L’équipe de recherche MLIA, Machine Learning & Deep Learning for Information Access, a rejoint l’ISIR depuis le 1er janvier 2022. MLIA est une équipe d’apprentissage statistique, composée de 53 membres dont 9 chercheuses, chercheurs, enseignantes-chercheuses et enseignants-chercheurs, anciennement rattachée au LIP6, laboratoire de recherche en informatique. Leur recherche est centrée sur les réseaux de neurones et le Deep Learning.
Entretien avec Patrick Gallinari, Professeur en réseaux de neurones à Sorbonne Université et Responsable de l’équipe MLIA.
Deep Learning : de quoi parle-t-on ?
Le Deep Learning ou apprentissage profond est une branche du Machine Learning (apprentissage statistique) qui est au cœur de l’essor de l’Intelligence Artificielle depuis le début des années 2010. Le Deep Learning est l’héritier des travaux sur les réseaux de neurones, initiés dès la fin des années 1950 et qui a connu plusieurs épisodes de succès et de sommeil. Adoptée comme une technologie majeure de l’IA dès la fin des années 2000 par les grands acteurs de la Tech dont les GAFAMs* et les BATXs*, le domaine connaît depuis un succès grandissant et une expansion considérable, qui a mis l’IA au centre du jeu scientifique et économique.
*GAFAMs : l’acronyme GAFAM vient des initiales des entreprises Google, Apple, Facebook, Amazon, Microsoft. *BATXs : l’acronyme BATX vient des initiales du moteur de recherche Baidu, du site de e-commerce Alibaba, du site de services Tencent et de l’entreprise technologique Xiaomi.
Que fait l’équipe MLIA d’un point de vue scientifique ?
Les membres de l’équipe MLIA travaillent sur le développement d’algorithmes d’apprentissage statistique. Leurs travaux sont largement motivés par des développements dans des domaines d’application du Deep Learning, liés en particulier à l’analyse de données sémantiques, aux interactions utilisateur et à la modélisation de systèmes complexes en physique.
L’équipe développe des coopérations fortes avec des partenaires industriels qui donnent lieu à des projets communs et des co-encadrements. Au sein de Sorbonne Université, MLIA est impliquée dans l’animation de la recherche en IA, en particulier au travers de SCAI (Sorbonne Center for AI) et dans son enseignement au travers de sa participation et de l’administration de masters.
Les activités de recherche Deep Learning nécessitent une infrastructure de calcul conséquente. MLIA a son propre cluster GPU* administré par le laboratoire et utilise très largement des facilités nationales comme le calculateur Jean Zay du CNRS.
Cluster GPU* : un cluster d’ordinateurs dans lequel chaque nœud est équipé d’une unité de traitement graphique.
Quels sont les enjeux de cette intégration ?
Au cours de ces dernières décennies, nous avons pu observer l’essor de deux domaines : les robots et les systèmes intelligents, et l’apprentissage artificiel. Ces deux domaines ont des applications concrètes au service de la société. D’une part, l’autonomie des machines et leur capacité à interagir avec les êtres humains permettent de répondre à des enjeux sociétaux majeurs, tels que la santé et le service à la personne. D’autre part, l’apprentissage artificiel permet aux machines d’intégrer des informations issues de l’expérience ou de données fournies, afin d’élaborer des décisions ou des prédictions.
La plupart des projets robotiques menés à l’ISIR constituent des champs d’application à fort potentiel pour les recherches en Deep Learning de l’équipe MLIA. Les activités de recherche développées au sein des deux entités montrent en effet de nombreuses proximités et complémentarités autour de la thématique des systèmes intelligents.
La fusion de ces deux domaines porteurs d’avenir permettra de créer une dynamique de recherche : faire progresser le domaine de la robotique et des systèmes intelligents grâce aux méthodes de l’apprentissage statistique et faire évoluer le Deep Learning pour qu’il puisse augmenter son impact sur les systèmes en interaction avec le monde réel.
L’objectif est de contribuer à la conception de dispositifs robotiques et de systèmes intelligents, matériels ou numériques, capables d’engager des interactions avec leur environnement physique et avec des personnes humaines, utilisatrices ou cohabitantes.
Ce rapprochement vise à développer une synergie en renforçant les compétences existantes à l’ISIR et . Des nouvelles pistes de recherche et des volontés de collaboration ont déjà été identifiées. Quatre nouveaux projets fédérateurs ont ainsi été récemment définis :
- L’apprentissage ouvert,
- L’apprentissage hybride combinant modèles physiques et statistiques,
- La prédiction de mouvement,
- Le langage et la sémantique pour l’interaction humain-machine.
En savoir plus : Présentation de l’équipe MLIA
