Yoshua Bengio élu scientifique de l’année par Radio-Canada
Radio-Canada a élu Yoshua Bengio, professeur au Département d’informatique et de recherche opérationnelle de l’Université de Montréal et directeur de l’Institut des algorithmes d’apprentissage de Montréal, scientifique de l’année 2017.
Ce titre lui a été décerné ce matin au cours d’une cérémonie organisée dans les locaux de la Maison de Radio-Canada en présence notamment de Michel Bissonnette, vice-président des services français de Radio-Canada, et de Marie-Josée Hébert, vice-rectrice à la recherche, à la découverte, à la création et à l’innovation à l’UdeM.
«Grâce à Yoshua Bengio, le génie québécois s’est distingué au sein des géants mondiaux de l’informatique et du Web. Il a contribué à jeter les bases de perspectives exaltantes à ce chapitre pour Montréal et le Québec, sans oublier l’imposante cohorte de compétences qu’il ne cesse de former au fil des ans», a déclaré Sophie-Andrée Blondin.
Pour Marie-Josée Hébert, «il ne fait aucun doute que Yoshua Bengio a été un chercheur incontournable en 2017. Tellement que ces travaux ont attiré l’attention du monde entier sur Montréal […], qui est en train de devenir, dans le milieu de l’intelligence artificielle, l’endroit où il faut être. Yoshua Bengio m’inspire également comme chercheuse, a-t-elle poursuivi, parce qu’il manifeste un souci sincère pour les enjeux sociaux et éthiques que soulèvent ses travaux et ceux de ses collègues. Il n’hésite pas à participer au débat public». Mme Hébert a ainsi rappelé que M. Bengio était l’un des acteurs derrière la Déclaration de Montréal pour un développement responsable de l’intelligence artificielle, actuellement rédigée à l’UdeM.
Sommité de l’intelligence artificielle
Parallèlement à ses fonctions à l’Université de Montréal et au Département d’informatique et de recherche opérationnelle, Yoshua Bengio est le directeur scientifique de l’Institut de valorisation des données. Il est aussi codirecteur du programme Learning in Machines and Brains, de l’Institut canadien de recherches avancées, et titulaire de la Chaire de recherche du Canada sur les algorithmes d’apprentissage statistique.
Chef de file mondial de l’apprentissage profond, il a pour ambition de comprendre les mécanismes mathématiques et informatiques qui permettent à l’intelligence d’éclore lors du processus d’apprentissage. Il est entre autres reconnu pour ses résultats théoriques sur les réseaux de neurones récurrents, les noyaux, les représentations distribuées, la profondeur des architectures neuronales et le défi d’optimisation de l’apprentissage profond. Ses travaux ont été essentiels pour avancer sur les questions de profondeur d’apprentissage des réseaux, sur la façon dont les réseaux de neurones peuvent apprendre automatiquement des mots par une représentation vectorielle, sur celle dont la traduction automatique peut bénéficier de l’apprentissage profond par le biais de mécanismes d’attention ou encore sur l’apprentissage non supervisé grâce à des modèles génératifs profonds.
