Tomorrow (Thursday the 9th of March) I shall visit the research laboratory in Mathematics and Computer Science of CentraleSupélec, where I shall give a seminar at 14.00 on toposes as ‘bridges’ and their applications to several topics in artificial intelligence.
Looking forward to fruitful scientific exchanges at the interface of mathematics, computer science and engineering!
Hello, is there any video for this conference? Thanks a lot.
Hi Mohamed, thank you for your request. The talk has not been videorecorded, but I attach the slides that I used for my presentation. All the best.
Bonjour Olivia, merci infiniment pour les slides. Je trouve l’idée de construire des outils d’apprentissage basé sur des structures plus que des nombres brillante mais je me pose toujours une question quant à « l’explicabilité » effective du modèle d’apprentissage! Considérons par exemple, un modèle d’apprentissage basé sur des séquents d’un ensemble de théories géométriques, la caractérisation et l’identification des invariants par cet apprentissage concerne une semantic induite par une structure syntaxique associée à ces théories. Nous avons à priori aucune garantie que cette sémantique soit « intelligible » au sens du langage naturel? Elle serait effectivement, bien fondé sur une démarche rigoureuse et formel mais est ce suffisant pour avoir des modèles explicables accepté par tous permettant un débat construit?
Ce qui me fait penser à ceci, c’est l’application de l’homologie persistante au machine/deep learning. Les invariants géométriques détectés permettent de bonne performance prédictifs sur certains problèmes à grande dimension en limitant l’overfitting mais le modèle reste tout de même assez opaque.
Merci de m’avoir lu.
The logical formalisms embedded in an artificial learning system should be the formal analogue of the natural languages that we use everyday to describe the things around us. Thus, if suitably chosen, they will constitute formal reflections of our views of the world, which have no reason to contradict our intuitions or be “unintelligible”.