Philippe ESLING va soutenir en anglais son habilitation à diriger des recherches dont le titre est :
"Probabilistic Generative Models for Artificial Creative Intelligence"
devant le jury composé de :
Yann LE CUN, professeur, New York University, USA
Robert STURM, professeur, Royal Institute de Technology de Stockholm, Suède
Michèle SEBAG, professeure, Laboratoire de Recherche en Informatique (LRI - CNRS)
Douglas ECK, professeur, DIRO, Université de Montréal, Google Brain, Canada
Stephen McADAMS, professeur, CIRMMT, MacGill University, Montréal, Canada
Patrick GALLINARI, professeur, LIP6 Sorbonne Université, Paris, France
Résumé :
Ces dernières années, les progrès de l'intelligence artificielle, et plus particulièrement l'apprentissage profond des machines, ont remodelé notre vie quotidienne. En effet, l'apprentissage profond a fourni des résultats étonnants, surpassant fortement les modèles de pointe pour la recherche d'information. Ces modèles sont désormais omniprésents dans la technologie moderne, avec une pléthore d'architectures développées pour des tâches dans presque tous les domaines de la recherche scientifique. Malgré ses contributions substantielles à la recherche, l'apprentissage profond s'est d'abord concentré sur une approche mathématico-logique visant à résoudre des problèmes formels par le biais d'un ensemble d'objectifs supervisés. Très récemment, la communauté a commencé à porter son attention sur les modèles génératifs, qui peuvent être définis comme une forme d'apprentissage de représentation non supervisé. Bien que ces approches tentent de répondre à certaines limitations des modèles existants, il y a une relative rareté de recherches essayant de comprendre l'intelligence créative, qui est le cœur de notre projet. L'étude de ce nouveau paradigme s'avère cruciale à travers deux aspects principaux. D'une part, elle vise à comprendre la créativité, cet aspect qui distingue si fondamentalement l'être humain des autres branches de l'arbre de vie. D'autre part, son objectif est de pouvoir modéliser les phénomènes cognitifs et perceptifs, qui restent encore particulièrement insaisissables. L'intérêt croissant pour ces questions se traduit par l'utilisation de plus en plus fréquente des systèmes génératifs par une grande variété de chercheurs d'horizons divers (de l'industrie à la science fondamentale). Cette tendance souligne la nécessité d'étudier cette approche pour les futures découvertes scientifiques. Dans ce but, la musique fournit un cadre idéal pour développer notre compréhension des mécanismes créatifs de l'intelligence.
En effet, les mécanismes de créativité, en particulier dans l'improvisation musicale et la synthèse audio, réunissent des questions théoriques stimulantes et des processus cognitifs difficiles à modéliser. Plus précisément, la notion de temps musical est une composante primordiale, indissociable d'une musique qui se développe sur de multiples échelles. Ainsi, à travers la compréhension de la créativité musicale, on retrouve la plupart des défis actuels du domaine de l'apprentissage automatique : la question de la temporalité, l'information multimodale, la rareté des données, les structures hiérarchiques et l'absence de but formel. Ces questions passionnantes se reflètent également dans un très large éventail de domaines de recherche.