Perspectives sur l'IA pour les responsables des politiques

Nidhi Hegde est titulaire d’une chaire en IA Canada-CIFAR à l’Amii. Elle est professeure agrégée au département d’informatique de l’Université de l’Alberta. Avant de rejoindre l'Université de l'Alberta, elle a passé de nombreuses années dans des laboratoires de recherche industrielle. 

Plus récemment, elle a été chef d'équipe de recherche à Borealis AI (un institut de recherche de la Banque Royale du Canada), où son équipe a travaillé sur des méthodes de préservation de la vie privée pour les modèles d'apprentissage automatique et d'autres problèmes appliqués pour la RBC. 

Ses recherches portent sur une compréhension fondamentale de la confidentialité et de l’équité des algorithmes et des systèmes d’apprentissage automatique ainsi que sur la conception d’algorithmes visant à préserver la confidentialité et à garantir l’équité. Elle s’intéresse à des sujets comme les nouveaux cadres d’optimisation pour l’équité dans l’apprentissage automatique, le désapprentissage automatique et la robustesse des algorithmes. Elle aime travailler sur des problèmes pratiques réels, qui conduisent souvent à des questions fondamentales qui doivent être abordées avant qu'une solution puisse être conçue.

Blake Richards est professeur agrégé à l'École d'informatique et au Département de neurologie et de neurochirurgie de l'Université McGill et membre du corps professoral de Mila – Institut québécois d’intelligence artificielle. Ses recherches se situent à l'intersection des neurosciences et de l'intelligence artificielle. 

Son laboratoire étudie les principes universels de l'intelligence qui s'appliquent aux agents naturels et artificiels. Il a reçu plusieurs distinctions pour ses travaux, notamment une bourse Arthur-B.-McDonald du Conseil de recherches en sciences naturelles et en génie du Canada (CRSNG) en 2022, le Prix du jeune chercheur de l'Association canadienne des neurosciences en 2019 et une chaire en IA Canada-CIFAR en 2018. M. Richards a en outre été titulaire d'une bourse postdoctorale Banting à l'hôpital SickKids de 2011 à 2013. Il a obtenu un doctorat en neurosciences de l'Université d'Oxford en 2010 et une licence en sciences cognitives et en IA de l'Université de Toronto en 2004.

Ulrich Aivodji est professeur associé d'informatique au Département de génie logiciel et des technologies de l'information de l’École de technologie supérieure de Montréal (ÉTS).

Il dirige le Trustworthy Information Systems Lab (TISL). Ses domaines de recherche sont la sécurité informatique, la confidentialité des données, l'optimisation et l'apprentissage automatique. Ses travaux actuels portent sur plusieurs aspects de l'apprentissage automatique digne de confiance, tels que l'équité, l'apprentissage automatique préservant la vie privée et l'explicabilité.

Avant d'occuper son poste actuel, il était chercheur postdoctoral à l'Université du Québec à Montréal (UQAM), où il travaillait avec Sébastien Gambs sur l'éthique de l'apprentissage automatique et la protection de la vie privée. Il a obtenu un doctorat en informatique à l'Université Paul-Sabatier, sous la direction de Marie-José Huguet et Marc-Olivier Killijian. Pendant son doctorat, il a été affilié au Laboratoire de recherche spécialisé dans l’analyse et l’architecture des systèmes du Centre national de la recherche scientifique (LAAS-CNRS) en tant que membre des groupes de recherche Informatique fiable et tolérance aux fautes et Recherche opérationnelle, optimisation combinatoire et contraintes.

Glen Berseth est professeur agrégé au Département d'informatique et de recherche opérationnelle (DIRO) de l'Université de Montréal, membre académique principal de Mila – Institut québécois d'intelligence artificielle, détenteur d’une chaire en IA Canada-CIFAR et codirecteur du Laboratoire de robotique et d’IA intégrative de Montréal (REAL). 

Il a été chercheur postdoctoral à Berkeley Artificial Intelligence Research (BAIR), où il a travaillé avec Sergey Levine. Ses recherches portent sur la résolution de problèmes de prise de décision séquentielle (planification) pour les systèmes d'apprentissage autonomes du monde réel (robots). Elles ont couvert les domaines de la collaboration humain-robot, du renforcement, ainsi que de l'apprentissage continu, multiagent et hiérarchique et du méta-apprentissage. Glen Berseth a fait paraître des articles dans les meilleures publications des domaines de la robotique, de l'apprentissage automatique et de l'animation informatique. Il donne également un cours sur l'apprentissage des robots à l'Université de Montréal et à Mila, couvrant les recherches les plus récentes sur les techniques d'apprentissage automatique pour la création de robots généralistes.

Alissa Centivany est professeure adjointe à la faculté des études sur l'information et les médias de l'université Western, où elle travaille sur des questions liées à la politique, au droit et à l'éthique en matière de technologie. Elle est titulaire d'un doctorat en information, avec une spécialisation dans l'étude des systèmes sociotechniques. Elle est également titulaire d'un doctorat en droit, avec une spécialisation en propriété intellectuelle et en droit des technologies. Avant de rejoindre l'université Western, Mme Centivany a bénéficié de bourses de recherche à la faculté de droit de l'université de Toronto et à la faculté de droit de l'université de Californie-Berkeley. En 2023, M. Centivany a témoigné en tant qu'experte devant le Parlement canadien sur les projets de loi de réforme du droit d'auteur C-244 (diagnostic, entretien, réparation) et C-294 (interopérabilité). M. Centivany a été invité à de nombreuses reprises à des émissions de radio et de télévision et a été cité par The Globe and Mail, CBC News, Toronto Star et divers autres médias d'information.

