• Bannière #3 de l'Institut des sciences cognitives

Auteur : plourde_mi

25 novembre – Séminaire DIC-ISC-CRIA : Decoding real-world visual recognition abilities in the human brain

Par : Frédéric Gosselin

Résumé :
Not all individuals are equally proficient in visual recognition. We recorded high-density EEG in typical and “super-recogniser” participants while they viewed faces, objects, animals, and scenes. We trained linear classifiers to predict whether brain activity belonged to an individual from the “super” or “typical” recogniser group. Using fractional ridge regression, we also predicted individual ability scores for both face and non-face stimuli. Representational similarity analysis and computational models ings revealed two representational signatures of higher face-recognition ability: mid-level visual computations and high-level semantic computations. The ability to identify faces is supported by domain-general brain mechanisms distributed across several information processing steps, from low-level feature integration to high-level semantic processing.

Bio :
Frédéric Gosselin is Full Professor in the Département de psychologie at UdeM, and co-director of CerebrUM. A leading expert in high-level vision, he is co-inventor of the Bubbles technique. He uses a combination of psychophysical, neuropsychological, brain imaging and computational methods. His recent work is on individual differences in face recognition abilities. Gosselin is the founder and CEO of Elephant Scientific Consulting Inc.. His company has been advising multinational corporations such as Unilever, Cirque du Soleil and Netflix for 19 years.

Jeudi 25 novembre, 10 h 00. Lien zoom : https://uqam.zoom.us/j/85150962901 Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire

Journée scientifique de NeuroQAM 2021 – 25 et 26 novembre

NeuroQAM est heureux de vous inviter à la 9ième édition de sa journée scientifique, qui se déroulera en ligne les 25 et 26 novembre prochains. 

Vous pourrez assister à près d’une trentaine de présentations d’étudiantes et étudiants en neuropsychologie de l’UQAM, l’Université McGill, l’UdeM, etc. 

Et le 26 novembre à 15 h 00, le professeur en psychologie à l’Université de Caen Normandie, Grégory Simon, présentera la conférence L’inhibition, un processus clef dans le développement neurocognitif.

Programme détaillé – Lien Zoom – Lien Gathertown

Inscription

18 novembre – Séminaire DIC-ISC-CRIA : Autonomous machines and consciousness

Par : Jiri Wiedermann

Résumé :
Autonomous machines, like robots and self-driving cars operate and co-operate in the real-world, coping with unpredictable external phenomena and error-prone technology. We model them as cyber-physical system controlled by universal processors implementing “minimal machine consciousness understanding.” The system operates with full awareness of the state of its components and its environment, enabling it to construct an up-to-date world model. Based on the current model and the cognitive state, a prediction of the future expected situation can be made, enabling the machine to determine what to do. We will present some details about the model, define and justify our machine versions of consciousness and understanding and describe their computational realization. We argue that minimal machine consciousness and understanding leads to more trustworthy, safer and more reliable systems, increasing their behavioral flexibility and autonomy in varying environments and strengthening their resilience to operation or cooperation failures.

References:
Wiedermann, J., van Leeuwen, J. (2019): Finite State Machines with Feedback: An Architecture Supporting Minimal Machine Consciousness. In: Manea F., et al., Eds. Computability in Europe: Computing with Foresight and Industry (CiE 2019), Lecture Notes in Computer Science, Vol. 11558, Springer, 2019, pp.  286-297, https: //www.springerprofessional.de/en/finite-state-machines-with-feedback-an-architecture-supporting-m/16879858

Wiedermann, J., van Leeuwen, J. (2021) Towards minimally conscious finite-state controlled cyber-physical systems: A manifesto. In: T. Bureš et al. (Eds.), SOFSEM 2021: Theory and Practice of Computer Science, Lecture Notes in Computer Science Vol 12607, Springer-Verlag, pp. 43-5,5 https://www.cs.uu.nl/groups/AD/UU-PCS-2020-02.pdf

Wiedermann, J., van Leeuwen J. (2021) Autonomous vehicles that cooperate and understand: Intelligent algorithms under the hood. TR UU-PCS-2021-01, Center for Philosophy of Computer Science, Department of Information and Computing Sciences, Utrecht University, https://www.cs.uu.nl/groups/AD/UU-PCS-2021-01.pdf

van Leeuwen J., Wiedermann J. (2021): Impossibility Results for the Online Verification of Ethical and Legal Behaviour of Robots, TR UU-PCS-2021-02, Center for Philosophy of Computer Science, Dept. of Information and Computing Science, Utrecht University, Utrecht, 2021, https://www.cs.uu.nl/groups/AD/UU-PCS-2021-02.pdf



Bio :
Jiri Wiedermann belongs to the first generation of pioneers in computer science in former Czechoslovakia. In the recent years he focuses mainly on algorithms and models for AI inspired by modeling human higher-level abilities such as machine consciousness, understanding and other semantic properties of AI systems. Homepage: www.cs.cas.cz/~wieder.

