Un bref historique de la recherche à Mila
Mila a publié un grand nombre des articles précurseurs sur l'apprentissage profond, notamment sur le plongement lexical dans les modèles de langage neuronaux, les auto-encodeurs débruiteurs, les réseaux profonds avec des Unités Linéaires Rectifiées (ReLUs) plutôt que des fonctions sigmoïdes ou des tangentes hyperboliques (tanh), l'auto-attention et la révolution de la traduction automatique et du traitement du langage naturel qui en résulte, les réseaux antagonistes génératifs (GANs), etc. Mila est également responsable d'un manuel populaire sur l'apprentissage profond (MIT Press, 2016) et a co-créé la Conférence internationale sur les apprentissages des représentations (ICLR).
L'institut a été le berceau du développement de l'apprentissage par renforcement profond et des fondements théoriques de l'apprentissage profond, y compris les raisons de son fonctionnement, les méthodes d'optimisation et d'analyse, les principes de généralisation, le traitement des données intra- et hors distribution, la causalité, et les méthodes génératives et probabilistes.
Mila a développé une expertise à l'intersection des neurosciences théoriques et de l'apprentissage profond (NeuroAI), ainsi que dans de nombreux domaines de l'apprentissage automatique appliqué qui se concentrent sur l'IA pour le bien commun. La vision par ordinateur, le traitement du langage naturel et la robotique, ainsi que les applications dans le domaine des soins de santé, telles que l'imagerie médicale et la découverte de médicaments, ont été au cœur de ses préoccupations. Il en va de même pour l'environnement, puisque Mila a cofondé l'organisation Climate Change AI. En outre, Mila a choisi de se concentrer sur l’IA pour la science pour soutenir la modélisation et la découverte en physique, en chimie et en biologie, et travaille activement dans le domaine des sciences sociales - en luttant contre l'exploitation sexuelle et l'esclavage moderne, tout en contribuant aux aspects juridiques et philosophiques d'une IA responsable et sécuritaire.