L’équipe Apprentissage Machine Cognitif (CoML) est hébergée par le Département d’Etudes Cognitives de l’Ecole Normale Supérieure; c’est une équipe de recherche jointe entre l’EHESS, l’ENS, le CNRS et l’Inria, à l’intersection entre sciences cognitives et informatique.
Les algorithmes d’apprentissage automatiques inspirés du cerveau appliqués à des jeux de données massives ont obtenu récemment des performances spectaculaires qui approchent ou dépassent celles des humains dans un certain nombre de tâches (e.g., le jeu de go). Il existe néanmoins de nombreux domaines ou les même les nourissons humains surpassent les machines: l’apprentissage non supervisé du langage, le raisonnement de sens commun et plus généralement la flexibilité cognitive (la capacité à réutiliser des connaissances d’une tâche à l’autre).
Le but de l’équipe CoML est de faire de l’ingénierie inverse de ces capacités humaines, c’est-à-dire d’élaborer des algorithmes effectifs qui puissent reproduire certains de ces capacités humaine de traitement, d’étudier leurs propriétés mathématiques et algorithmiques, et de tester leur validité empirique en tant que modèles de la cognition humaines telle que mesurée grâces aux méthodes comportementales et neurologiques. Les résultats escomptés sont d’une part des algorithmes d’apprentissage automatique plus adaptables et plus fiables, et d’autre part, des modèles quantitatifs des processus cognitifs qui permettent de prédire les données du développement ou du traitement humain. Les activités de l’équipe sont centrées sur la parole, le langage et le raisonnement.
Nous travaillons dans deux directions principales.
Ingénierie inverse de l’acquisition de langue précoce. Nous développons des algorithmes d’apprentissage non supervisés qui capable de découvrir des unités linguistiques de données sensorielles brutes (enregistrements audio et vidéo d’interactions parent / enfant). Nous testons empiriquement les prédictions de ces algorithmes pris comme des modèles du nourrisson.
Benchmarking homme / machine. Nous construisons des batteries de tests cognitifs conçus pour évaluer comment un système artificiel effectue les différentes composantes d’une fonction complexe comme le traitement ou le raisonnement du langage et comparons les résultats avec les performances humaines sur la même tâche et les mêmes données.
L’équipe de recherche CoML est soutenue et financée par l’École des Hautes Études en Sciences Sociales, l’École Normale Supérieure, deux établissements de PSL Research University, et par deux instituts de recherche nationaux: le Centre National de la Recherche Scientifique et l’Inria. L’équipe fait partie du Laboratoire de Sciences Cognitives et Psycholinguistique (UMR 8554), une unité du Departement d’Etudes Cognitives, un dynamique département de recherche de l’Ecole Normale Supérieure en plein coeur du quartin latin à Paris. En bref(!), l’affiliation de l’équipe est:
EHESS, ENS, PSL Research University and CNRS.
Le projet de l’équipe est financé par l’European Research Council (ERC-2011-AdG-295810 BOOTPHON), l’Agence Nationale pour la Recherche (ANR-17-EURE-0017, ANR-10-IDEX-0001-02 PSL*) et des financements CIFAR (Learning in Machines and Brains), Facebook AI Research (Research Grant), Google (Faculty Research Award), Microsoft Research (Azure Credits et Grant) et Amazon Web Service (AWS Research Credits).
Les doctorants de l’équipe reçoivent des financements de l’Ecole Doctorale Cerveau Cognition Comportement, l’Ecole Doctorale Frontières du Vivant, l’Ecole Doctorale Transdisciplinaire Lettre/Science (ED540), l’Ecole de Neurosciences de Paris, l’Ecole Normale Supérieure, l’INRIA, la Direction Générale de l’Armement, ou l’Association Nationale Recherche Technologie (programme CIFRE).