Jeudi 18 novembre, 10 h 00. Lien zoom : https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire



11 novembre – Séminaire DIC-ISC-CRIA : Serious games design knowledge


Par : Per Blacklund

Résumé :
Serious games is an effort to combine the engagement and motivation from games with some sort of utility beyond mere entertainment. In this talk Per Backlund will revisit and analyze a set of SG development projects to explore the design space for serious games and derive design guidelines for serious games. By analyzing these projects as well as their outcomes a set of design principles for serious games can be generated to conceptualize of the design space for serious games. One main contribution is to explicate the game design component in serious games and relate it to the utility dimension. Doing so, adds to the understanding of serious games from a game perspective, which is relevant to any development effort intending to use the persuasive and motivational power of games. The talk will offer several examples and experiences from practical serious games development.


Bio :
Per Backlund (https://www.his.se/en/about-us/staff/per.backlund/) is a professor of informatics at University of Skövde in Sweden. He has been active in the serious games community since 2005. His primary interest is in the development and application of serious games in various domains, such as: education, vocational training, traffic education and rehabilitation. Per Backlund is also co-founder, in 2008, of the Serious Games Master Program at University of Skövde.

Jeudi 11 novembre, 10 h 00. Lien zoom : https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire




4 novembre, Séminaire DIC-ISC-CRIA : Understanding as an emergent property of learning to predict the world

Par : Blake Richards
 
Résumé :
How do we develop an understanding of the world? Multiple lines of evidence in artificial intelligence and neuroscience are pointing to predictive learning as an essential feature of the development of understanding. In artificial intelligence, research has shown that learning to predict upcoming or adjacent sensory data is sufficient to develop complex behaviours indicative of far richer understanding than previous approaches. Simultaneously, evidence from neuroscience shows that predictive learning can account for a large array of neurophysiological data, both at the cellular, systems, and behavioural level. Here, I will argue that these converging lines of evidence tell us that what we call « understanding » is an emergent property of representations that are useful for prediction. I propose that predictive learning will come to be a core feature of both artificial general intelligence and our models of the brain.

Bio :
Blake Richards is an Assistant Professor in the Montreal Neurological Institute and the School of Computer Science at McGill University and a Core Faculty Member at the Quebec Artificial Intelligence Institute.

Jeudi 4 novembre, 10 h 00. Lien zoom : ​ https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire.

28 octobre, Séminaire DIC-ISC-CRIA – Réseaux complexes, graphes et sciences des données



Par : Pierre Miasnikof

Résumé :
L’importance grandissante des plateformes numériques et des réseaux sociaux ont fourni un élan à l’étude des réseaux complexes. Les réseaux complexes sont des graphes ayant une structure non-triviale, contrairement aux graphes Erdös-Rényi, par exemple. Ces réseaux sont utilisés pour modéliser les interactions et les phénomènes systémiques, des cas de figure où l’étude à un niveau individuel ou même de paires ne suffit pas. Ces modèles apparaissent notamment dans l’étude des réseaux sociaux, mais aussi en biologie, en chimie, en télécommunications et en finance, parmi bien d’autres champs d’application. Je débuterai par une mise en contexte avec quelques exemples concrets. Je tenterai ensuite de tisser un lien entre ce domaine d’étude et d’autres sous-disciplines de l’informatique, non seulement avec la théorie des graphes, mais aussi avec les sciences des données, l’optimisation et les méthodes numériques. Je présenterai ensuite nos travaux en apprentissage non-supervisé sur ces jeux de données en réseau, qui posent des défis particuliers. Je ferai aussi un bref détour sur le rôle que pourraient jouer les architectures informatiques non-traditionnelles (ex. quantiques, simili-quantiques) dans ce domaine. Cette présentation vise un public large et ne présume aucune connaissance préalable en réseaux complexes. 


Bio :
Pierre Miasnikof a obtenu son doctorat en 2019. Il est chercheur post-doctoral au sein du Département de génie électrique et informatique de l’Université de Toronto. Il est aussi membre de l’Institut des sciences des données (Data Sciences Institute) de cette même université. Ses recherches portent sur les liens entre l’optimisation combinatoire, les réseaux complexes et les sciences des données.

