Le 29 août 2023, le professeur Sarath Chandar, membre académique principal de Mila, a été nommé titulaire d’une chaire de recherche du Canada sur l'apprentissage automatique continu. À cette occasion, il a reçu une bourse du gouvernement canadien pour poursuivre ses travaux de recherche.
Sarath Chandar, également professeur adjoint à Polytechnique Montréal et titulaire d’une chaire en IA Canada-CIFAR, dirige un groupe de recherche dont l'objectif est de permettre aux systèmes d'IA d'apprendre et de s'améliorer tout au long de leur cycle de vie. Ses recherches portent sur l'apprentissage profond, l'optimisation, l'apprentissage par renforcement et le traitement du langage naturel.
« La capacité à s'adapter rapidement à de nouveaux problèmes dans un monde en constante évolution est un élément essentiel de l'intelligence humaine. Les humains y parviennent en accumulant des connaissances tout au long de leur vie et en les réutilisant pour accomplir de nouvelles tâches », a expliqué Sarath Chandar.
« Bien que la recherche sur l'apprentissage automatique ait fait des progrès considérables grâce aux avancées dans le domaine de l'apprentissage profond, l'adaptation aux changements dans le monde reste une limitation importante », a-t-il ajouté.
La chaire de recherche du Canada qu'il dirige cherche à remédier à cette limitation en explorant le paradigme de l'apprentissage tout au long du cycle de vie.
Les systèmes d'apprentissage automatique continu, qui assimilent de multiples tâches au fil du temps, devraient être capables de transférer des connaissances précédemment acquises à de nouvelles tâches afin d'apprendre à les résoudre efficacement.
Cependant, plusieurs défis subsistent avant de permettre aux réseaux de neurones artificiels d'acquérir des capacités d'apprentissage continu.
Par exemple, les systèmes d'apprentissage automatique ont souvent tendance à "oublier" les tâches précédemment apprises lors de l'apprentissage d'une nouvelle tâche ("oubli catastrophique").
Ils perdent également leur “plasticité”, soit leur capacité d'apprentissage après un certain temps.
En outre, la plupart des systèmes modernes ne disposent pas de la mémoire à long terme nécessaire pour développer des connaissances réutilisables.
Les recherches du professeur Chandar sont axées sur la résolution de tous ces problèmes se posant lors du développement d'un système d'apprentissage continu.
« Je suis honoré de cette nomination, qui me permettra de poursuivre mes projets de recherche en cours et d'en créer de nouveaux en recrutant davantage d’étudiants dans mon laboratoire de recherche. J'espère avoir un impact durable dans le domaine des agents d'apprentissage continu et contribuer à rendre les systèmes d'IA plus performants et plus fiables », a déclaré Sarath Chandar.
Pour promouvoir la recherche dans le domaine de l'apprentissage automatique continu, il a récemment co-créé la Conférence internationale sur les agents d'apprentissage continu (CoLLAs), qui réunit des chercheurs dont l'objectif est d'améliorer la polyvalence des systèmes d'IA en réimaginant les paradigmes des systèmes d'apprentissage automatique traditionnels.