Mme Centivany mène des recherches sur la politique, le droit et l'éthique en matière de technologie.  Ses principaux domaines d'investigation sont les suivants : la panne, la réparation et le mouvement pour le droit à la réparation ; le droit d'auteur, l'intelligence artificielle et la transformation sociotechnique ; les communications savantes, le libre accès et les technologies libres ; et l'élaboration de politiques participatives.  

Marie Charbonneau a rejoint l'Université de Calgary en tant que professeure adjointe en septembre 2021. Ses recherches portent sur les robots humanoïdes et collaboratifs, le contrôle conforme du corps entier et la collaboration homme-robot basée sur le contact physique.

Avant de rejoindre l'Université de Calgary, Mme Charbonneau était post-doctorante au RoboHub et au Human-Centred Robotics and Machine Intelligence Lab de l'Université de Waterloo. Ses recherches ont porté sur le contrôle fiable de l'ensemble du corps pour les robots humanoïdes qui interagissent étroitement et physiquement avec les personnes. Marie a travaillé comme chercheuse en début de carrière à l'Istituto Italiano di Tecnologia (IIT) à Gênes de 2015 à 2019, tout en terminant un doctorat sur le contrôle du corps entier des robots humanoïdes. 

Elle a obtenu sa maîtrise en ingénierie robotique en 2014, dans le cadre du programme Erasmus Mundus EMARO, réalisé conjointement par l'Université de Gênes et l'Université de technologie de Varsovie, le projet de thèse ayant été réalisé à l'ETH Zürich. Elle a obtenu un baccalauréat en génie mécanique de l'Université de Sherbrooke en 2010, ce qui l'a amenée à commencer sa carrière en tant que consultante en conception mécanique et en simulation avant de se lancer dans le domaine fascinant de la robotique.

Audrey Durand est titulaire d’une chaire en IA Canada-CIFAR à Mila et professeure adjointe aux départements d’informatique et de génie logiciel et de génie électrique et de génie informatique de l’Université Laval. 

Durand se spécialise dans la mise au point de méthodes qui apprennent au moyen d’interactions avec leur environnement, comme l’apprentissage par renforcement et les algorithmes de bandit. Elle s’intéresse particulièrement à l’exploitation de ces approches dans des applications scientifiques.

Elle a obtenu un doctorat en génie électrique au sein du Laboratoire de Vision et Systèmes Numériques de l'Université Laval.

Shion Guha est professeur adjoint à la faculté d'information de l'Université de Toronto. Il a été professeur adjoint d'informatique à l'Université Marquette de 2016 à 2021, où il a contribué à développer leurs programmes de science des données de premier et deuxième cycles. Il a obtenu son doctorat à l'Université Cornell (2016). Ses travaux ont été soutenus par des subventions de la National Science Foundation, de Facebook, de l'American Political Science Association, de Northwestern Mutual, de Parkview Health, etc. 

Les recherches de Shion Guha portent sur l’interaction humain-machine, la science des données et les politiques publiques. Il a participé au développement du domaine émergent de la science des données centrée sur les personnes. Ce domaine de recherche intersectionnel associe des méthodologies techniques à des requêtes interprétatives afin d’aborder les préjugés et les inégalités structurelles dans les systèmes sociotechniques. Shion Guha vise à comprendre comment les processus algorithmiques de prise de décision sont conçus, mis en œuvre et évalués dans les services publics. Il travaille souvent avec des populations marginalisées et vulnérables, notamment dans les systèmes de protection de l’enfance, de justice pénale et de santé.

Guillaume Lajoie est professeur agrégé au Département de mathématiques et de statistique (DMS) de l'Université de Montréal et membre académique principal de Mila – Institut québécois d’intelligence artificielle. Il est également chercheur boursier du Fonds de recherche du Québec - Santé (FRQS). Auparavant, il a été chercheur postdoctoral à l'Institut de dynamique et d'auto-organisation Max-Planck et à l'Institut de neuro-ingénierie de l'Université de Washington. Il a obtenu son doctorat à l'Université de Washington (Seattle), au Département de mathématiques appliquées.

Ses recherches, à l’intersection de l’IA et des neurosciences, se penchent sur des questions liées aux dynamiques et aux calculs des réseaux neuronaux, avec certaines applications à la neuro-ingénierie. Ses travaux récents comprennent le développement de biais inductifs pour une meilleure propagation de l’information dans les réseaux récurrents, ainsi que le développement d'algorithmes permettant d’optimiser les interfaces cerveau-machine bidirectionnelles.

Laleh Seyyed-Kalantari est professeure adjointe à l'École d'ingénierie Lassonde de l'Université York. Elle a mené des recherches postdoctorales au Vector Institute et à l'Université de Toronto en tant que boursière du CRSNG (2019-2022). 

Elle est titulaire d'un doctorat en génie électrique de l'Université McMaster (2017). Ses recherches portent sur l'IA responsable, l'IA générative et l'équité en matière d'IA. Seyyed-Kalantari a obtenu des prix prestigieux tels que la bourse du programme Google Research Scholar (2024), la bourse postdoctorale Banting (2022-déclinée) et la bourse postdoctorale du CRSNG (2018), entre autres. Elle a été reconnue pour ses contributions à l'équité des modèles d'IA dans l'imagerie médicale, présentées dans divers médias technologiques.