J’ai eu la grande chance de pouvoir assister à NeurIPS 2018, la plus grande conférence en intelligence artificielle! Les billets ont été vendus en 11 minutes, et je n’en ai pas obtenu un. J’ai appliqué pour être bénévole lors de l’évènement avec une lettre de recommandation, comme demandé par les organisateurs. Même avec cela en main, j’ai été refusée comme bénévole!

Vous comprendrez donc la joie que j’ai vécue lorsqu’Element AI m’a contactée afin de m’offrir d’assister à conférence. Comme ils étaient commanditaires cette année, ils m’ont offert un billet à moi et mon ami Kristof!

Cet article est sponsorisé par Element AI, mais tout le contenu et les opinions exprimées sont les miennes!

Lundi, 3 décembre 2018

L’évènement commencait avec des expo le 2 décembre. Pour moi, lundi était ma première journée à la conférence. Comme la semaine où se déroulait l’évènement concordait avec ma dernière semaine de cours à l’université avant les examens finaux, on peut dire que j’ai été très occupée! J’ai donc préféré faire des devoirs à la première journée de l’évènement, soit dimanche le 2 décembre!

8:30am – 10:30 am : Visualization for Machine Learning

Visualization for machine learning a été ma première session à laquelle j’ai assisté! Présenté par Fernanda Viégas et Martin Wattenberg, j’ai grandement appris de cette conférence. J’ai été assez surprise de connaître une bonne partie de la première moitié de la présentation, ayant eu un cours à l’université au sujet de l’élaboration de graphiques et les différentes façons d’exprimer de l’information (taille, couleur, forme, etc.)

Par contre, la deuxième partie de leur présentation a davantage porté sur la visualisation reliée plus précisément au machine learning, et j’ai beaucoup appris!

Par exemple, les deux conférenciers mentionnaient qu’il peut être pratique de représenter graphiquement les données d’entrées du modèle. Cela peut rendre l’ensemble de données plus accessibles, et on peut alors comprendre, dans le cas d’images d’animaux, qu’une grenouille a été classée par des humains comme étant un chat, alors que notre système pense que ce n’est pas un chat! Cet exemple est tiré de l’ensemble de données Quick, draw! de Google.

Un autre exemple qui m’a marquée, encore dans l’ensemble de données de Quick, draw!, c’est que selon la cultures des gens, ceux-ci ne dessinent pas les mêmes objets de la même manière. Même pour ce qui est d’une chaise! C’est aussi très visuel lorsqu’on regarde les dessins qui sont dessinés selon le pays des joueurs :

Comme on peut le voir, identifié par « TR » dans l’image ci-dessus, la Turquie est l’unique pays qui dessine un poisson avec la queue à gauche. Les autres pays le font soit à droite, soit des deux côtés! Visualiser les données peut donc nous permettre de remarquer ce genre de différences au sein de nos données.

Ils ont aussi mentionné une ressource pour enseigner l’intelligence artificielle aux enfants. Il s’agit de jouer au jeu Quick, Draw! et de faire les 6 dessins demandés. Ensuitem on peut choisir un dessin particulier et le site va expliquer le raisonnement arrivé pour tirer une conclusion sur ce qui était dessiné. Essayez, vous allez comprendre!

Regarder la présentation complète sur Facebook

Ressources mentionnées durant la présentation: 

• Slide sur toutes les ressources
• Exemple de visualisation de données reliées à la bourse
• NY Times publie de très bons exemples de graphiques

Après cette présentation, j’ai passé un certain temps à réseauter au workshop Women in Machine Learning. J’ai également passé plusieurs heures à visiter les kiosques des commanditaires de l’évènement! J’ai pu rencontrer Catherine et Camille ainsi que revoir mon amie Hannah, qui présentait son poster dans la cadre du workshop!

6pm – 11pm – Women in Machine Learning – Amazon Party

J’ai pu aller au party d’Amazon à Rosewood! Ce fut vraiment une belle soirée, où j’ai pu rencontrer Merel et Michelle, deux personnes qui me suivent sur les réseaux sociaux! C’était une soirée open bar et avec de la bonne bouffe, alors nous avons passé du bon temps entre amies!

Mardi, 4 décembre 2018

À 10h30, j’ai eu la chance de rencontrer Kayla, mon contact chez Element AI. Nous avons pu déjeuner ensemble et ce fut bien agréable! J’ai vraiment passé un bon moment à en apprendre plus sur Element AI et à discuter de tout et de rien!

