitent pas à l’IA et qu’elles constituent un enjeu majeur dans d’autres domaines, dont l’informatique au sens large. À cet égard, les participants ont insisté sur la responsabilité des chercheurs, qui doivent former les étudiants et bâtir un avenir meilleur pour l’humanité. Ils ont ensuite soutenu que, devant le choix difficile des recherches à mener et les questions liées aux applications négatives d’un modèle, la frontière entre curiosité et danger reste très floue.

Concluant sur une note encourageante, les participants se sont réjouis des outils plus performants que jamais dont ils disposent pour s’attaquer aux défis évoqués au cours de la discussion. En réponse à la question d’un membre du public, l’un d’eux a rappelé que si les chercheurs doivent assumer le rôle de conseillers dans les discussions entourant les politiques publiques, la communauté scientifique ne doit pas être la seule à surveiller l’utilisation de modèles dans la prise de décisions.