undefined cover
undefined cover
#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant cover
#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant

#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant

34min |26/03/2023|

764

Play
undefined cover
undefined cover
#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant cover
#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant cover
Intelligence Artificielle - Data Driven 101 - Le podcast IA & Data 100% en français

#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant

#HS2 : Maxence Ernoult (chercheur @ Rain) : S’inspirer du vivant

34min |26/03/2023|

764

Play

Description

Faire tourner chatGPT sur un téléphone, en local, sans serveur, sans partager ses données à personne et sans faire exploser son bilan carbone.


C'est la promesse de l'approche qui s'inspire du vivant pour construire des algorithmes sobres en calculs et en énergie.


Rencontre avec Maxence Ernoult , chercheur chez Rain, dans le deuxième épisode Hors Série spécial IA du podcast #Datadriven101.


Il nous parle de ses travaux dans le domaines de l'IA mais aussi de l'état de la recherche et des croyances existantes.



Mots clés 

  • Substrat: un matériau sur lequel les circuits électroniques sont construits.
  • Synapse: un point de contact entre deux neurones ou entre un neurone et une cellule musculaire ou glandulaire, où les signaux sont transmis.
  • Rétropropagation (ou backpropagation) : une méthode d'apprentissage supervisée pour les réseaux de neurones, dans laquelle l'erreur est propagée de la sortie vers l'entrée.
  • Gradient: une mesure de la pente de la courbe d'une fonction à un point donné. Dans le contexte de l'apprentissage, il est utilisé pour ajuster les paramètres du modèle pour minimiser l'erreur.
  • Neuromorphique: une approche de l'informatique inspirée par le cerveau, dans laquelle les systèmes informatiques sont conçus pour imiter les neurones et les synapses biologiques.
  • Inférence : Tâche réalisée par l’algorithme comme par exemple prédiction, déduction, classification, estimation…

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Qu’est-ce qu’un réseau de neurones ?

    00:09

  • Introduction

    02:33

  • Les différentes approches

    08:37

  • Inconvénient du deep learning

    16:47

  • L'état de l'art de l'approche neuromorphique

    20:17

  • Les besoins

    24:29

  • Les obstacles

    26:55

  • L'inspiration biologique

    28:32

  • Les limites du biomimétisme

    32:10

  • Le futur de Rain

    33:13

Description

Faire tourner chatGPT sur un téléphone, en local, sans serveur, sans partager ses données à personne et sans faire exploser son bilan carbone.


C'est la promesse de l'approche qui s'inspire du vivant pour construire des algorithmes sobres en calculs et en énergie.


Rencontre avec Maxence Ernoult , chercheur chez Rain, dans le deuxième épisode Hors Série spécial IA du podcast #Datadriven101.


Il nous parle de ses travaux dans le domaines de l'IA mais aussi de l'état de la recherche et des croyances existantes.



Mots clés 

  • Substrat: un matériau sur lequel les circuits électroniques sont construits.
  • Synapse: un point de contact entre deux neurones ou entre un neurone et une cellule musculaire ou glandulaire, où les signaux sont transmis.
  • Rétropropagation (ou backpropagation) : une méthode d'apprentissage supervisée pour les réseaux de neurones, dans laquelle l'erreur est propagée de la sortie vers l'entrée.
  • Gradient: une mesure de la pente de la courbe d'une fonction à un point donné. Dans le contexte de l'apprentissage, il est utilisé pour ajuster les paramètres du modèle pour minimiser l'erreur.
  • Neuromorphique: une approche de l'informatique inspirée par le cerveau, dans laquelle les systèmes informatiques sont conçus pour imiter les neurones et les synapses biologiques.
  • Inférence : Tâche réalisée par l’algorithme comme par exemple prédiction, déduction, classification, estimation…

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Qu’est-ce qu’un réseau de neurones ?

