L’appel "Chaires de recherche et d’enseignement en IA (Chaires IA)" a pour objectif d’offrir à des chercheurs français ou étrangers des moyens substantiels pour constituer une équipe et réaliser un projet ambitieux dont un impact visible est attendu.
Allegro Assai
La chaire IA (AllegroAssai Algorithms, Approximations, Sparsity and Sketching for AI) vise à développer la compréhension théorique des compromis fondamentaux entre utilité, efficacité et fiabilité pour l‘apprentissage sur des flux massifs de données, ainsi que le bagage algorithmique et logiciel permettant d’améliorer l’efficacité en ressources de l’apprentissage automatique. Les partenariats industriels de la chaire permettront de tester les approches sur des cas d’étude concrets, notamment dans le domaine des véhicules autonomes, dont les capteurs génèrent des flux pouvant atteindre le téraoctet par jour. La dynamique associée à cette chaire fédérera à l’ENS de Lyon une équipe aux profils complémentaires en informatique, mathématiques appliquées et traitement du signal.
Rémi Gribonval
Rémi Gribonval est actuellement directeur de recherche Inria dans l'équipe DANTE du LIP. Il est l'ancien responsable scientifique du groupe de recherche PANAMA sur le traitement du son exploitant la parcimonie à l'IRISA de Rennes.
Ses principaux intérêts de recherche sont : les aspects mathématiques du traitement du signal et de l'apprentissage machine ; la parcimonie, l’approximation non linéaire, les dictionnaires ; les problèmes inverses en traitement du signal audio ; la localisation et la séparation des sources ; l’échantillonnage compressif ; la théorie et les algorithmes pour les représentations compactes de données de grande dimension.
SeqALO
Seqalo (Sequential and Active Learning for Optimization) est un projet en théorie de l'apprentissage statistique, qui vise à développer de théorie de la complexité pour l'optimisation. Que ce soit pour des essais cliniques, pour les moteurs de recommandation ou pour l'optimisation des paramètres d'algorithmes d'apprentissage automatique, de nombreux problèmes nécessitent la maximisation d'une fonction dite "boite noire", dont on peut observer des évaluations bruitées en un nombre limité de points de notre choix. La complexité de ce problème d'optimisation est mesuré par le nombre d'observations nécessaires avant de pouvoir donner, avec un risque faible, une bonne approximation du maximum. En s'appuyant sur des techniques d'apprentissage séquentiel et de théorie de l'information, le projet Seqalo vise à étendre les résultats préliminaires obtenus sur des cas très particuliers afin de développer de nouvelles techniques d'optimisation et de montrer que celles-ci ne peuvent être beaucoup améliorées.
Aurélien Garivier
Aurélien Garivier est professeur à l'ENS de Lyon, membre de l'UMPA et associé au LIP.
Il s'intéresse aux interfaces entre mathématiques et informatique en général, et à l'apprentissage automatique en particulier. En théorie de l'apprentissage, ses principales contributions concernent l'apprentissage séquentiel et actif, y compris l'apprentissage par renforcement. Récemment, il a commencé à s'intéresser également à la compréhension mathématique de la puissance des méthodes dites de "deep learning" (apprentissage profond), et il anime un groupe de travail sur ce sujet avec d'autres collègues de l'UMPA, de l'ICJ et du LIP.
Les chaires de recherche et d’enseignement en Intelligence Artificielle
Un programme pluriannuel de 40 chaires en Intelligence artificielle est l’une des mesures du volet recherche qui a été présenté le 28 novembre 2018 par la Ministre de l’enseignement supérieur de la recherche et de l’innovation et le secrétaire d’État chargé du numérique.
Le programme national pour l’IA ambitionne que les meilleurs talents choisissent de s’établir durablement en France et puissent, à leur tour former les futures générations de chercheurs et professionnels de l’IA, dans des métiers qui restent largement à imaginer.
L’appel « Chaires de recherche et d’enseignement en IA (Chaires IA) » a précisément pour objectif d’offrir à des chercheurs français et étrangers, avec le concours des établissements d’accueil, des moyens substantiels pour constituer une équipe et réaliser un projet ambitieux dont un impact visible est attendu.
Situées hors des instituts 3IA (le laboratoire d’accueil ne doit pas appartenir à un institut 3IA), ces chaires de recherche et d’enseignement en IA doivent s’intégrer de manière cohérente dans les laboratoires et unités qui les proposent, et participer activement aux actions du réseau national de recherche en IA dont la coordination a été confiée à Inria.
Structures
Disciplines