Vision par ordinateur, apprentissage profond, traitement du langage naturel, vision et langage, questions-réponses visuelles.

Intérêts de recherche

• Réseaux de neurones récurrents
• Apprentissage continu
• Apprentissage par renforcement
• Apprentissage profond
• Traitement du langage naturel
• Apprentissage machine
• Intelligence artificielle

Mon but à long terme est de comprendre l'intelligence; comprendre ses principes sous-jacents nous donnerait accès à l'intelligence artificielle (IA), et je crois que les algorithmes d'apprentissage sont essentiels dans cette quête. Les algorithmes d'apprentissage pourraient donner aux ordinateurs la capacité de capter des connaissances opérationnelles (pas nécessairement sous forme symbolique/verbale) à partir d'exemples. Une machine ayant appris de telles connaissances pourrait ainsi faire des prédictions ou des classifications correctes sur de nouveaux cas, généraliser à de nouvelles situations. La recherche dans ce domaine a été couronnée de nombreux succès au cours des trois dernières décades, et elle est maintenant appliquée dans de nombreux domaines de la science et de la technologie.

Parmi les applications les plus connues on inclut les engins de recherche, le traitement du langage naturel, la traduction automatique, la reconnaissance de la parole, la vision par ordinateur, et la fouille de données. Mes recherches à long terme portent sur l'apprentissage de représentations, afin de dépasser des limites théoriques et pratiques des algorithmes (linéaires ou à noyau) qui ont dominé l'apprentissage machine jusqu'à récemment. Pour contourner ces limitations, une nouvelle approche appelée apprentissage profond a été développée ici et dans quelques laboratoires depuis 2006 et a connu des succès fracassants au cours des dernières années.

Son objectif de recherche principal est de mettre au point et d’analyser des techniques d’apprentissage automatique qui peuvent exploiter, à large échelle, la riche structure de données dans des applications interdisciplinaires, comme le traitement du langage naturel, l’extraction d’information, la vision artificielle et la biologie computationnelle. À cette fin, il associe des outils d’optimisation, de statistiques et d’informatique, et il aime particulièrement travailler à l’interface entre les domaines. Lacoste-Julien est reconnu pour ses contributions dans trois domaines : prédiction structurée (problèmes de classification où les extrants sont des objets structurés, comme des séquences ou des graphiques); optimisation à large échelle (méthode des gradients incrémentaux et optimisation de Frank-Wolfe); et association de méthodes génératives et discriminatoires.

Le traitement automatique des langues naturelles (TALN) est le domaine scientifique dédié au développement de méthodes automatiques permettant de manipuler des énoncés en langage humain ("naturels") dans le double but de construire des applications concrètes et de mieux modéliser ces énoncés.

Mes travaux en TALN couvrent une large gamme de niveaux de traitements, depuis l'analyse morphologique, jusqu'aux niveaux syntaxiques et sémantiques, et portent sur des applications variées comme les outils d'aide à la traduction (incluant la traduction automatique),  ou l'extraction d'information. Le dénominateur commun de mes activités est le recours à des techniques, notamment statistiques, qui permettent d'extraire de connaissances linguistiques à partir de corpus et/ou de lexiques. Leur visée principale est le développement de méthodes permettant de combiner efficacement des connaissances linguistiques et des informations extraites de corpus annotés ou de lexiques.

Champs d'expertise

• Traitement automatique des langues naturelles
• Traduction automatique
• Apprentissage statistique et analogique
• Alignement de séquences
• Outils d'aide à la traduction

J’ai travaillé sur le traitement de la langue naturelle dans le cadre du laboratoire de Recherche Appliquée en Linguistique Informatique (RALI) plus particulièrement dans les domaines suivants:

• présentation personnalisée d’information environnementale
• e-recrutement
• génération de texte
  • réalisateur javascript pour l’anglais et le français
  • verbalisateur d’AMR 
  • génération interactive du langage
• outils d’aide à la traduction (TransSearch, TransCheck)
• résumé automatique

Je me suis intéressé également à XML et à ses technologies associées. J’ai rédigé un tutoriel sur XML en anglais qui résume ce que j’y ai appris au cours des dernières années. Le texte et les fichiers associés sont disponibles en ligne. J’ai également développé une des versions XML de WordNet, du Dictionnaire des verbes français (LVF) et du Dictionnaire Électronique des Mots (DEM) de  Dubois.

Les intérêts de recherche de Bang Liu sont dans le domaine du traitement du langage naturel, de l'exploration de données, de l'apprentissage en profondeur, de la complétion de matrice de rang faible et de l'analyse des données spatiales

Mes recherches concernent les problèmes de recherche d’information, ou de moteur de recherche sur le Web. L’objectif est d’améliorer l’état de l’art et la pratique actuelle dans ce domaine en développant de nouveaux modèles de recherche d’information, en exploitant de nouvelles sources d’informations pour l’expansion, la réécriture et la réorganisation de requêtes comme les logs d’utilisateurs, Wikipédia, les thésaurus, etc., et en tenant compte des intentions diverses des utilisateurs dans différents contextes d’application. Pour cela, nous développons des méthodes statistiques spécifiques pour les besoins de la recherche d’information. Mes recherches touchent aussi les problèmes du multilinguisme, à savoir retrouver les documents pertinents dans d’autres langues. Les méthodes développées peuvent être appliquées dans divers domaines : la recherche d’informations médicales, le commerce électronique, l’analyse des opinions sur le Web, etc.

Intelligence artificielle, la vision par ordinateur, la reconnaissance de formes et l’apprentissage automatique avec des applications à l’infographie, l’analyse du langage naturel et l’exploration des données.

Dhanya Sridhar poursuivra ses travaux dans les domaines de l’apprentissage automatique, de la causalité et des sciences sociales informatiques. Parmi ses travaux récents, elle a étudié les effets des textos entre amis sur la participation électorale aux États-Unis.

Intérêts de recherche : apprentissage en profondeur, apprentissage par renforcement, apprentissage par représentation graphique, compréhension du langage naturel, systèmes de recommandation et découverte de médicaments

Bien que j’ai une longue expérience de la recherche fondamentale en physique, informatique et mathématiques, je suis un acteur relativement nouveau dans le domaine de l’intelligence artificielle. Mon intérêt principal est la compréhension de la langue, la réponse aux questions et l’apprentissage automatique des principes fondamentaux.