Non classé

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.

IA et EDI – le cas du TAL pour la préservation et revitalisation des langues autochtones. Séminaire DIC-ISC-CRIA 30 septembre

Par : Ngoc Tan LE


Résumé :
L’IA présente plusieurs défis et enjeux dont l’inclusivité, l’explicabilité, la responsabilité, les biais et la discrimination ainsi que la disponibilité et qualité des données.
Les langues autochtones souffrent du manque de données et de ressources linguistiques, ce qui les rend très menacées de disparition. Ces langues autochtones sont reconnues comme étant des langues polysynthétiques à faibles ressources mais aussi ayant une complexité morphologique et des variations dialectales. 
Cette présentation porte sur nos travaux de recherche courants concernant un groupe de langues autochtones, l’inuktitut et l’inuinnaqtun – deux langues inuites. Nous proposons une segmentation morphologique non supervisée basée sur l’approche Adapter Grammars et une étude empirique de la segmentation morphologique à des fins de la traduction automatique neuronale pour langues très peu dotées.


Bio :
Ngoc-Tan Le est actuellement stagiaire post-doctoral à l’UQAM. Il a obtenu un doctorat en informatique cognitive en 2019. Ses intérêts en recherche incluent le traitement automatique des langues naturelles (TALN) et l’intelligence artificielle, notamment pour le développement d’applications et outils d’intelligence artificielle pour les langues et domaines peu dotés ou pauvres en données, dont les langues autochtones et leurs enjeux et réalités.

Jeudi 30 septembre, 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.


Developmental Robotics: From Babies to Robots – Séminaire DIC-ISC-CRIA, 23 septembre

Par : Angelo Cangelosi


Résumé :
The latest developments in AI and machine learning offer an opportunity to advance the design of intelligent robots and human-robot interaction systems, for applications in flexible manufacturing, robot companions for older people and in education. We will introduce the field of Developmental Robotics, part of the wider field of Cognitive Robotics (Cangelosi & Schlesinger 2015; Cangelosi & Asada 2021). This combines AI with robotics by taking inspiration from psychology (e.g. child psychology) and neuroscience. In the talk we briefly present some examples of developmental robotics experiments and videos showing how robots can learn to communicate with people, and can develop social skills such as Theory of Mind to improve the design of trustworthy autonomous systems.

Références :
Cangelosi A, Asada M (Eds.) (2021, in press). Cognitive Robotics. Cambridge, MA: MIT Press.
Cangelosi A, Schlesinger M (2015). Developmental Robotics: From Babies to Robots. Cambridge, MA: MIT Press


Bio :
Angelo Cangelosi currently is Professor of Machine Learning and Robotics at the University of Manchester (UK). He also is Turing Fellow at the Alan Turing Institute London and Visiting Distinguished Fellow at AIST-AIRC Tokyo. His research interests are in developmental robotics, language grounding, human robot-interaction and trust, and robot companions for health and social care. Cangelosi currently is Principal investigator for the ongoing projects “UKRI TAS Trust Node” (EPSRC, 2020-24, £1m), “THRIVE++” (US Air Force Lab, 2018-2023, $1m) and the H2020 projects TRAINCREASE, eLADDA ETN and PERSEO ETN. Overall, Cangelosi has secured over £32m of research grants as coordinator/PI, and produced more than 250 scientific publications. Cangelosi is Editor of the journals Interaction Studies and IET Cognitive Computation and Systems. His book “Developmental Robotics: From Babies to Robots” (MIT Press) was published in January 2015, and recently translated in Chinese and Japanese. His latest book “Cognitive Robotics” (MIT Press), coedited with Minoru Asada, will be published in 2021.

Jeudi 23 septembre, 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.

ContribuLing : a joint contribution of INALCO, Wikimedia, BULAC and UQAM – 3-4 June

The Contribuling project

The ContribuLing project – a joint contribution of INALCO, Wikimedia, BULAC and UQAM – will take place on June 3rd/4th 2021, fully online. Its aim is to offer members of linguistic resource platforms an opportunity to give out presentations on their tools and workshops on their use that will enable would-be users to contribute.

ContribuLing’s main goal is to ensure that the largest possible number of contributors can use the platforms. An additional benefit will be to allow the emergence or the development of user groups who share the same tools or platforms. Emphasis will not be laid on producing data sets but on enabling attendees to do so.

Attending the event

Registration is free, but mandatory. More info.

Lauréats de la 1ère bourse de valorisation : projet de mise en valeur des conférences de philosophie à l’ACFAS

Voici les membres de l’équipe de recherche qui s’est mérité la toute première bourse de valorisation de projets de l’ISC, en avril 2021 :

Elisabeth Doyon, doctorante en informatique cognitive, UQAM
Toufik Mechouma, doctorant en informatique cognitive, UQAM
Julien Vallières, étudiant à la maîtrise en langue et littérature françaises, Université McGill

Projet :

Soixante-trois ans de conférences philosophiques (1933-1995) : pilote d’extraction de corpus et d’indexation analytique par forage textuel des Annales de l’ACFAS. Description du projet.

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