Comment les machines apprennent-elles ? On parle beaucoup de la révolution de l’Intelligence Artificielle (IA), mais que signifie ce terme dans un contexte où les concepts de numérique / informatique / robotique / algorithmes / code / data sont souvent mélangés ? Au cœur de cette révolution se trouve la capacité des machines à apprendre en tirant parti de la consommation de grands volumes de données et de l’augmentation de la puissance de calcul. On s’attachera à expliquer les principes de cet apprentissage et nous présenterons à travers des usages (en
particulier le boom actuel des agents conversationnels), les enjeux, les perspectives et les biais de cette technologie en plein essor.
Biographie du conférencier
Jeune retraité, professeur honoraire de l'Université de Nantes et ex-professeur des universités de classe exceptionnelle, Claude Jard a fondé le Laboratoire des Sciences du Numérique de Nantes en 2017 et l’a dirigé jusqu’en 2021. Il est l’auteur ou co-auteur de plus de 150 publications effectuées essentiellement au sein de trois communautés de recherche : l'informatique théorique, l'ingénierie des protocoles, et les systèmes répartis.
Références bibliographiques
C. Jard and O.-H. Roux (Eds.): Communicating Embedded Systems - Software and Design, ISTE Publishing / John Wiley, Oct. 2009.
S. Akshay, L. Hélouët, C. Jard and P.-A. Reynier, Robustness of Time Petri Nets under Guard Enlargement, Fundamenta Informaticae (FI) 143 (2016) 1-27
A. Mostéfaoui, M. Petrolia, M. Raynal, C. Jard, Atomic Read/Write Memory in Signature-Free Byzantine Asynchronous Message-Passing Systems, Theory Comput. Syst. 60(4): 677-694 (2017)
N. David, C. Jard, D. Lime, O. H. Roux Coverability Synthesis in Parametric Petri Nets, Concur 2017, 28th Int. Conf. on Concurrency Theory, September, 5-8, 2017, Berlin.
M. Perrin, A. Mostefaoui and C. Jard, Causal consistency: beyond memory, PPoPP 2016, Principles and Practice of Parallel Programming, pp. 1-12, March 12-16, 2016, Barcelone.
