Les inscriptions pour la conférence en ligne sont closes.
Dans le cadre du campus de l'innovation pour les lycées, nous avons le plaisir de vous proposer de participer à la conférence en ligne sur l'Intelligence artificielle le jeudi 8 octobre (14H-16H). La conférence sera retransmise sur ZOOM.
Les intervenants :
- PHILIPPE AGHION
Philippe Aghion est Professeur au Collège de France et à la London School of Economics, il est aussi membre de la Société économétrique et de l’Académie américaine des arts et des sciences. Ses travaux portent principalement sur la théorie de la croissance et l’économie de l'innovation. Avec Peter Howitt, il a développé la « théorie schumpetérienne » de la croissance économique.
- JEAN-FRANCOIS BONNEFON
Jean-François Bonnefon est docteur en psychologie cognitive, directeur de recherche au CNRS, professeur à la Toulouse School of Economics, et occupe la chaire d'Intelligence Artificielle Morale au sein de l'institut ANITI. Il est le président du groupe expert de la Commission Européenne sur l'éthique de la conduite autonome. Il mène des recherches sur la prise de décision morale, en particulier dans le contexte de l'éthique des machines et de la coopération entre humains et intelligence artificielle. Il est l'auteur de plus de 100 publications scientifiques, dont certains articles fondateurs tels que "The social dilemma of autonomous vehicles" (Science, 2016), "The moral machine experiment" (Nature, 2018), et "Machine behaviour" (Nature, 2019). Il a publié en 2019 un ouvrage de diffusion de la science, "La voiture qui en savait trop", qui offre une introduction aux problèmes éthiques soulevés par les véhicules autonomes.
http://moralmachine.mit.edu/hl/fr
- STEPHANE MALLAT
Stéphane Mallat a été élève à l’École polytechnique de 1981 à 1984 puis à l’École nationale supérieure des télécommunications en 1985. Il a obtenu un Ph.D. en traitement du signal à l’université de Pennsylvanie de 1986 à 1988 et a soutenu sa thèse d’habilitation en mathématiques à l’Université de Paris-Dauphine en 1992. De 1988 à 1996, il a été professeur d’informatique et de mathématiques à l’institut Courant de l’université de New York. Il est revenu en France comme professeur en mathématiques appliquées à l’École polytechnique de 1995 à 2012 où il a présidé ce même département de 1998 à 2001. En 2001, il a cofondé une start-up, Let it Wave, qu’il a dirigée jusqu’en 2007. Il est devenu professeur d’informatique à l’École normale supérieure de la rue d’Ulm de 2012 à 2017 et a été nommé Professeur au Collège de France en 2017, titulaire de la chaire "Sciences des données”.
Ses travaux portent sur les mathématiques appliquées au traitement du signal et à l'apprentissage statistique. De 1988 à 1992, il a étudié les bases orthogonales d’ondelettes en introduisant la théorie des multirésolutions et l’algorithme de calcul rapide des coefficients d’ondelettes. Cela a notamment
débouché sur le standard de compression d’image JPEG-2000 ainsi que sur des applications en traitement du signal. À partir de 1993, il a développé avec ses étudiants le calcul de représentations parcimonieuses dans des dictionnaires redondants avec les algorithmes de matching pursuit.
La parcimonie de ces représentations est utilisée en apprentissage et en compressed sensing pour restituer des signaux à partir d’un nombre restreint de mesures. Les dictionnaires de bandelettes ont permis d’améliorer la représentation d’images en s’adaptant à leur régularité géométrique. La
valorisation de ces résultats a été l’occasion pour lui de faire un détour pendant quelques années dans le monde de l’entrepreneuriat. Il a dirigé une start-up qui a implanté les dictionnaires de bandelettes dans des puces électroniques pour augmenter la résolution des images de télévision haute définition.
Depuis 2008, Stéphane Mallat étudie les propriétés mathématiques des algorithmes d’apprentissage et des réseaux de neurones profonds pour des données incluant un grand nombre de variables. L’enjeu est de comprendre les principes généraux qui gouvernent la régularité de phénomènes complexes en grande dimension en lien avec les algorithmes d’apprentissage. Cela concerne aussi bien la reconnaissance d’images ou de sons que la prédiction de propriétés physiques ou l’analyse de textes. Pour plus d’informations, on pourra consulter le site web de l’équipe de recherche.
Dans le cadre du campus de l'innovation pour les lycées :
