{"id":7242,"date":"2022-01-31T10:54:53","date_gmt":"2022-01-31T09:54:53","guid":{"rendered":"https:\/\/www.isir.upmc.fr\/?post_type=isir_news&p=7242"},"modified":"2024-02-05T11:53:48","modified_gmt":"2024-02-05T10:53:48","slug":"arrivee-de-lequipe-mlia-a-lisir-vers-des-systemes-dintelligences-artificielles-en-interaction","status":"publish","type":"isir_news","link":"https:\/\/www.isir.upmc.fr\/actualites\/arrivee-de-lequipe-mlia-a-lisir-vers-des-systemes-dintelligences-artificielles-en-interaction\/","title":{"rendered":"ARRIV\u00c9E DE L’\u00c9QUIPE MLIA \u00c0 L’ISIR : VERS DES SYST\u00c8MES D’INTELLIGENCE ARTIFICIELLE EN INTERACTION"},"content":{"rendered":"\n

L\u2019\u00e9quipe de recherche MLIA<\/strong>, Machine Learning & Deep Learning for Information Access<\/em>, a rejoint l\u2019ISIR<\/strong> depuis le 1er<\/sup> janvier 2022. MLIA<\/strong> est une \u00e9quipe d\u2019apprentissage statistique, compos\u00e9e de 53 membres dont 9 chercheuses, chercheurs, enseignantes-chercheuses et enseignants-chercheurs, anciennement rattach\u00e9e au LIP6, laboratoire de recherche en informatique. Leur recherche est centr\u00e9e sur les r\u00e9seaux de neurones et le Deep Learning. <\/p>\n\n\n\n

Entretien avec Patrick Gallinari<\/strong>, Professeur en r\u00e9seaux de neurones \u00e0 Sorbonne Universit\u00e9 et Responsable de l\u2019\u00e9quipe MLIA. <\/em><\/p>\n\n\n\n

Deep Learning : de quoi parle-t-on ? <\/strong><\/h4>\n\n\n\n

Le Deep Learning ou apprentissage profond<\/em> est une branche du Machine Learning (apprentissage statistique) qui est au c\u0153ur de l\u2019essor de l\u2019Intelligence Artificielle depuis le d\u00e9but des ann\u00e9es 2010. Le Deep Learning est l\u2019h\u00e9ritier des travaux sur les r\u00e9seaux de neurones, initi\u00e9s d\u00e8s la fin des ann\u00e9es 1950 et qui a connu plusieurs \u00e9pisodes de succ\u00e8s et de sommeil. Adopt\u00e9e comme une technologie majeure de l\u2019IA d\u00e8s la fin des ann\u00e9es 2000 par les grands acteurs de la Tech dont les GAFAMs<\/em>* et les BATXs<\/em>*, le domaine conna\u00eet depuis un succ\u00e8s grandissant et une expansion consid\u00e9rable, qui a mis l\u2019IA au centre du jeu scientifique et \u00e9conomique.<\/p>\n\n\n\n

*GAFAMs : l\u2019acronyme GAFAM vient des initiales des entreprises Google, Apple, Facebook, Amazon, Microsoft.<\/em> *BATXs : l\u2019acronyme BATX vient des initiales du moteur de recherche Baidu, du site de e-commerce Alibaba, du site de services Tencent et de l\u2019entreprise technologique Xiaomi.<\/em><\/h5>\n\n\n\n

Que fait l\u2019\u00e9quipe MLIA d\u2019un point de vue scientifique ? <\/strong><\/h4>\n\n\n\n

Les membres de l\u2019\u00e9quipe MLIA<\/strong> travaillent sur le d\u00e9veloppement d\u2019algorithmes d\u2019apprentissage statistique. Leurs travaux sont largement motiv\u00e9s par des d\u00e9veloppements dans des domaines d\u2019application du Deep Learning, li\u00e9s en particulier \u00e0 l\u2019analyse de donn\u00e9es s\u00e9mantiques, aux interactions utilisateur et \u00e0 la mod\u00e9lisation de syst\u00e8mes complexes en physique. <\/p>\n\n\n\n

