IAR³ : des Regroupements de recherche pour engendrer une avancée majeure des connaissances en IA et ses applications

Les objectifs de ce Regroupement sont de formaliser les fonctions du traitement conscient (généralisation à de nouveaux contextes – robustesse, représentation des connaissances et raisonnement causal, métacognition ou réflexion sur les pensées) afin de pouvoir faire progresser l’IA et stimuler le développement de nouvelles théories explicatives pour les neurosciences cognitives.

Les objectifs de ce Regroupement sont de développer de façon assez libre la recherche de pointe sur des algorithmes d’apprentissage automatique, apprentissage profond et prise de décision sous incertitude. Ce Regroupement sera également invité à répondre aux problèmes des autres Regroupements et à collaborer étroitement avec eux dans le but d’accélérer le développement d’algorithmes plus robustes, raisonnant mieux et plus transparents.

Les objectifs de ce Regroupement sont de concevoir une nouvelle génération d’algorithmes d’apprentissage automatique pour le TALN dont l’architecture est plus structurée en termes d’éléments de connaissance pouvant être recombinés. Ces recherches doivent être réalisées dans le but d’appliquer ces nouveaux systèmes et travailler en collaboration avec les minorités pour atténuer les préjugés et la discrimination associés au TALN moderne, et se diriger vers des systèmes qui peuvent être guidés par les humains pour comprendre les histoires, avec un accent particulier sur les histoires et les apprentissages des cultures autochtones.

Les objectifs de ce Regroupement sont de (1) informer un processus responsable tout en assurant une plus grande représentation des groupes marginalisés et en conduisant à une conception, une mise en œuvre et des résultats plus équitables et sécuritaires de l’IA, (2) comprendre les nouveaux modèles d’affaires que IAR³ pourrait aider à soutenir, identifier les facteurs humains contribuant à l’utilisation de l’IA, définir des modèles de gouvernance transparents et fiables évitant la concentration du pouvoir, pour l’utilisation responsable et éco-durable de l’IA et des données nécessaires pour calibrer les modèles d’IA, et déterminer comment l’IA peut créer un meilleur travail et significatif, (3) étudier les moteurs de l’adoption de l’IA, découvrir les réponses humaines implicites aux systèmes d’IA et corréler ces réponses avec les décisions de conception prises par les équipes de développement, (4) définir clairement l’IA digne de confiance et sécuritaire, et produire des méthodes, des outils et des technologies permettant le développement d’applications intelligentes dignes de confiance, (5) proposer des normes de gouvernance et des modèles de sociétés démocratiques résilientes aux effets, aux dommages et aux risques d’IA de plus en plus puissantes. Ces objectifs devront être travaillés en collaboration avec des groupes minoritaires ou marginalisés.

Les objectifs de ce Regroupement sont de développer la recherche de pointe dans cette thématique tout en s’assurant de pouvoir intégrer leurs découvertes dans les recherches des autres Regroupements. Ce Regroupement travaillera entre autres sur les différents paramètres qui impactent la robustesse des algorithmes et induisent des biais (ex: les données collectées) ainsi que sur l’explicabilité. Les méthodes de travail basées sur la coconstruction et incluant les groupes minoritaires et les communautés autochtones seront également examinées. Enfin, les intérêts de recherche devront également refléter les priorités des communautés autochtones.

Les objectifs de ce Regroupement sont de transformer la découverte de molécules et de matériaux en remplaçant les criblages de type « force brute » par des méthodes de modélisation et de conception expérimentale basées sur l’IA, permettant une recherche plus ciblée mais diversifiée à la fois dans l’espace des modèles et dans l’espace des expériences possibles.

Les objectifs de ce Regroupement sont de (1) développer des algorithmes capables d’apprendre à partir de dépôts de données en constante augmentation (drones, sociétés de transport, etc.) et de fournir des analyses pour développer des politiques efficaces concernant les changements climatiques et la biodiversité, (2) comprendre la perte de biodiversité dans le contexte du changement climatique, (3) concevoir les pipelines d’apprentissage actif nécessaires pour guider la collecte ciblée de drones sur des zones sujettes à des changements de végétation afin de minimiser l’incertitude épistémique sur, par exemple, le sort futur des stocks et des flux de carbone et d’azote au Canada et au-delà.

Les objectifs de ce Regroupement sont de (1) développer et valider un cadre intégratif basé sur la valeur pour guider le développement et le déploiement de IAR³ dans les soins de santé et élaborer des orientations pour les décideurs politiques et les équipes de développement d’IA afin de soutenir IAR³ dans les systèmes de santé et (2) étudier des cas de développements et de déploiements d’IA dans une variété de contextes pour sonder empiriquement  a) la perspective et les hypothèses qui guident le travail des équipes de développement, b) les attentes et les droits des personnes potentiellement utilisatrices, y compris les groupes minoritaires, ont à l’égard de l’IA pour des innovations spécifiques, et c) les attentes et les stratégies mobilisées par les personnes utilisatrices dans un contexte réel pour adopter, mettre en œuvre et évaluer la valeur d’une innovation.

Ce Regroupement intégrera des méthodes modernes d’optimisation et d’apprentissage automatique pour améliorer l’efficacité et la résilience des chaînes d’approvisionnement et des systèmes de mobilité, tout en réduisant leur empreinte environnementale. L’objectif sera d’exploiter l’apprentissage automatique : 1) dans la conception de modèles d’optimisation qui rendront ces systèmes plus réactifs aux conditions changeantes ; 2) pour accélérer l’optimisation de systèmes de très grande taille tenant compte du contexte économique, sociétal, environnemental et/ou humain ; 3) pour modéliser l’incertitude et rendre les chaînes d’approvisionnement plus résistantes aux perturbations causées par les catastrophes naturelles, les pandémies, les guerres et autres événements mondiaux.

Les objectifs de ce Regroupement sont de faire avancer les algorithmes d’apprentissage automatique et l’élaboration de protocoles de sécurité robustes, permettant la mise au point de systèmes d’IA sécuritaires, contrôlables et alignés avec les intentions et instructions de leurs concepteurs et conceptrices.