Aller au contenu
Science et Espace

Andreas Jacob, chercheur au MIT, développe des outils pour rendre l’apprentissage automatique accessible et interprétable.

CHAPÔ

Close-up of barista pouring milk creating intricate latte art in coffee cup.
Jack Atkinson · Pexels · Pexels License · Pexels License · Source : pexels.com

Andreas Jacob, chercheur au MIT, s’engage à rendre les modèles d’apprentissage profond plus accessibles et fiables. En se concentrant sur l’interprétabilité des systèmes informatiques complexes, il aspire à résoudre certains des problèmes liés à la compréhension des données par les machines. Son parcours révèle une passion précoce pour le langage et la technologie, le menant à explorer des questions fondamentales sur l’intelligence et le traitement du langage naturel.

Un parcours inspirant

Abstract 3D figure composed of red and blue elements, symbolizing balance and unity.
Marek Piwnicki · Pexels · Pexels License · Pexels License · Source : pexels.com

Originaire de la région de San Francisco, Andreas Jacob a développé très tôt une fascination pour la lecture. Ses expériences littéraires, notamment autour d’histoires de hacking, ont éveillé son intérêt pour les ordinateurs. Un tournant majeur s’est produit lorsqu’il a découvert le langage de programmation BASIC, lui permettant de plonger dans l’univers du développement et de la recherche en intelligence artificielle.

Diplômé en informatique à l’Université de Columbia, Andreas se dirige d’abord vers la recherche en traitement du langage naturel. Il se distingue par un mémoire sur la traduction automatique, où il applique des techniques statistiques pour améliorer la puissance des systèmes d’IA dans la compréhension du langage.

Une transition vers l’apprentissage profond

Son parcours académique l’a conduit à l’Université de Californie à Berkeley, où il a approfondi ses connaissances sur les modèles neuronaux. À cette époque, le domaine du traitement du langage naturel connaissait une évolution significative, passant des méthodes statistiques à des approches d’apprentissage profond. Andreas a été au cœur de cette révolution, collaborant avec des experts en vision par ordinateur pour créer des systèmes capables de générer un langage naturel.

Il a exploré des projets novateurs, notamment l’interprétabilité des modèles de l’IA, cherchant à rendre plus explicites les opérations internes des systèmes complexes. Ces efforts ont jeté les bases de ses recherches au MIT, où il a rejoint la faculté en 2019.

Objectifs de recherche au MIT

La recherche d’Andreas se concentre sur deux axes principaux : l’étude des modèles de langage à grande échelle et le développement de nouveaux algorithmes pour mieux comprendre le comportement des modèles d’apprentissage. Ses travaux visent à fournir des outils permettant de prédire comment un modèle entraîné réagira dans des contextes variés, essentielle pour une application sûre de ces technologies dans des domaines critiques.

Un des développements notables de son équipe est un ensemble de techniques permettant aux modèles de langage de décrire leur fonctionnement intérieur dans un langage compréhensible pour les humains. Par exemple, un nœud d’un réseau neuronal peut être décrit comme étant responsable de l’identification des « patchs de gazon près des animaux » dans des images d’entrée, facilitant ainsi la compréhension des processus internes.

Les défis de l’évolution rapide de l’IA

Andreas reconnaît également les défis liés à la rapidité d’évolution de l’IA, qui se transforme tous les trois à cinq ans. Cette dynamique impose une nécessité de mise à jour constante des contenus pédagogiques des cours de traitement du langage naturel qu’il co-enseigne au MIT. L’objectif est de s’assurer que les étudiants possèdent une compréhension solide et approfondie des mécanismes sous-jacents à ces technologies, les préparant ainsi à un marché du travail en constante mutation.

Les innovations qu’il et son équipe explorent sont cruciales pour rendre ces systèmes plus sûrs, en particulier lorsqu’il s’agit d’appliquer des modèles d’apprentissage systématique à des découvertes scientifiques. La capacité de ces modèles à formuler des descriptions de connaissances cachées dans des données complexes représente à la fois un défi et une opportunité pour les chercheurs.

Passions et projets futurs

En dehors de ses recherches, Andreas nourrit une passion pour la randonnée et l’escalade, s’adonnant régulièrement à des expéditions dans la nature. Récemment, il a également renoué avec la musique, ayant un intérêt particulier pour le chant, une activité qu’il apprécie depuis ses années à Cambridge.

Avec ses recherches à l’avant-garde, Andreas est résolu à continuer d’explorer les frontières de la technologie et de l’interprétabilité, tout en naviguant à travers les nombreux défis que pose le rapide avancement des systèmes complexes.


Source : MIT News (news.mit.edu)

Article original : Consulter la source originale

Auteur : Adam Zewe | MIT News

Cédric Balcon-Hermand
À PROPOS DE L’AUTEUR

Cédric Balcon-Hermand

Journaliste d’Artia13.city, président de l’association Artia13, auteur et éditeur sous le nom Cédric Balcon, ainsi qu’auteur-compositeur de musique.

Voir le profil et tous les articles
POUR APPROFONDIR

Articles liés à ce sujet

Articles de la même rubrique ou associés à cette localité. Il s’agit de contenus liés, pas nécessairement de comptes rendus du même événement.

Artia13 Music