Blake Richards gagne le prix du jeune chercheur de l’ACN 2019

Blake Richards

Blake Richards

L’Association canadienne des neurosciences est fière d’annoncer que le Dr Blake Richards, de l’Université de Toronto à Scarborough, est le lauréat du Prix du jeune chercheur de 2019 de l’ACN. Ce prix récompense ses travaux de recherche exceptionnels à l’intersection de la neuroscience et de l’intelligence artificielle (IA). Le professeur Richards recevra son prix le 24 mai 2019 à Toronto, dans le cadre du 13ème congrès annuel canadine de neuroscience.

“Les travaux de Blake Richards offrent une perspective interdisciplinaire mêlant théorie et expériences à un degré vraiment rare, malgré son importance pour l’avancement des neurosciences dans les décennies à venir. […] Je suis convaincue qu’il poursuivra son ascension et émergera comme l’un des leaders mondiaux des approches computationnelles pour la compréhension du cerveau. ”

Mélanie A. Woodin
Professeure, Département de biologie cellulaire et des systèmes
Vice-doyenne aux partenariats interdivisionnels – Faculté des arts et des sciences
Université de Toronto

Le programme de recherche du Dr Richards porte sur le fonctionnement des neurones, l’apprentissage et l’intelligence artificielle (IA). En utilisant une combinaison de modélisation informatique et d’approches avancées en neurosciences et en imagerie cérébrale, son laboratoire explore les bases neurales de l’apprentissage en profondeur (« Deep learning »). Le but de ce travail est de mieux comprendre les bases neurobiologiques de l’intelligence animale et humaine et de fournir de nouvelles informations pour aider à guider le développement de l’IA.

Son laboratoire a apporté plusieurs contributions importantes aux modèles mathématiques d’apprentissage et de mémoire dans le cerveau. Celles-ci ont fourni de nouvelles informations sur le processus de consolidation de la mémoire, l’apprentissage dans le cerveau et par des machines, et sur la manière dont les structures du cerveau permettent un apprentissage en profondeur dans de vrais cerveaux. Ce travail théorique a été bien reconnu dans les communautés des neurosciences et de l’IA, et le Dr Richards est considéré comme un chercheur de premier plan à cette intersection disciplinaire. L’IA est en train de révolutionner ses mécanismes inspirés du cerveau.

“Malgré tous les progrès de l’IA, le cerveau réel reste le dispositif d’apprentissage le plus sophistiqué sur Terre, et aucune IA ne peut encore rivaliser avec l’intelligence générale des humains. En même temps, l’IA peut nous aider à révolutionner notre compréhension du cerveau, fournissant des moyens d’analyser et d’interpréter des aspects jusque-là ininterprétables de la base biologique de l’intelligence. Le Dr Richards est particulièrement bien placé pour mener des recherches à l’interface de la neuroscience et de l’IA, grâce à sa formation en informatique et en neuroscience expérimentale. Très peu de chercheurs dans le monde possèdent la capacité de parler si couramment les langues de l’apprentissage machine et des neurosciences. ”

Yoshua Bengio
Directeur scientifique du Mila, Institut d’Intelligence Artificielle du Québec
Professeur titulaire, Département d’informatique et de recherche opérationnelle,
Université de Montréal

.

“Son programme de recherche le positionne entre les disciplines de l’intelligence artificielle, de la neurophysiologie et des neurosciences comportementales. Dans ces espaces – les trous entre les disciplines de la recherche traditionnelle – il existe un énorme potentiel scientifique. Blake chevauche habilement ces domaines multiples, et il exploite déjà les richesses de sa position avantageuse “.

Paul Frankland, chercheur principal
Chaire de recherche du Canada en neurobiologie cognitive
Professeur aux départements de psychologie, de physiologie et à l’institut des sciences médicales
Université de Toronto

Dr Richards a reçu plusieurs prix et distinctions pour ses contributions. En 2016, il a reçu un Google Research Faculty Award pour ses recherches sur le renforcement de l’apprentissage et la mémoire; en 2017, il est devenu membre du programme Learning in Machines and Brains de CIFAR (Institut canadien de recherches avancées); en 2018, il a reçu un prix du chercheur en début de carrière du gouvernement de l’Ontario; et plus récemment, il a été nommé membre affilié de la «Vector Institute for AI». Ces reconnaissances s’ajoutent au financement qu’il a reçu pour ses recherches de plusieurs sources hautement compétitives, notamment la Fondation canadienne pour l’innovation, le Conseil de recherches en sciences naturelles et en génie du Canada, le programme Human Frontiers Science, le Allen Institute for Brain Science, et Google. Dernièrement, le Dr Richards a été nommé l’un des 29 titulaires d’une chaire en IA Canada-CIFAR dans le cadre de la Stratégie pancanadienne sur l’IA.

