Ces dernières années, un afflux de jeunes chercheurs talentueux a afflué vers le département d’informatique de la Grainger School of Engineering de l’Université de l’Illinois. Trois professeurs d’informatique ont été nommés Google Research Scholars 2024 dans deux catégories.
Apprentissage automatique et exploration de données
Han Zhao
Han Zhao a été sélectionné pour sa proposition « Apprentissage automatique fiable avec post-traitement ». Il a déclaré : « Avec ce don, notre groupe est digne de confiance, avec un accent particulier sur la promotion de l’équité, de la robustesse et de l’interprétabilité ultimes des modèles d’apprentissage automatique actuels, en particulier des modèles de langage à grande échelle. « Cela nous permettra de nous développer. » sur notre programme de recherche actuel à la pointe de l’apprentissage automatique. Notre groupe se concentre spécifiquement sur un paradigme appelé post-traitement, qui présente de nombreux cas d’utilisation potentiels pour les modèles de langage à grande échelle. De nombreux paradigmes d’apprentissage automatique existants ne sont pas applicables à l’ère des modèles linguistiques à grande échelle. En effet, un petit groupe de chercheurs, des groupes universitaires, ne disposent pas des ressources de données nécessaires pour recycler tous les modèles ni de la puissance de calcul nécessaire pour le faire à partir de zéro. Cependant, notre nouveau paradigme permet aux chercheurs de certifier les contraintes d’équité, de robustesse et d’interprétabilité sans recyclage. Le don de Google nous permettra de poursuivre notre programme de recherche dans les années à venir, et nous sommes impatients de collaborer à l’avenir avec les chercheurs de Google sur ce sujet important. »
Le groupe de recherche de Zhao comprend huit doctorants, deux étudiants à la maîtrise et trois étudiants de premier cycle. Il a déclaré qu’ils sont « des étudiants de premier ordre dans leurs domaines d’intérêt respectifs, en l’occurrence l’intelligence artificielle et l’apprentissage automatique ». J’aime vraiment travailler avec eux. Il n’est pas exagéré de dire que sans leur aide, nous n’aurions pas pu réaliser ce que nous avons réalisé jusqu’à présent. Je suis reconnaissant de leur participation à l’avancement de mon programme de recherche. » En plus des honneurs de Google, Zhao a été nommé Kavli Fellow 2023 de la National Academy of Sciences, sélectionné comme conférencier invité pour le programme AAAI New Faculté Highlights 2024 et nommé professeur émérite à l’Université de l’Illinois à Urbana-Champaign par le CITL. . Inscrit. De 2021 à 2023.
Nanjiang
Nan Jiang doit son nom à sa proposition « Intégration et nouveaux protocoles d’interaction entre RL en ligne et hors ligne ».
Jiang explique : « Ma proposition consiste à relier l’apprentissage par renforcement en ligne et hors ligne. Il s’agit de paradigmes d’apprentissage automatique pour la prise de décision dans lesquels l’algorithme apprend par essais et erreurs dans un système réel (en ligne) plutôt que par apprentissage à partir d’ensembles de données pré-collectés (hors ligne). ils ont fait l’objet d’études approfondies en parallèle, et des liens profonds ont été découverts qui conduisent à une potentielle unification. Nous sommes impatients de poursuivre notre collaboration avec certaines équipes de recherche de Google.
En plus des honneurs de Google, Jiang a été nommé Sloan Fellow 2024, a reçu un NSF Career Award 2022 et a été répertorié par le CITL comme professeur émérite à l’Université de l’Illinois à Urbana-Champaign en 2022.
confidentialité
Zhang Yupeng
Yupeng Zhang a été sélectionné pour la proposition « Preuve de formation et ses applications dans l’apprentissage automatique et la confidentialité différentielle ». Zhang a expliqué le sujet de son article : « L’apprentissage automatique a fait des progrès significatifs ces dernières années et est largement utilisé dans de nombreuses applications. Cependant, les modèles d’apprentissage automatique sont généralement formés sur de grandes quantités de données, ce qui soulève des inquiétudes quant à la confidentialité des données. processus de formation, et il n’existe aucun mécanisme pour appliquer la protection de la vie privée, en particulier lorsque les modèles d’apprentissage automatique restent privés. Nous proposons l’utilisation de « preuves sans connaissance » pour les outils cryptographiques adaptés à la taille des modèles de langage à grande échelle (LLM). co-conception d’algorithmes de formation en cryptographie et en machine learning. Le désapprentissage automatique est un concept avancé permettant de supprimer les données privées des LLM, comme l’exigent les réglementations récentes. » Zhang a déclaré : « Actuellement, il n’existe aucun moyen d’appliquer cette technique d’apprentissage automatique sans apprentissage sans surveiller le processus de formation et apprendre le modèle d’apprentissage automatique. » Une utilisation importante de la preuve de formation dans cette proposition est que l’apprentissage automatique pour assurez-vous que les données sont supprimées sans divulguer le modèle lui-même.
Concernant son prix, M. Zhang a déclaré : Ce prix démontre pour Google l’importance de la confidentialité des données dans la technologie d’apprentissage automatique. Cela facilitera ce projet et la poursuite des recherches dans le domaine pour résoudre les problèmes cryptographiques. »
Le programme Google Research Scholar est conçu pour soutenir les jeunes professeurs poursuivant des recherches dans des domaines liés à Google. Nous offrons des dons sans restriction pour soutenir la recherche dans des institutions du monde entier et nous nous concentrons sur le financement de recherches de classe mondiale menées par de jeunes professeurs. Le prix sera versé à l’Université sous forme de don sans restriction pouvant aller jusqu’à 60 000 $. Ceux-ci sont destinés à être utilisés au cours de l’année universitaire au cours de laquelle le prix est attribué pour soutenir les activités de recherche des professeurs.
