Portrait de chercheur : La quête de l’intelligence artificielle

Anglais

Marc G. Bellemare chercheur en intelligence artificielle

Marc Bellemare – Baccalauréat ès sciences, maîtrise ès sciences, informatique, Université McGill Doctorat, informatique, Université de l’Alberta, Chercheur scientifique, Google DeepMind

Marc Bellemare travaille sur le « Saint-Graal » de l’intelligence artificielle : les ordinateurs qui apprennent et pensent seuls.

Domaine de recherche
Bellemare, un informaticien travaillant dans l’un des domaines de recherche les plus passionnants en matière d’intelligence artificielle (IA), conçoit des agents logiciels qui rendent les machines capables d’apprendre par essais et erreurs, un peu comme les humains et les animaux.

Importance de la recherche

En août 2013, Bellemare s’est joint à certains des meilleurs scientifiques en matière d’IA pour participer à la fondation de l’entreprise DeepMind à Londres (R.-U.). Cinq mois plus tard, Google a racheté l’entreprise. Leur mission consistait à « résoudre l’intelligence » en combinant les meilleures techniques d’apprentissage artificiel, d’apprentissage par renforcement et de neuroscience des systèmes pour développer de puissants algorithmes d’apprentissage à usage général.

Q : Quel était l’axe principal de votre recherche à l’Université de l’Alberta?

R : J’ai dirigé le développement de l’Arcade Learning EnvironmentALE (environnement d’apprentissage Arcade), un projet lancé en 2008 par mon directeur de thèse, le Dr Michael Bowling. Il s’agit d’une interface en accès libre par l’intermédiaire de laquelle des agents artificiels jouent à des jeux de la console Atari 2600. L’axe principal de ma thèse de doctorat consistait à faire valoir que les jeux vidéo sont parfaits pour étudier l’apprentissage par renforcement (combinant les données et les décisions) ainsi que l’IA en général. Aujourd’hui, plus d’une centaine de groupes de recherche à travers le monde utilisent l’environnement d’apprentissage Arcade, et notamment DeepMind.

Mon projet de doctorat, ainsi que l’article de DeepMind traitant de l’utilisation de l’apprentissage profond pour jouer aux jeux de la console Atari 2600 paru en 2015 sur Nature, constituent probablement les principales raisons de l’intérêt mondial concernant la recherche dans le domaine de l’apprentissage par renforcement. À l’heure actuelle, je fais toujours figure de principal développeur du projet ALE

Q : Quel rôle a joué Calcul Canada dans le cadre de votre recherche de doctorat?

R : J’ai surtout eu recours à deux ou trois grappes de calcul de WestGrid, qui exécutent habituellement un grand nombre de programmes à cœur unique en parallèle. De plus, j’ai aussi mené un certain nombre d’expériences à l’aide de « Mammouth », qui constituait alors la plus récente grappe de Calcul Québec. Ces ressources inestimables dans le cadre de mon doctorat ont en grande partie contribué au succès de ma carrière de chercheur. Le fait d’avoir accès à des ressources informatiques considérables nous a permis d’établir des analyses comparatives concluantes sur l’ALE, au lieu de nous contenter d’une démonstration de faisabilité plus modeste. Sans les ressources de Calcul Canada, mon doctorat aurait pu durer un ou deux ans de plus, et les résultats n’auraient pas été aussi probants. D’ailleurs, après la publication des résultats obtenus au cours de mon doctorat, des chercheurs en IA établis au Canada et aux États-Unis ont exprimé leur « envie de disposer d’une telle puissance de calcul ».

Q : Parlez-nous des experts de Calcul Canada. Avez-vous pu profiter de leur aide lorsque des questions ont été soulevées?

R : Lorsque j’ai eu besoin de leur aide, les équipes de Calcul Canada sont intervenues rapidement pour résoudre les problèmes ou m’orienter vers les ressources pertinentes. Je pense que l’une de leurs principales forces est leur bonne compréhension des exigences liées aux calculs scientifiques – comprendre que les différents problèmes nécessitent différents types de ressources. Ils se sont révélés parfaits tant pour traiter les demandes nécessitant une intervention rapide que pour planifier des projets de recherche de plus longue haleine.

Q : Comment le fait d’avoir eu accès aux ressources de Calcul Canada vous prépare-t-il à une carrière dans l’industrie?

Google DeepMindR : Aujourd’hui, la plupart des applications parmi les plus passionnantes en IA impliquent des milliards de points de données. Il y a peu de chances de réussir à traiter ce genre de « mégadonnées » sur une petite grappe de calcul, et encore moins sur un ordinateur portatif. Les mêmes processus que ceux utilisés au cours de mon doctorat (test en matière de paramètre automatisé, analyse comparative d’agents, etc.) font partie intégrante de mes recherches quotidiennes à DeepMind.

Q : Sur quoi travaillez-vous actuellement?

R : Je me concentre principalement sur l’intégration de l’apprentissage par renforcement et la théorie de l’information qui apportent des solutions étonnamment élégantes à un grand nombre de problèmes concernant l’apprentissage par renforcement appliqué. Par exemple, si un agent possède une mémoire finie et ne peut se souvenir de n éléments d’information, pouvons-nous concevoir un algorithme qui se rappelle automatiquement les choses les plus importantes? Il s’avère que la théorie de l’information nous permet de trouver une solution pratique à ce problème.

Q : Quelles sont les applications réelles de l’apprentissage par renforcement?

R : À l’Université McGill, Joelle Pineau (une autre utilisatrice de Calcul Canada) travaille sur un fauteuil roulant robotisé intelligent destiné aux personnes souffrant d’un handicap moteur grave. Ce fauteuil roulant pourrait apprendre, par exemple, à se déplacer en tenant compte de la configuration spécifique du domicile de l’utilisateur, ou encore apprendre à communiquer avec lui. Il est en fait susceptible d’offrir aux personnes handicapées une plus grande liberté. Des travaux ont également été réalisés sur l’application de l’apprentissage par renforcement pour réglementer les marchés de l’énergie et les réseaux électriques intelligents et même pour aider les personnes souffrant d’un trouble dépressif majeur par l’intermédiaire d’un traitement progressif. Il existe un réel potentiel ici pour éclairer les décisions prises par les médecins et les psychiatres.

Q : Espérez-vous retourner un jour au Canada?

R : Oui, j’espère sincèrement y retourner un jour et mettre à profit mon savoir-faire afin de résoudre des problèmes propres au Canada.

Leave A Comment

Top