En plus de ses contributions à la recherche, le Dr Richards est un membre actif des communautés des neurosciences et de l’IA. Avec le Dr Timothy Lillicrap de Google DeepMind, il a organisé un atelier sur l’apprentissage en profondeur et les neurosciences lors de la conférence 2016 sur la neuroscience des systèmes et des systèmes informatiques (COSYNE). Il a également co-organisé l’année dernière un symposium sur le cerveau organisé par CIFAR, qui a réuni des neuroscientifiques et des experts en apprentissage machine et qui a suscité plusieurs nouvelles collaborations interdisciplinaires dans le milieu de la recherche au Canada. Encore plus récemment, il a aidé à organiser une session sur la consolidation de la mémoire lors de la conférence sur les neurosciences cognitives et computationnelles de 2018 à Philadelphie. Enfin, le Dr Richards est reconnu, par tous ceux qui ont travaillé avec lui dans un laboratoire, comme un leader naturel et un excellent mentor.

Le Dr. Richards a partagé ses découvertes avec le public, par de nombreuses interviews avec la presse populaire (notamment The New York Times, The Independent, The BBC et NPR) et des conférences lors d’événements publics tels que Pint of Science et NeuroTechX. Il est toujours intéressant et facile à comprendre lors de ses apparitions publiques et est un excellent ambassadeur de la recherche sur les liens entre l’intelligence artificielle et les neurosciences. Il a gracieusement accepté d’animer la conférence publique de l’ACN 2019 avec Geoffrey Hinton le 21 mai 2019 à Toronto.

Le Dr Blake Richards est un jeune chercheur exceptionnel, dont les travaux intègrent de manière transparente les approches avancées en neurosciences, en neuroimagerie, en informatiques et en intelligence artificielle pour faire progresser notre compréhension du cerveau, mais aussi pour contribuer au développement de l’intelligence artificielle. L’Association canadienne des neurosciences est très fière de le nommer Jeune chercheur de l’ACN 2019.

 

Visitez le site Web du laboratoire d’apprentissage en circuits neuronaux (LiNC): linclab.org

 


Cinq articles publiés les plus importants (en anglais seulement)

  1. J Guergiuev, TP Lillcrap and BA Richards (2017) Towards deep learning with segregated dendrites. eLife, 6: e22901 https://elifesciences.org/articles/22901

This paper was one of the first ever computational models to demonstrate how the real brain could potentially implement a deep learning style credit assignment algorithm. It utilized a conductance-based model of spiking, three-compartment pyramidal neurons arranged in a multilayer structure. It demonstrated that, thanks to the segregation of feedforward sensory signals and higher-order feedback in different dendritic compartments of pyramidal neurons, neuron-by-neuron credit assignment could be achieved and images could be classified with near-human accuracy. This opened the door to linking deep learning theory from artificial intelligence with neurobiology.

  1. BA Richards and PW Frankland (2017) The persistence, and transience, of memory. Neuron, 94 (6): 1071-1084. https://www.sciencedirect.com/science/article/pii/S0896627317303653

This was a review paper, but it has had a large impact on the field. It provided researchers with a new framework for thinking about forgetting. It reviewed existing literature on the neurobiology of forgetting and showed that the evidence supports the conclusion that forgetting is an active process induced by a number of cellular mechanisms, not merely a failure of the brain’s mnemonic systems. Theory from artificial intelligence was used to put forward proposals for why forgetting is a potentially beneficial thing, in moderation. Specifically, neural networks research shows that forgetting can improve behavioural flexibility and generalization. This provides neurobiologists studying memory with a new way of thinking about forgetting in healthy brains.