Ensuite, j’ai été faire un tour des posters de la conférence. Par contre, c’était très difficile, il y avait beaucoup de monde. Je cherchais le poster « Towards Text Generation with Adversarially Learned Neural Outlines », de Element AI, mais je ne l’ai jamais trouvé! Il y avait 172 posters affichés je crois, alors c’était difficile de le trouver.

Ensuite, je suis allée travailler un peu. J’ai eu la chance de choisir un lieu où les gens se succédaient à côter de moi pour manger leur lunch, alors j’ai eu la chance de discuter et réseauter avec 3 personnes en très peu de temps! C’était un bon choix pour s’arrêter! 😉

Diversity and Inclusion Town Hall Meeting

Après le lunch, j’ai malheureusement manqué le talk sur l’inclusion. Heureusement, j’ai pu le réécouter via leurs vidéos sur le Facebook de la conférence! Il s’agissait d’un panel avec des gens Queer In Ai, Black in AI, WiML (Women in machine learning), Latin in AI, et deux membres du board de la fondation NeurIPS, Laura Montoya,

Pourquoi la diversité est importante en AI?

Les algorithmes de machine learning ont des biais pour les minorités. On peut aussi blesser des gens physiquement si on conçoit des produits qui n’ont pas été testés ou conçus par un ensemble de gens représentant la population diversifiée. Les produits que l’on conçoit affectent différents groupes de personnes, alors il faut s’assurer que ceux-ci soient représentés pour ne pas leur causer du tort.

Pourquoi les groupes comme Women in Machine Learning, Queer in AI, Black in AI sont importants?

Le représentant de Queer in AI a mentionné qu’avait la création du groupe, il ne connaissait aucun chercheur queer qui ne s’était pas suicidé il y a plusieurs années… ça m’a vraiment touchée! J’ai un ami qui m’a dit la même chose récemment, et j’avoue que moi non plus, il n’y a personne qui me vient à l’esprit… J’ai pu rencontrer quelques personnes de Queer in AI et c’est vraiment un beau groupe!

Pourquoi on a besoin de ces groupes avec juste des femmes ou queer, etc? 

Il y a un sens de empowerment qu’il y a à être ensemble dans une pièce avec des gens qui ont les mêmes problèmes que nous. Ça aide à savoir qu’on peut être nous-mêmes, et avoir du succès dans notre carrière.

Intersectinonalité

Intersectionnalité veut dire qu’on ne peut étudier le sexisme, le racisme ou l’homophobie séparément. Ils ne peuvent être entièrement expliqués seuls. Par exemple, une femme noire doit affronter le fait d’être une femme dans un monde d’hommes, mais aussi qu’elle est noire. Les deux sont mains dans la main et ne peuvent être séparés. Par exemple, les gens de couleur aux États-Unis ne font pas face aux mêmes réalités que les gens en Afrique lorsqu’ils viennent ici, mentionnait la représentante de Black in AI.

Par exemple, aux États-Unis, les gens de couleur font davantage face à des problèmes criminels avec la police, comme être accusé à tort. Tandis que les Africains eux, lorsqu’ils viennent en Amérique du Nord, ont plus de problèmes avec leur visa et la pauvreté.

On a tous des préjugés inconscients. On ne peut pas être parfait, par contre, pour être un allié aux minorités, être conscients de ces préjugés et biais est un premier pas. Cela ne fait pas de nous un monstre.

Track 2 : Algorithms, Theory, Optimization

Ensuite, j’ai assisté à la track 2 sur « Algorithms, Theory, Optimization ». Il s’agit de 14 talks de 5 minutes chacun. J’aime beaucoup cette formule où on va sur un sujet en surface seulement! C’est plus facile à absorber! Cela ne fait pas longtemps que je m’intéresse au machine learning et à l’intelligence artificielle, je ne comprends donc pas tout ce qui se dit puisque je ne fait que commencer et ceux qui présentent sont des experts dans leur domaine.

Toutefois, je suis heureuse de voir que je comprends de plus en plus, à chaque fois que j’assiste à un nouvel évènement, je constate mon progrès! C’est ça l’important.

Mercredi, 5 décembre 2018

Reproducable, Reusable and Robust Reinforcement learning

Talk invité de Joelle Pineau sur « Reproducable, Reusable and Robust Reinforcement learning ». J’étais vraiment intéressée à écouter une conférence d’une femme aussi inspirante. En plus, je ne connais pas grand chose au reinforcement learning puisque je n’ai pas encore eu de cours ayant abordé ce type d’apprentissage.