Jeudi 28 octobre, 10 h 00. Lien zoom : ​ https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire.

14 octobre, Séminaire DIC-ISC-CRIA – Neurophotonique et histologie sérielle augmentée : Présentation des projets de recherche du LINUM

Par : Joël Lefebvre 

Résumé :
La neurophotonique est le domaine de recherche qui vise à utiliser la lumière pour étudier le cerveau et comprendre le système nerveux. De multiples applications de la neurophotonique existent, allant du suivi de l’activité cérébrale à l’optogénétique où la lumière est utilisée pour activer certains neurones dans le cerveau d’animaux génétiquement modifiés. Plusieurs techniques de microscopie optique peuvent être utilisées pour étudier la microstructure du tissu cérébral afin de mieux comprendre son organisation ou son évolution sous diverses neuropathologies, dont la tomographie en cohérence optique, l’histologie sérielle, ou l’injection de virus rétrogrades fluorescents. Cette présentation portera sur les travaux de recherche du LINUM, le laboratoire de recherche en imagerie numérique et microscopie. Lors de cette présentation, je vais décrire les deux principaux programmes de recherche, soit (1) le projet X-Tract visant à mieux comprendre la géométrie des croisements de fibres de matière blanche dans le cerveau, et (2) un programme de recherche en histologie sérielle augmentée visant à combiner la microscopie avec des méthodes avancées d’analyse d’images.



Bio :
Joël Lefebvre est professeur en imagerie numérique et vision par ordinateur au département d’informatique de l’UQAM depuis janvier 2020. Avant de se joindre à l’UQAM, il était chercheur postdoctoral au sein du Big Data Institute de l’Université d’Oxford (Royaume-Uni). Il est spécialisé dans la neurophotonique, l’analyse d’images de microscopie et l’automatisation des systèmes d’imagerie optiques. Il est le chercheur principal du projet de recherche en équipe X-Tract visant à utiliser l’histologie sérielle 3D basée sur l’OCT pour améliorer les algorithmes de tractographie IRMd. Il est également chercheur associé à l’Institut de Cardiologie de Montréal (ICM).

Jeudi 14 octobre, 10 h 00. Lien zoom : ​ https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire.

Data, Knowledge, and Logic: Modeling and Reasoning for Natural Language Understanding – Séminaire DIC-ISC-CRIA, 7 octobre

Par : Bang Liu


Résumé :
Existing deep learning-based techniques for different NLU tasks are mostly data-intensive and domain-sensitive. However, creating large-amount and high-quality training datasets for NLU tasks, e.g., question answering, are both expensive and time-consuming. In this talk, we will introduce our research on data generation, knowledge expansion, and reasoning over graphs. Specifically, for data augmentation, we generate large-scale and high-quality question-answer pairs from unlabeled text to augment the training data for question answering. For knowledge expansion, we create and expand an ontology with newly discovered concepts or entities to capture the emerging knowledge in the world and keep the ontology dynamically updated. We will also briefly mention our ongoing work about a reinforcement learning-based relational reasoning framework which reasons over relational data and learns the underlying compositional logical rules. Our long-term vision is to design low-resource, knowledge-empowered, and transferable NLU systems and apply them to different domains


Bio :
Bang Liu is an Assistant Professor in the Department of Computer Science and Operations Research (DIRO) at the University of Montreal, and member of Mila – Quebec Institute of Artificial Intelligence. He researches natural language processing and understanding, text mining, and AI applications in different fields. He has produced visible values to both academia and industry. His innovations have been deployed in real-world applications (QQ Browser, Mobile QQ, and WeChat), serving over a billion daily active users. He has published 25+ papers on top conferences and journals, such as SIGMOD, ACL, NAACL, KDD, WWW, ICDM, CIKM, TKDD, and TON.

Jeudi 7 octobre, 10 h 00. Lien zoom : ​ https://uqam.zoom.us/j/85150962901
Connectez-vous 10 à 15 minutes à l’avance, et donnez votre nom complet dès votre entrée pour nous faciliter la tâche de vous admettre au séminaire.

Institut des sciences cognitives

Fondé en 2003, l'Institut des Sciences Cognitives de l'UQAM vise à favoriser la recherche et le développement de compétences dans le domaine des sciences cognitives, à en partager les connaissances, à faciliter les échanges interdisciplinaires et à animer la communauté locale.

Coordonnées

Institut des sciences cognitives
Local DS-4202
320, rue Sainte-Catherine Est
Montréal (Québec) H2X 1L7