Connexité intrinsèque et apprentissage d'arcs de transfert

Du traitement automatique des langues à la vision informatique, les progrès des méthodes connexionnistes leur ont donné un statut quasiment hégémonique en apprentissage automatique. Cependant, leurs divers succès sont aussi impressionnants que la quasi-absence de théorie les expliquant de manière satisfaisante est troublante.
Dans cette présentation, nous tenterons de proposer une explication mécanistique aux récents succès des modèles de fondation, formulée à travers une hypothèse de "connexité intrinsèque" liée à la topologie des paysages d'optimisation. Nous présenterons ensuite une méthode d'adaptation de modèles fondation, élaborée à partir de ces principes théoriques, afin de présenter un début de validation empirique de notre hypothèse.

Louis Falissard est maître de conférence au Laboratoire d'Intelligence Artificielle et Sémantique des Données (LIASD) de l'université Paris 8. Ses recherches s'articulent principalement autour de thématiques diverses liées à l'apprentissage profond.