Invité : Mounir Boukadoum, professeur au département d'informatique à l'UQAM

Titre : Apprentissage profond, programmation différentiable, et logiciel 2.0

Résumé :

Les réseaux de neurones artificiels ont montré une prouesse impressionnante à résoudre des problèmes complexes de reconnaissance de formes, de prédiction et de jeux récemment. Parmi les paradigmes qui ont rendu cela possible, l’apprentissage profond est crédité de  la part du lion, étant même déclaré avancée de rupture en intelligence artificielle. Cependant, des esprits sceptiques dénoncent ses limites apparentes, dont l’opération en boîte noire qui soulève la question de sa validité comme alternative aux méthodes formelles. L’exposé présentera les tentatives actuelles de décrire l’apprentissage profond à partir des perspectives des variétés et de la programmation fonctionnelle, en vue de créer un cadre formel de design des réseaux neurones artificiels, pouvant ainsi ouvrir la porte à l’explicabilité de ces systèmes.