#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant

Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

Faire tourner chatGPT sur un téléphone, en local, sans serveur, sans partager ses données à personne et sans faire exploser son bilan carbone.
C'est la promesse de l'approche qui s'inspire du vivant pour construire des algorithmes sobres en calculs et en énergie.
Rencontre avec Maxence Ernoult , chercheur chez Rain, dans le deuxième épisode Hors Série spécial IA du podcast #Datadriven101.
Il nous parle de ses travaux dans le domaines de l'IA mais aussi de l'état de la recherche et des croyances existantes.

Mots clés

• Substrat: un matériau sur lequel les circuits électroniques sont construits.
• Synapse: un point de contact entre deux neurones ou entre un neurone et une cellule musculaire ou glandulaire, où les signaux sont transmis.
• Rétropropagation (ou backpropagation) : une méthode d'apprentissage supervisée pour les réseaux de neurones, dans laquelle l'erreur est propagée de la sortie vers l'entrée.
• Gradient: une mesure de la pente de la courbe d'une fonction à un point donné. Dans le contexte de l'apprentissage, il est utilisé pour ajuster les paramètres du modèle pour minimiser l'erreur.
• Neuromorphique: une approche de l'informatique inspirée par le cerveau, dans laquelle les systèmes informatiques sont conçus pour imiter les neurones et les synapses biologiques.
• Inférence : Tâche réalisée par l’algorithme comme par exemple prédiction, déduction, classification, estimation…

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

فصل ها

1. Qu’est-ce qu’un réseau de neurones ? (00:00:09)

2. Introduction (00:02:33)

3. Les différentes approches (00:08:37)

4. Inconvénient du deep learning (00:16:47)

5. L'état de l'art de l'approche neuromorphique (00:20:17)

6. Les besoins (00:24:29)

7. Les obstacles (00:26:55)

8. L'inspiration biologique (00:28:32)

9. Les limites du biomimétisme (00:32:10)

10. Le futur de Rain (00:33:13)