Le reinforcement learning, c’est de récompenser les bonnes décisions, un peu comme un enfant. L’agent intelligent a donc pour objectif d’accumuler les récompenses et donc de prendre le plus de décisions possibles.

J’ai trouvé intéressant ce graphique qui illustre le nombre de papiers sur le reinforcement learning publiés à chaque année, cela augmente énormément!

Aussi, comme son talk est sur les expériences que l’on peut reproduire, j’ai été assez surprise de ces résultats:

Pouvoir reproduire les expériences de machine learning qui ont été faites dans les papiers est important pour pouvoir apprendre et confirmer les conclusions des auteurs du papier. Il faut montrer que ce n’est pas juste de la chance et que les chiffres obtenus sont vrais. J’ai moi-même presque reproduit les résultats d’un papier publier, mais les hyperparamètres n’étaient pas tous partagés et il manquait des détails pour que je puisse le faire pour apprendre…

Elle suggère une « reproducibility checklist » qu’il est possible d’utiliser lors d’envoi de papiers à des conférences pour s’assurer que son papier est reproductible. Je pense que la checklist n’est pas encore disponible officiellement, mais elle se trouve autour de la 30e minute de la vidéo.

Investigations into the Human-AI Trust Phenomenon, par Ayanna Howard

Leçon #1 : Les humains font confiance aux robots qui permettent les interactions sociales (émotionnelles) 

150 million d’enfants ont des invalidités. 15% de la population mondiale vit avec une invalidité.

À la 20e minute de la vidéo, Ayanna mentionne qu’à travers ses recherches autour des robots et de leurs interactions avec les enfants, elle a découvert que si le robot est exprime une émotion de déception, l’humain concerné va changer son comportement pour rendre le robot heureux. C’est assez épeurant de penser qu’un agent intelligent (le robot) peut influencer le comportement en exprimant une émotion qui peut très bien être générée intentionnellement pour manipuler l’humain… Ils ont fait l’expérience de façon répétitive, c’est donc une conclusion assez certaine.

À travers cette connection émotionnelle, ils peuvent augmenter la confiance des humains envers les robots. Is changent intentionnellement le comportement de l’humain pour « leur propre bien-être »…

À le 33e minute, elle mentionne qu’en 8 semaines, avec 2 séances par semaine si je ne me trompe pas, ils ont pu améliorer les mouvements des enfants avec une invalidité légère / moyenne.

Les humains disent même qu’ils font plus confiance aux robots qu’aux thérapistes humains.

Leçon #2 : Les humains font confiance aux fobots dans les situations émotionnelles 

Source: Robinette, et al, « Overtrust of Robots in Emergency Evacuation Scenarios, » ACM/IEEE HRI, 2016.

Ils ont fait une étude où, les participants de l’étude entraient dans un bâtiment. Ils sont guidés par un robot dans une pièce, où ils entrent et leur tâche est de lire un papier scientifique. Comme les humains savent qu’ils sont en train de participer à une étude, ils essaient d’enlever leur biais en leur faisant croire que leur tâche principale est de lire le papier dans la pièce.

Par contre, la pièce se rempli de fumée. Alors, les participants sortent de la pièce et se déplacent pour évacuer le bâtiment. Ils ont placé le robot à un endroit qui est loin de la sortie que les participants ont utilisé pour entrer, et ils ont découvert que 100% des participants décident de suivre le robot.

Ensuite, ils ont été surpris par les résultats. Alors, ils ont inséré des erreurs dans le robot, par exemple le robot qui tourne en 360*, va dans des pièces au hasard, etc. Encore une fois, 100% des humains ont continué à suivre le robot en situation d’urgence.

C’est quoi le problème? Les humains font confiance, et les humans ont des biais, et les machines sont influencées par leurs créateurs.

Ils ont fait des expériences avec un robot blanc et un robot noir. Quand ils ont évalué la confiance des gens qui interagissent avec eux, ils ont découvert que les gens de font pas confiance au robot noir. Ils ont fait la même chose avec des robots féminins et avec différentes nationalités.  Même si c’est une machine, il a la même programmation que le blanc, mais les humains n’ont pas les mêmes interactions selon l’apparance physique.

Ayanna Howard a un podcast nommé The Interaction Hour en collaboration avec la faculté de Georgia Tech, School of interactive computing pour expliquer aux gens ce qui peut les terrifier à propos de la technologie : les algorithmes de reconnaissance faciale, les voitures autonomes, etc. À écouter!

