Conférence d'Emmanuel Dupoux lors du Data Science Colloquium de l'ENS.
Even though current machine learning techniques yield systems that achieve parity with humans on several high level tasks, the learning algorithms themselves are orders of magnitude less data efficient than those used by humans, as evidenced by the speed and resilience with which infants learn language and common sense. I review some of our recent attempts to reverse engineer such abilities in the area of unsupervised or weakly supervised learning of speech representations, the segmentation of speech terms, and the learning the laws of intuitive physics by observation of videos. I argue that a triple effort in data collection, algorithm development and fine grained human/machine comparisons is needed to uncover these developmental algorithms.
Catégories: Data Science Colloquium
Mot-clés : Langage, enfant, apprentissage, sciences cognitives, algorithme, machine learning, intelligence artificielle, apprentissage automatique
Voir aussi
|
|
Cursus :
Emmanuel Dupoux est Directeur de recherches à l'ENS, au DEC(Département d'études cognitives- Laboratoire de sciences cognitives et psycholinguistiques). Ses recherches portent sur les processus et les représentations spécifiques au cerveau humain qui permettent au bébé d’acquérir une ou plusieurs langues. Ses recherches sont basées sur les techniques classiques d’imagerie cérébrale chez les nouveaux-nés et de modélisation chez les adultes.
Ses thèmes de recherches sont : le rôle du savoir phonologique dans la perception du langage, notamment pour l’accent étranger lors de l’acquisition tardive d’une langue.
Cliquer ICI pour fermerDernière mise à jour : 11/12/2018
Tous droits réservés
@ 2011 ENS