Voici mes notes des conférences TED lors de TEDAI Vienne 2025 (26 septembre 2025) Session 1 : Fondation Walter Werzowa (Artiste, Bourse de la Royal Society of Arts, Recording Academy), Olivier Oullier (Inclusive Brains, Biotech Dental, MBZUAI) - Introduction - Orchestre, interface cerveau, DJ, musicien - Performance traduisant les ondes cérébrales en musique grâce à l'IA Shaden Alshammari (Chercheur, MIT) - Inspiration de la table périodique de la chimie pour le cadre d'apprentissage automatique - Table périodique de l'apprentissage automatique organisant les algorithmes, les distributions et les fonctions objectives - Approche d'apprentissage de représentation connectant des méthodes disparates - Nouvel algorithme de clustering d'images améliorant l'algorithme de clustering K-means vieux de 60 ans - Variables R et Q représentant respectivement des relations réelles (avec et sans annotation) et des relations apprises - Structure de table périodique pour les algorithmes d'apprentissage automatique révélant des lacunes pour de nouvelles méthodes - Signal d'apprentissage supervisé à travers des représentations apprises Lukasz Kaiser (Chercheur, OpenAI) - Voitures autonomes - pourquoi ne conduisent-elles pas partout comme les chauffeurs de taxi ? - Pourquoi l'IA pour guérir les maladies est-elle si difficile ? Les machines doivent apprendre à partir de moins de données - Modèles apprenables plus puissants - RNN - escargot se déplaçant autour des mots - Transformers - escargot portant un sac à dos avec tous les mots précédents - Les transformers apprennent à partir de moins de données - Modèles de raisonnement/raisonneurs - portant toujours tous les mots, mais produisant également leurs propres mots entre-temps (temps de test), capables de faire des calculs et de penser dans le contexte - Chercheurs - modèles puissants + données apprenables, données arbitraires, temps de test arbitraire, parallélisme (plus séquentiel) - Découvertes scientifiques, le prochain type de modèles - Chronologie - plus proche plutôt que plus éloigné, mois/un an mais pas des décennies ; pas un avenir très lointain...