Rendre l’intelligence artificielle plus accessible
Christian Gagné développe de nouvelles techniques pour faire de l’intelligence artificielle (IA) avec moins de données. Par ses travaux, il permet à de petites et moyennes entreprises d’utiliser une IA locale et plus accessible.
Les artisans de ce projet
Christian Gagné
Professeur titulaire à la Faculté des sciences et de génie (Département de génie électrique et de génie informatique)
Directeur de l’Institut intelligence et données (IID)
Chaire en intelligence artificielle Canada–CIFAR
Membre du Laboratoire de vision et systèmes numériques (LVSN)
Membre associé à Mila
Équipe
Stagiaires postdoctoraux : Fatemeh Gholi Zadeh Kharrat, Ihsen Hedhli
Étudiants au doctorat : Arman Afrasiyabi, Sophie Baillargeon, Nour Elhouda Dhiab, Benjamin Léger, Changjian Shui
Étudiants à la maîtrise : Mohamed Abderrahmen Abid, Ali Assafiri, Cyril Blanc, Catherine Bouchard, Hugo Siqueira Gomes, Alexandre Hains, Gabriel Leclerc, Ba Diep Nguyen, Colin Panter
Ainsi que l’équipe de l’Institut intelligence et données (IID).
Développer l’IA avec moins de données
Passer du Big Data au Few Data? C’est ce que propose Christian Gagné par ses travaux de recherche. Alors que les systèmes d’IA se sont développés à partir de quantités massives de données, le chercheur et son équipe s’intéressent au développement de techniques permettant à l’IA de se former avec peu de données ou d’interactions. De telles approches s’avèrent centrales pour soutenir le développement de la collaboration entre humains et machines, dans un contexte où, capacité humaine oblige, les échanges avec l’ordinateur pour identifier les données ou évaluer les décisions ne peuvent être répétés à des milliers, voire des millions de reprises dans un délai raisonnable.
Soutenir la collaboration humain-IA
L’expertise de Christian Gagné dans les domaines de l’apprentissage automatique et profond l’amène à travailler avec des chercheurs de disciplines variées et des données provenant de sources multiples. Ces travaux permettent la saine gestion de ces données, qu’elles soient géoréférencées ou issues de capteurs liés à la gestion de l’énergie ou à la robotique. Il vise à soutenir autant les interactions entre une IA matérialisée et l’humain, ou appuyer des réflexions concernant l’acceptabilité sociale de solutions ayant un impact concret sur les citoyens, notamment en culture ou dans le domaine judiciaire.
Améliorer l’IA aux services de la santé
Dans le cadre de ses travaux de recherche, Christian Gagné mène de front diverses collaborations en santé, notamment dans le domaine de la microscopie à super résolution. Dans le cadre d’initiatives menées aux côtés de Flavie Lavoie-Cardinal, le professeur Gagné développe des méthodes de traitement d’images basées sur l’apprentissage profond, permettant de rendre les microscopes toujours plus intelligents et performants. Il permet ainsi d’améliorer l’analyse d’imagerie médicale, entre autres sur le plan moléculaire.
L’IA peut se générer à partir de peu de données, grâce à l’apprentissage automatique.
L’IA se travaille souvent par des collaborations avec des experts de divers domaines, tant en sciences sociales, qu’en médecine ou en ingénierie.
L’IA soutient une saine gestion des données, générant des impacts concrets pour les citoyens.
L’IA permet d’améliorer l’imagerie médicale et d’interpréter plus rapidement les images, entre autres sur le plan moléculaire.
La suite
Pour l’avenir, Christian Gagné imagine bien que les méthodes et approches qu’il développe en recherche, liées à l’apprentissage avec peu d’exemples, seront utilisables et utilisées par les entreprises et organismes d’ici. En fait, l’idée est de permettre aux entreprises n’ayant pas les capacités et banques de données des géants du Web de faire de l’IA avec des moyens plus restreints et des banques de données plus modestes.
Il imagine également le futur sous l’angle de la collaboration où l’IA amène des changements profonds dans un large spectre d’activités et de champs disciplinaires.
De ce fait, le chercheur risque bien d’être appelé à développer et imaginer des algorithmes et des applications permettant de soutenir et d’enrichir ces collaborations.