Deep Learning and Causality: Bridging the Gap
Over the last decade, we’ve made leaps and strides in our ability to leverage neural networks to solve increasingly general problems. Yet, the mechanisms by which neural networks make predictions are largely associational. In contrast, humans regularly reason causally when making predictions. This talk will highlight recent advances in bridging the gap between the two fields and motivate the rationale for studying, building and scaling neural networks that reason causally.
Apprentissage profond et causalité : combler le fossé
Depuis dix ans, nous avons réalisé d'énormes progrès dans notre capacité à exploiter les réseaux neuronaux pour résoudre des problèmes de plus en plus généraux. Pourtant, les mécanismes par lesquels ces réseaux effectuent des prédictions reposent en grande partie sur des associations. Par contraste, les humains raisonnent régulièrement de manière causale lorsqu'ils font des prédictions. Cette présentation mettra en lumière les avancées récentes visant à réduire l'écart entre ces deux domaines et expliquera la pertinence d'étudier, de concevoir et de développer des réseaux neuronaux capables de raisonner de manière causale.
Date and Time
-
Langue de la présentation orale
Anglais
Langue des supports visuels
Anglais