Chaire Reverse-engineering the visual system

Chair objectives

La vision artificielle a souvent été décrite comme l’une des clés à résoudre avant que les machines puissent agir intelligemment. De récentes avancées dans un domaine du Machine Learning, connu sous le nom Deep Learning, a catalysé des progrès impressionnants en vision artificielle, donnant le sentiment que les problèmes connus dans le domaine de la vision sont sur le point d’être résolus. Malgré ces réussites, il devient également de plus en plus évident que les réseaux de neurones profonds actuels restent dépassés par la puissance et la polyvalence
of the primate brain.
Ainsi, notre recherche vise à capitaliser sur la recherche en neurosciences pour informer sur le développement d’une nouvelle génération d’algorithmes d’IA inspirés du cerveau.

Program Acceptable, certifiable & collaborative AI

Thèmes : apprentissages avec peu de données ou des données complexes, langage, Neuroscience et IA, Robotique et IA

Chair holder:
Thomas Serre, Brown University and ANR-3IA ANITI

Sites
https://vivo.brown.edu/display/tserre

Publications
https://serre-lab.clps.brown.edu/publications/

Chair members

Publications and references

Chair members

Publications and references

Reverse-engineering the visual system Chair

Ne manquez rien !

Inscrivez-vous pour recevoir l'actualité d'ANITI chaque mois.