Soirée Element AI

Element AI m’a invitée à leur party du mercredi soir ainsi qu’à leur soirée de réseautage du jeudi soir. J’ai vraiment passé deux belles soirées à réseauter avec des chercheurs et chercheuses très inspirant.es en machine learning! Je suis tellement reconnaissante d’avoir eu ces belles occasions de réseauter!

Leçons apprises pour ma première année à NeurIPS

J’ai participé à plusieurs évènements et conférences technologique dans les dernières années, mais NeurIPS est certainement un autre niveau. C’est tellement grand et plus scientifique que mes précédentes expériences. Cela m’a amenée à faire quelques erreurs. J’aimeraias vous les partager afin que vous ne fassiez pas comme moi!

Planifier les talks en avance

NeurIPS étant une conférence si grande et ayant tant de posters et de talks qui se passent en même temps, j’ai réalisé que j’aurais dû mieux regarder l’horaire des talks. Par exemple, j’ai manqué tous les talks au sujet de la diversité. Si vous connaissez, vous savez très bien que c’est probablement mon sujet préféré!

Je dirais aussi qu’il est important de planifier les talks auxquels on veut assister au préalable. J’aurais dû établir un horaire plus précis dès le début de la conférence afin de bien identifier les différentes conférences qui sont importantes pour moi. Je l’avais fait un peu, mais pas assez. Il se passe tellement de choses en même temps que ça m’avait fait peur au début. Je m’étais dit que j’allais surveiller l’horaire heure après heure. Par contre, nous sommes sollicités de partout lorsque nous sommes à la conférence. Ce n’est pas le bon moment pour éplucher les talks et les posters!

Visiter les entreprises pendant une conférence qui vous intéresse moins

Réseauter avec les compagnies présentes est vraiment une bonne manière d’élargir son réseau de contacts. Cela permet aussi de découvrir des compagnies très intéressantes que l’on ne connaissait pas avant. Par contre, pendant les pauses café, tous les participants se dirigent vers les kiosques des entreprises. Il y a tellement de monde, ce n’est pas vraiment agréable de faire connaissance avec les compagnies pendant ces moments!

Il est possible de créer des connections beaucoup plus importantes en ayant un peu plus de temps et moins de gens tout autour!

Chaque journée est épuisante : on ne peut pas tout faire

Il est primordial d’identifier quelques conférences qui nous intéresse le plus et de conserver notre énergie et notre concentration pour celles-là! Je sais que la peur de manquer quelque chose, ou « fear of missing out » en anglais peut être très présente lorsqu’on assiste à une si grande conférence. Surtout en sachant à quel point nous sommes chanceux.ses d’avoir réussi à obtenir des billets.

Par contre, je pense qu’il est mieux de prendre une pause si on en ressent le besoin. Peut-être même une journée entière au milieu de la semaine si cela peut nous permettre d’être de récupérer. La conférence se déroulait du 2 au 8 décembre, ce qui est assez long. Ça commence à 8:30 am et se termine à 11 pm avec les soirées des compagnies.

Garder de l’énergie pour les partys, c’est l’occasion parfaite pour réseauter

J’ai vraiment apprécié d’aller aux différentes soirées organisées par les compagnies! Google X, Apple, Intel, Nvidia, Element AI, et plus organisaient des partys à différentes journées! C’est l’occasion parfaite pour décompresser et réseauter avec les autres participants, mais aussi, et surtout, avec les compagnies présentes!

Rencontrer des participants selon nos intérêts communs

NeurIPS utilise l’application « Whova » pour permettre aux participants de consulter l’agenda de l’évènement. Il y a aussi un forum où il est possible de créer des discussions et des activités avec les autres afin de réseauter selon nos intérêts communs! Je n’ai pas eu l’occasion d’utiliser cette fonctionnalité cette année, mais c’est certainement quelque chose à utiliser dans le futur! Il est beaucoup plus facile de connecter avec des gens qui ont des intérêts communs.

Par exemple, mon ami Kristof est allé dîner avec un groupe de chercheurs travaillant sur des systèmes de recommandation en AI. Il est revenu de son dîner gonfflé à bloc avec plein d’idées pour sa recherche personnelle!

Conclusion

J’ai vraiment passé une belle semaine. Je suis tellement reconnaissante à Element AI de m’avoir permis d’assister à cette grande conférence sur l’intelligence artificielle. J’ai beaucoup appris et rencontré beaucoup de gens, une expérience très positive!

Je croise les doigts pour avoir la chance de retourner à NeurIPS pour les prochaines éditions. J’espère que cet article vous aura été utile pour apprendre ce qui s’est passé lors de la conférence!