photo of Mila student and Microsoft Montreal lab exterior

Microsoft Research & Mila

Engagement des professeurs de Mila

Appel à des projets de recherche de Microsoft Research et de Mila

Deux fois par an, Microsoft Research lance un appel à des projets de recherche auprès des professeurs de Mila afin de promouvoir les recherches conjointes en apprentissage automatique. Cet appel vise à financer des projets collaboratifs ambitieux qui ont le potentiel de façonner l’avenir de l’intelligence artificielle.

Veuillez voir ci-dessous une liste de propositions sélectionnées financées par Microsoft Research lors de l’appel de propositions le plus récent. La prochaine série d’appels à propositions aura lieu de mai à juin 2020.

Mars 2020

  • Devon Hjelm (MSR Montreal), Mihai Jalobeanu (MSR AI), Yonatan Bisk (MSR AI), Liam Paull (Mila), Florian Golemo (Mila), Aaron Courville (Mila)

    Dans ce projet, nous explorons le rôle de l'interaction dans la révélation des propriétés sous-jacentes du monde, notamment les propriétés difficilement discernables par la seule observation visuelle. Plus précisément, nous formons des modèles par curiosité et interaction au sein du contrôle robotique, car ce cadre nous permet de concevoir concrètement des expériences sur lesquelles nous pouvons raisonnablement progresser sur des questions qui relient l'interaction à l'apprentissage de la représentation. Notre cadre expérimental se concentrera sur l'apprentissage des propriétés invisibles et des affordances par l'interaction à la fois dans la simulation et sur de vraies plateformes de robots.

  • Rémi Tachet Des Combes (MSR Montreal), Pierre-Luc Bacon (Mila), Yoshua Bengio (Mila), Romain Laroche (MSR Montreal)

    Notre objectif est d'explorer le concept de biais de parcimonie (PB) en apprentissage par renforcement. Le PB indique que les agents doivent raisonner sur un petit nombre de concepts à partir de l'état actuel (espace d'état PB), et sur un petit nombre de pas de temps significatifs dans sa trajectoire (PB temporel). Nous espérons démontrer qu'un agent formé à l'aide du BP a de solides affectation de crédit et planning capacités et peut s'adapter rapidement à de nouveaux environnements.

  • Will Hamilton (Mila/McGill), Xingdi Yuan (MSR Montreal), Marc-Alexandre Cote (MSR Montreal), Romain Laroche (MSR Montreal), Adam Trischler (MSR Montreal)

    La capacité d'apprendre et de généraliser à partir de petites quantités de données est un aspect fondamental de l'intelligence humaine. Dans le contexte de l'apprentissage automatique, cette capacité est souvent étudiée sous l'égide du «méta-apprentissage», dans lequel des modèles sont entraînés pour permettre une adaptation rapide à de nouvelles tâches. Notre projet explorera une nouvelle approche du méta-apprentissage basée sur le concept d'induction de règles logiques, où nous développerons des approches d'apprentissage qui cherchent à extraire la structure logique partagée entre des tâches liées.

  • Jian Tang (Mila), Chenyan Xiong (MSR AI)

    Le raisonnement relationnel, un ingrédient clé du raisonnement du Système II, est important dans une variété de tâches complexes telles que la réponse aux questions, la compréhension des images et la réalisation du graphe de connaissances. Ce problème a été largement étudié dans la communauté d'apprentissage relationnel statistique traditionnelle et dans la communauté d'apprentissage de la représentation graphique en croissance récente de manière indépendante. Dans ce projet, nous visons à combiner les avantages des deux mondes et à favoriser la collaboration entre les deux communautés différentes.

  • Shehzaad Dhuliawala (MSR Montreal), Kaheer Suleman (MSR Montreal), Siva Reddy (Mila/McGill) 

    Dans cette proposition, nous prévoyons de développer des moteurs de recherche de nouvelle génération capables de répondre à des questions conversationnelles. Le principal défi consiste à construire un modèle d'inférence conjointe qui comprend les conversations, effectue la recherche d'informations et lit les documents pour répondre aux questions.

  • Xue Liu (Mila), Fernando Diaz (MSR Montreal)

    Les systèmes de recommandation à double face mettent en relation deux populations telles que les acheteurs et les vendeurs, les auditeurs et les musiciens, les employeurs et les demandeurs d'emploi. Alors que de nombreux systèmes de recommandation existants se sont concentrés sur l'optimisation de mesures telles que la satisfaction des utilisateurs, ils n'intègrent souvent pas la satisfaction des producteurs de contenu. En conséquence, les plateformes deviennent moins attrayantes et la qualité du contenu peut en souffrir. De plus, même lorsque plusieurs objectifs sont pris en compte, ils peuvent entraîner une répartition inéquitable de l'exposition du contenu de certains groupes. Ce projet développera des modèles de recommandation équitable à objectifs multiples.

  • Carolyne Pelletier (Mila), Sandeep Subramanian (Mila), Samira Shabanian (MSR Montreal), Yoshua Bengio (Mila)

    Ce projet étudie les moyens d'atténuer le biais lié aux pronoms de genre (un type de biais implicite) lors du déploiement de systèmes de traitement du langage naturel. Ceci est important car, tout comme la façon dont les humains intègrent leurs propres biais dans le texte qu'ils écrivent, il a été démontré que des modèles de compréhension du langage comme BERT propagent ces types de biais qui existent dans leurs données d'entraînement aux tâches en aval. Tout d'abord, nous proposons une modification de la tâche de pré-formation du BERT afin d'atténuer le biais des pronoms de genre. Deuxièmement, nous proposons d'affiner un ensemble de données augmenté qui vise à réduire le biais des pronoms de genre dans des tâches telles que la modélisation du langage masqué. Enfin, nous explorons la possibilité de former un modèle pour identifier et corriger le biais des pronoms de genre au niveau de la phrase en utilisant un modèle de compréhension du langage pré-formé comme BERT et en l'ajustant sur l'ensemble de données Gender Pronom Bias qui est collecté à Mila. avec BiaslyAI. Cela pourrait être utilisé comme une application d'utilisateur final ou utilisé pour corriger le biais du pronom de genre dans les données de formation.

Mai 2019

  • Alessandro Sordoni (MSR Montreal) and Professor Timothy O’Donnell (Mila)

  • Marc-Alexandre Cote (MSR Montreal), Eric Yuan (MSR Montreal), Professor William Hamilton (Mila) and Professor Jian Tang (Mila)

  • Remi Tachet Des Combes (MSR Montreal) and Professor Ioannis Mitliagkas (Mila)

MSR Collaborateurs Membres du Corps professoral à Mila

Série de conférences sur l’IA données par d’éminents représentants de Microsoft Research à Mila (avec pizza)

Une fois par mois, Microsoft Research organise une conférence technique animée par un éminent professeur, universitaire ou chercheur de Microsoft. Les professeurs, les étudiants et les membres du milieu de l’enseignement local sont invités à assister à l’événement. Après la conférence, de la pizza est offerte aux professeurs et aux membres du milieu de l’enseignement afin qu’ils puissent faire du réseautage. Consultez la page de l’événement pour connaître les anciens et les prochains conférenciers.

Une fois par année, les professeurs et les étudiants de Mila collaborent avec la direction et les chercheurs de Microsoft Research pour partager les récentes percées de la recherche dans le but de renforcer les collaborations existantes.