L\u2019\u00e9quipe d\u00e9veloppe des coop\u00e9rations fortes avec des partenaires industriels qui donnent lieu \u00e0 des projets communs et des co-encadrements. Au sein de Sorbonne Universit\u00e9, MLIA<\/strong> est impliqu\u00e9e dans l\u2019animation 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\u2019administration de masters. <\/p>\n\n\n\n

Les activit\u00e9s de recherche Deep Learning n\u00e9cessitent une infrastructure de calcul cons\u00e9quente. MLIA<\/strong> a son propre cluster GPU<\/em>* administr\u00e9 par le laboratoire et utilise tr\u00e8s largement des facilit\u00e9s nationales comme le calculateur Jean Zay du CNRS.<\/p>\n\n\n\n

Cluster GPU* : un cluster d’ordinateurs dans lequel chaque n\u0153ud est \u00e9quip\u00e9 d’une unit\u00e9 de traitement graphique. <\/em><\/h5>\n\n\n\n

Quels sont les enjeux de cette int\u00e9gration ? <\/strong><\/h4>\n\n\n\n

Au cours de ces derni\u00e8res d\u00e9cennies, nous avons pu observer l\u2019essor de deux domaines : les robots et les syst\u00e8mes intelligents, et l\u2019apprentissage artificiel. Ces deux domaines ont des applications concr\u00e8tes au service de la soci\u00e9t\u00e9. D\u2019une part, l\u2019autonomie des machines et leur capacit\u00e9 \u00e0 interagir avec les \u00eatres humains permettent de r\u00e9pondre \u00e0 des enjeux soci\u00e9taux majeurs, tels que la sant\u00e9 et le service \u00e0 la personne. D\u2019autre part, l\u2019apprentissage artificiel permet aux machines d\u2019int\u00e9grer des informations issues de l\u2019exp\u00e9rience ou de donn\u00e9es fournies, afin d\u2019\u00e9laborer des d\u00e9cisions ou des pr\u00e9dictions. <\/p>\n\n\n\n

La plupart des projets robotiques men\u00e9s \u00e0 l\u2019ISIR<\/strong> constituent des champs d\u2019application \u00e0 fort potentiel pour les recherches en Deep Learning de l\u2019\u00e9quipe MLIA<\/strong>. Les activit\u00e9s de recherche d\u00e9velopp\u00e9es au sein des deux entit\u00e9s montrent en effet de nombreuses proximit\u00e9s et compl\u00e9mentarit\u00e9s autour de la th\u00e9matique des syst\u00e8mes intelligents. <\/p>\n\n\n\n

La fusion de ces deux domaines porteurs d\u2019avenir permettra de cr\u00e9er une dynamique de recherche : faire progresser le domaine de la robotique et des syst\u00e8mes intelligents gr\u00e2ce aux m\u00e9thodes de l\u2019apprentissage statistique et faire \u00e9voluer le Deep Learning pour qu\u2019il puisse augmenter son impact sur les syst\u00e8mes en interaction avec le monde r\u00e9el. <\/p>\n\n\n\n

L\u2019objectif est de contribuer \u00e0 la conception de dispositifs robotiques et de syst\u00e8mes intelligents, mat\u00e9riels ou num\u00e9riques, capables d\u2019engager des interactions avec leur environnement physique et avec des personnes humaines, utilisatrices ou cohabitantes.<\/p>\n\n\n\n

Ce rapprochement vise \u00e0 d\u00e9velopper une synergie en renfor\u00e7ant les comp\u00e9tences existantes \u00e0 l\u2019ISIR<\/strong> et <\/strong>. Des nouvelles pistes de recherche et des volont\u00e9s de collaboration ont d\u00e9j\u00e0 \u00e9t\u00e9 identifi\u00e9es. Quatre nouveaux projets f\u00e9d\u00e9rateurs ont ainsi \u00e9t\u00e9 r\u00e9cemment d\u00e9finis : <\/p>\n\n\n\n