Angeliki Lazaridou est une chercheuse scientifique chez Google DeepMind à Londres, connue pour ses travaux sur l'ancrage des grands modèles de langage dans des environnements interactifs et des systèmes multi-agents. Ses recherches se situent à l'intersection du traitement du langage naturel, de l'apprentissage par renforcement et de l'apprentissage multimodal, avec un accent particulier sur la manière dont les agents artificiels peuvent acquérir et utiliser le langage par la communication et l'incarnation plutôt que par des corpus textuels statiques.
Lazaridou a obtenu son doctorat en linguistique computationnelle à l'Université de Toronto, où elle a été encadrée par Suzanne Stevenson et a travaillé sur la représentation sémantique et l'acquisition lexicale. Elle a ensuite occupé un poste postdoctoral à l'Université d'Oxford avant de rejoindre DeepMind (désormais partie de Google DeepMind) en 2016. Chez DeepMind, elle est devenue une figure de proue dans l'étude de la communication émergente, explorant comment les agents développent leurs propres langages pour résoudre des tâches collaboratives.
Communication émergente et apprentissage multi-agents
Les premiers travaux de Lazaridou chez DeepMind, souvent en collaboration avec Karl Moritz Hermann et d'autres, ont démontré que les agents d'apprentissage par renforcement pouvaient développer des protocoles de communication compositionnels à partir de zéro. Dans une série d'articles influents, elle a montré que des agents entraînés à désigner des objets dans un monde en grille pouvaient faire évoluer des langages présentant une structure systématique, bien que ces langages diffèrent souvent des langues humaines par leur efficacité et leur robustesse. Son article de 2017 « Multi-Agent Cooperation and the Emergence of (Natural) Language » (avec Igor Mordatch) est devenu une référence fondatrice pour le domaine, montrant que des agents pouvaient apprendre à communiquer par des symboles discrets tout en résolvant des tâches coopératives.
Cette ligne de recherche s'est étendue à l'étude des facteurs influençant l'émergence de propriétés linguistiques de type humain, telles que la compositionnalité et l'ambiguïté. Les travaux de Lazaridou ont mis en évidence les compromis entre le succès communicatif et la complexité du langage, et elle a contribué à comprendre quand et pourquoi les agents développent des conventions partagées. Ses résultats ont des implications pour la conception de systèmes d'IA plus interprétables et contrôlables, ainsi que pour les théories de l'évolution du langage.
Ancrage du langage dans des contextes multimodaux et incarnés
Un thème central des recherches de Lazaridou est l'ancrage - la connexion des symboles linguistiques aux expériences perceptuelles et physiques. Elle a travaillé sur l'alignement des modèles vision-langage avec des représentations textuelles, permettant aux agents de raisonner sur des images et des vidéos par le langage. Dans un article de 2021, elle et ses collègues ont introduit une méthode pour ancrer les modèles de langage dans des mondes visuels en les entraînant sur des données appariées image-texte, améliorant leur capacité à répondre à des questions visuelles et à générer des légendes descriptives.
Plus récemment, Lazaridou s'est concentrée sur l'ancrage des grands modèles de langage dans des environnements interactifs, tels que les jeux textuels et les mondes simulés. Ce travail vise à dépasser les données de pré-entraînement statiques en permettant aux modèles d'apprendre à partir de retours, d'exploration et d'interaction sociale. Elle a participé à des projets utilisant l'apprentissage par renforcement pour affiner les modèles de langage en vue d'un comportement orienté vers un objectif, y compris des tâches comme la navigation et l'utilisation d'outils, qui nécessitent à la fois une compréhension linguistique et une planification.
Contributions à la sécurité et à l'évaluation de l'IA
Lazaridou a également contribué à l'évaluation et à la sécurité des grands modèles de langage. Elle a co-écrit des travaux sur la mesure de l'exactitude factuelle et de la cohérence des textes générés, ainsi que sur la détection et l'atténuation des biais dans les sorties des modèles. Sa perspective souligne que l'ancrage dans des interactions réelles peut réduire l'hallucination et améliorer la fiabilité, car les modèles sont forcés d'aligner leur langage sur des états observables.
En 2023, elle a participé à des discussions et des publications sur les défis de l'alignement des systèmes d'IA générative avec les valeurs humaines, en particulier dans des contextes multi-agents où les modèles doivent se coordonner entre eux et avec les personnes. Elle a plaidé pour l'importance d'étudier la communication comme un moyen d'atteindre des objectifs partagés, plutôt que comme une simple tâche de correspondance de motifs.
Publications sélectionnées et reconnaissance
Les travaux de Lazaridou ont été publiés dans des conférences de premier plan, notamment la Conference on Neural Information Processing Systems (NeurIPS), la International Conference on Learning Representations (ICLR) et l'Association for Computational Linguistics (ACL). Ses articles ont reçu des milliers de citations, et elle est une conférencière invitée fréquente lors d'ateliers sur la communication émergente et l'IA interactive.
Elle a servi comme présidente de domaine pour de grandes conférences en traitement du langage naturel et en apprentissage automatique, et a encadré de nombreux stagiaires et étudiants chez Google DeepMind. Ses recherches ont été présentées dans des médias de vulgarisation scientifique, mettant en lumière les façons surprenantes dont les agents d'IA développent leurs propres langages.
Directions actuelles
En 2025, Lazaridou continue d'explorer comment les grands modèles de langage peuvent être intégrés dans des agents incarnés qui perçoivent, agissent et communiquent dans des environnements dynamiques. Ses projets récents impliquent l'apprentissage par renforcement multi-agents avec négociation et coopération de type humain, ainsi que l'utilisation de modèles du monde pour améliorer la compréhension du langage. Elle reste une défenseure vocale des approches interdisciplinaires combinant des perspectives de la linguistique, des sciences cognitives et de l'informatique.
Son travail est largement considéré comme comblant le fossé entre les modèles de langage statiques et l'intelligence ancrée et interactive requise pour des applications réelles telles que la robotique, les assistants virtuels et les systèmes d'IA collaborative.