Catalyseur d’avancées scientifiques
Reconnu comme l’une des sommités mondiales en intelligence artificielle, Yoshua Bengio se passe de présentation. Pionnier de l’apprentissage profond, le professeur et directeur scientifique de Mila, l’Institut québécois d’intelligence artificielle, décortiquera l’apport de l’IA dans la recherche scientifique.
Aux yeux du chercheur, l’intelligence artificielle peut accélérer le processus de découverte scientifique, et ce, sur deux fronts. D’abord, les méthodes d’apprentissage automatique incorporant les notions de causalité aident grandement à construire de meilleurs modèles des données expérimentales. Ensuite, ces modèles plus précis permettent d’orienter le choix de la prochaine expérience à mener.
«On parle alors de méthodes d’apprentissage par renforcement – parce que cela se fait sur plusieurs itérations expérimentales – et d’apprentissage actif, puisque l’agent apprenant choisit quelle expérience il va faire de façon à bonifier le plus possible son modèle», précise Yoshua Bengio.
À ce chapitre, il prévoit aborder dans sa conférence une nouvelle approche appelée «réseaux de flot génératifs» ou «GFlowNets» (pour generative flow networks). Avec son équipe, il a fait appel à de tels modèles génératifs pour travailler sur des molécules qui pourraient aider à traiter le cancer, combattre l’antibiorésistance ou améliorer la captation du carbone.