    00:09

  • Introduction

    02:33

  • Les différentes approches

    08:37

  • Inconvénient du deep learning

    16:47

  • L'état de l'art de l'approche neuromorphique

    20:17

  • Les besoins

    24:29

  • Les obstacles

    26:55

  • L'inspiration biologique

    28:32

  • Les limites du biomimétisme

    32:10

  • Le futur de Rain

    33:13

Share

Embed

You may also like

Description

Faire tourner chatGPT sur un téléphone, en local, sans serveur, sans partager ses données à personne et sans faire exploser son bilan carbone.


C'est la promesse de l'approche qui s'inspire du vivant pour construire des algorithmes sobres en calculs et en énergie.


Rencontre avec Maxence Ernoult , chercheur chez Rain, dans le deuxième épisode Hors Série spécial IA du podcast #Datadriven101.


Il nous parle de ses travaux dans le domaines de l'IA mais aussi de l'état de la recherche et des croyances existantes.



Mots clés 

  • Substrat: un matériau sur lequel les circuits électroniques sont construits.
  • Synapse: un point de contact entre deux neurones ou entre un neurone et une cellule musculaire ou glandulaire, où les signaux sont transmis.
  • Rétropropagation (ou backpropagation) : une méthode d'apprentissage supervisée pour les réseaux de neurones, dans laquelle l'erreur est propagée de la sortie vers l'entrée.
  • Gradient: une mesure de la pente de la courbe d'une fonction à un point donné. Dans le contexte de l'apprentissage, il est utilisé pour ajuster les paramètres du modèle pour minimiser l'erreur.
  • Neuromorphique: une approche de l'informatique inspirée par le cerveau, dans laquelle les systèmes informatiques sont conçus pour imiter les neurones et les synapses biologiques.
  • Inférence : Tâche réalisée par l’algorithme comme par exemple prédiction, déduction, classification, estimation…

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Qu’est-ce qu’un réseau de neurones ?

    00:09

  • Introduction

    02:33

  • Les différentes approches

    08:37

  • Inconvénient du deep learning

    16:47

  • L'état de l'art de l'approche neuromorphique

    20:17

  • Les besoins

    24:29

  • Les obstacles

    26:55

  • L'inspiration biologique

    28:32

  • Les limites du biomimétisme

    32:10

  • Le futur de Rain

    33:13

Description

Faire tourner chatGPT sur un téléphone, en local, sans serveur, sans partager ses données à personne et sans faire exploser son bilan carbone.


C'est la promesse de l'approche qui s'inspire du vivant pour construire des algorithmes sobres en calculs et en énergie.


Rencontre avec Maxence Ernoult , chercheur chez Rain, dans le deuxième épisode Hors Série spécial IA du podcast #Datadriven101.


Il nous parle de ses travaux dans le domaines de l'IA mais aussi de l'état de la recherche et des croyances existantes.



Mots clés 

  • Substrat: un matériau sur lequel les circuits électroniques sont construits.
  • Synapse: un point de contact entre deux neurones ou entre un neurone et une cellule musculaire ou glandulaire, où les signaux sont transmis.
  • Rétropropagation (ou backpropagation) : une méthode d'apprentissage supervisée pour les réseaux de neurones, dans laquelle l'erreur est propagée de la sortie vers l'entrée.
  • Gradient: une mesure de la pente de la courbe d'une fonction à un point donné. Dans le contexte de l'apprentissage, il est utilisé pour ajuster les paramètres du modèle pour minimiser l'erreur.
  • Neuromorphique: une approche de l'informatique inspirée par le cerveau, dans laquelle les systèmes informatiques sont conçus pour imiter les neurones et les synapses biologiques.
  • Inférence : Tâche réalisée par l’algorithme comme par exemple prédiction, déduction, classification, estimation…

Hébergé par Ausha. Visitez ausha.co/politique-de-confidentialite pour plus d'informations.

Chapters

  • Qu’est-ce qu’un réseau de neurones ?

    00:09

  • Introduction

    02:33

  • Les différentes approches

    08:37

  • Inconvénient du deep learning

    16:47

  • L'état de l'art de l'approche neuromorphique

    20:17

  • Les besoins

    24:29

  • Les obstacles

    26:55

  • L'inspiration biologique

    28:32

  • Les limites du biomimétisme

    32:10

  • Le futur de Rain

    33:13

Share

Embed

You may also like