El gran límit de la IA: sense continual learning no hi ha superintel·ligència
Resum de la xerrada: Tot i els espectaculars avanços de la intel·ligència artificial, els sistemes actuals encara tenen dificultats per acumular coneixement al llarg del temps. Quan aprenen nova informació, sovint obliden coneixements previs. Aquest fenomen és conegut com Catastrophic Forgetting, i és considerat un dels grans reptes per al futur de l'IA, limitant múltiples aplicacions i (potencialment) frenant el camí cap a la "superintel·ligència". En aquesta xerrada introduirem el concepte del Catastrophic Forgetting, explicarem quines són les seves causes, i revisarem les famílies de mètodes que s'han desenvolupat per mitigar-lo. Finalment, discutirem els reptes pendents en aquest camp i les implicacions que tindria per al futur superar aquesta barrera.
Biografia del ponent: L'Àlex Vicente Sola va rebre el títol de doctorat l’any 2024 per la University of Strathclyde, Escòcia, amb tesi en Neuromorphic Neural Networks i Continual Learning. Ha treballat com a Machine Learning Engineer per múltiples projectes en indústria i acadèmia. Actualment treballa com a investigador postdoctoral al Centre de Regulació Genòmica, a Barcelona, dins del grup d’Intel·ligència Artificial per al Disseny de Proteïnes. Els seus interessos de recerca inclouen Foundational Models, Continual Learning, Protein Design, Neuromorphic Computing i AI safety, entre d'altres.
Idioma: Català
Coneixements previs necessaris: Bàsics de xarxes neuronals (backpropagation, feature spaces, loss functions...). Recomanable saber què és un transformer, tot i que no és imprescindible per entendre la base de continual learning.
Agenda:
15:00 h Conferència
16:00 h Torn de preguntes (Q&A).
16:10 h Networking & Pica-pica