  1. BA Richards, F Xia, A Santoro, J Husse, MA Woodin SA Josselyn, and PW Frankland (2014) Patterns across multiple memories are identified over time. Nature Neuroscience, 17 (7): 981-986. https://www.nature.com/articles/nn.3736

Ever since David Marr’s seminal work in computational neuroscience, it has been postulated that memory consolidation serves to identify statistical patterns present in multiple memories.

However, until this paper, Marr’s idea had not been tested experimentally. Dr. Richards developed a version of the Morris water-maze where mice develop multiple memories for platform locations, such that the locations contain a hidden statistical pattern. He also developed a software package for performing information theoretic measurements on watermaze data that can measure the extent to which a mouse’s swim path matches a statistical pattern. Using these tools, they demonstrated that memory consolidation does indeed promote the identification of patterns across multiple memories. This confirmed a long-standing, but untested, hypothesis about memory consolidation in computational neuroscience.

  1. AM Muldal, TP Lillicrap, BA Richards and CJ Akerman (2014) Clonal relationships impact neuronal tuning within a phylogenetically ancient vertebrate brain structure. Current Biology, 24 (16): 1929-1933. https://doi.org/10.1016/j.cub.2014.07.015

This paper combined single-cell labelling and in vivo 2-photon Ca2+ imaging to demonstrate that neurons in the midbrain that derive from the same neural progenitor cells have similar receptive fields. This was a major finding, linking cell lineage to computation. Dr. Richards designed and built the in vivo 2-photon imaging system used in this work and collected the preliminary data.

  1. BA Richards, OP Voss and CJ Akerman (2010) GABAergic circuits control stimulusinstructed receptive field development in the optic tectum. Nature Neuroscience, 13 (9): 1098-1106. https://www.nature.com/articles/nn.2612

In this paper, which came out of Dr. Richards’s work at the University of Oxford, he discovered a novel role for inhibitory circuits in promoting visual learning. Using a bespoke system that Dr. Richards had developed for in vivo patch clamping, he showed that inhibition in the developing brain removes correlations in electrical activity that overwhelm synaptic plasticity mechanisms. These findings have helped to understand how disrupted inhibitory signalling can affect brain maturation, and opened the door to later studies looking at the role of inhibition in shaping neural plasticity (see Van Rheede, Richards and Akerman (2015), Neuron, 87 (5): 1050-1062).

 


Couverture media

Wall Street Journal article on adaptive forgetting: https://tinyurl.com/ycfzmwdh

Forbes article on CIFAR summer school: https://tinyurl.com/ycj64nz9

Article on Singularity Hub on our recent eLife paper: https://tinyurl.com/y8o7k24m

CIFAR announcement on recent eLife paper: https://tinyurl.com/y7frag93

Interview with The New York Times on the role of forgetting in learning: https://tinyurl.com/y9m8ntw4

Interview with The Times on forgetting: https://tinyurl.com/y7ax8x24

Interview with NPR on the importance of forgetting for intelligence: https://tinyurl.com/y9xlk3gq

Coverage of forgetting article on CNN: http://tinyurl.com/y7puhog8

Coverage of forgetting article at The Independent: http://tinyurl.com/yb9rhh3b

Interviews with The Verge on brain-machine interfaces: https://tinyurl.com/musmf55 and https://tinyurl.com/lkyjzd3

 

 


Remise du prix et conférence du jeune chercheur de l’ACN 2019: le 24 mai 2019 à 17:30

Credit assignment via spike-based causal inference

Learning in neural circuits requires a means of assigning “credit” to each neuron for its contribution to behaviour. In hierarchical circuits, like the neocortex, credit assignment is challenging, because a neuron’s contribution to behaviour depends on its impact on downstream circuits, which may involve multiple synaptic connections and pathways. One way of understanding this challenge is in analogy to the causal inference question faced by many researchers: how can we determine the causal impact of one variable on another when there are many potential interactions and many uncontrolled variables? In this talk, I will discuss modelling work from my group that was inspired by causal inference tools from economics. These tools use discontinuities in a variable to infer causal relationships, even when most variables in the system cannot be controlled for. I will show how the discontinuity introduced by action potentials can be used by neurons to estimate their causal impact on downstream circuits. Furthermore, I will show how this could help neurons to solve the credit assignment problem. I will end with a discussion of the predictions generated by this model of learning in the brain, in order to provide experimentalists with a means of testing these ideas.