Bandeau image

Apprentissage et Intelligence Artificielle

Apprentissage et Intelligence Artificielle

Partager

twlkfbml
Chapo
Récemment, la recherche en apprentissage profond a réalisé des avancées spectaculaires en vision par ordinateur et en traitement du langage naturel. Au-delà de l'arrivée des données massives, de l'accroissement de la puissance de calcul et des efforts de conception, les causes de ces progrès, encore mal connues, soulèvent au moins trois questions.
Contenu
Corps de texte

Quelle théorie de l'apprentissage permettra d'analyser les architectures profondes ?

Comment gérer la compositionnalité de ces architectures et leur capacité à appréhender des objets plus complexes ?

Comment ouvrir la boîte noire pour mettre à jour les représentations apprises ?

Challenges :

  • Apprentissage automatique innovant et IA : sens commun, adaptabilité, généralisation 
  • Apprentissage profond et apprentissage adversarial
  • Apprentissage automatique et hyper-optimisation
  • Optimisation pour l’apprentissage, e.g. améliorations des méthodes de gradient stochastiques, optimisation Bayésienne), optimisation combinatoire
  • Lien apprentissage-modélisation, intégration d’à priori dans l’apprentissage
  • Reproductibilité et apprentissage robuste
  • Inférence statistique et validation
  • Compositionnalité des architectures profondes.