Dileep George est un chercheur en intelligence artificielle et en neurosciences, connu pour avoir été un pionnier de la mémoire temporelle hiérarchique (HTM) et pour avoir cofondé deux startups influentes dans le domaine de l'IA : Numenta et Vicarious. Ses travaux ont établi un pont entre les neurosciences et l'apprentissage automatique, en mettant l'accent sur la création de systèmes d'IA inspirés de la structure et du fonctionnement du cerveau. Depuis 2022, il est chercheur chez Google DeepMind, où il continue d'explorer les questions fondamentales de l'IA.
George a obtenu son doctorat en génie électrique à l'Université Stanford en 2006. Au cours de ses études doctorales, il a développé ses premières idées sur la modélisation computationnelle du néocortex, qui ont ensuite jeté les bases de la HTM. Il a également été chercheur invité au Redwood Center for Theoretical Neuroscience de l'Université de Californie à Berkeley, où il a collaboré avec des chercheurs étudiant le calcul neuronal.
Mémoire temporelle hiérarchique et Numenta
En 2005, George a été le pionnier de la mémoire temporelle hiérarchique, un cadre d'apprentissage automatique qui modélise la structure hiérarchique du néocortex et sa dépendance aux schémas temporels. Les systèmes HTM apprennent à partir de séquences de données, en capturant à la fois les régularités spatiales et temporelles, et sont conçus pour être robustes au bruit et capables d'apprentissage en ligne. La même année, il a cofondé Numenta, Inc. avec Jeff Hawkins et Donna Dubinsky. Numenta visait à commercialiser la HTM, en l'appliquant à des tâches telles que la détection d'anomalies et la reconnaissance de formes. George a joué un rôle clé en tant qu'architecte de la technologie, contribuant à ses fondements théoriques et à ses applications pratiques. Son travail chez Numenta a contribué à établir la HTM comme une approche distincte dans le domaine plus large de l'IA, en mettant l'accent sur le calcul inspiré du cerveau plutôt que sur les méthodes purement statistiques.
Vicarious et le chemin vers DeepMind
En 2010, George a quitté Numenta pour cofonder Vicarious avec D. Scott Phoenix. Vicarious était une startup de recherche en IA qui se concentrait sur la création de systèmes capables de raisonner et de généraliser comme les humains, en s'appuyant sur des principes issus des neurosciences et des sciences cognitives. L'entreprise a attiré l'attention et des financements importants de la part d'entrepreneurs internet de premier plan, notamment Peter Thiel et Dustin Moskovitz. Vicarious poursuivait des objectifs ambitieux, comme le développement d'algorithmes pour la perception visuelle et le contrôle robotique capables d'apprendre à partir de peu d'exemples et de s'adapter à de nouvelles situations. Les recherches de l'entreprise couvraient des domaines comme les réseaux de neurones, l'apprentissage automatique et l'apprentissage profond, mais avec un accent particulier sur les modèles causaux et les représentations compositionnelles.
En 2022, l'entreprise Alphabet, Intrinsic, a acquis Vicarious. L'acquisition a conduit à une scission des activités de Vicarious : les divisions IA et robotique ont fusionné avec Intrinsic, qui se concentre sur la robotique industrielle, tandis que la division recherche, y compris George, a rejoint DeepMind. Cette transition a permis à George de poursuivre ses recherches au sein de l'une des principales organisations d'IA au monde, où il travaille à faire progresser l'état de l'art en matière d'intelligence machine.
Contributions à la recherche et philosophie
Tout au long de sa carrière, George a été un défenseur de la création de systèmes d'IA intégrant des biais inductifs structurels inspirés du cerveau. Ses travaux sur la HTM ont souligné l'importance des représentations hiérarchiques et des dynamiques temporelles, qui diffèrent des architectures feedforward courantes dans de nombreux systèmes d'apprentissage profond. Il a également plaidé pour la combinaison du raisonnement symbolique avec les réseaux de neurones, une perspective qui s'aligne sur les efforts en matière d'IA neuro-symbolique. Les recherches de George ont influencé les discussions sur les limites des approches actuelles de l'IA, telles que les grands modèles de langage, et sur la nécessité de développer une intelligence plus robuste et généralisable.
Impact et héritage
Les contributions de George ont eu un impact durable sur le domaine de l'IA, en particulier dans le domaine du calcul inspiré du cerveau. Ses travaux précoces sur la HTM ont précédé de nombreuses avancées modernes en apprentissage profond et ont offert un cadre alternatif pour comprendre comment le cerveau traite l'information. Grâce à Numenta et Vicarious, il a contribué à favoriser une communauté de chercheurs intéressés par l'intersection des neurosciences et de l'IA. Son passage chez DeepMind le place à l'avant-garde des efforts visant à développer une intelligence artificielle générale, où ses idées continuent d'orienter de nouvelles directions de recherche.
Publications et brevets sélectionnés
George a publié de nombreux articles académiques et détient plusieurs brevets liés à la mémoire temporelle hiérarchique et aux architectures d'IA. Ses publications paraissent souvent dans des revues et conférences spécialisées dans le calcul neuronal et l'apprentissage automatique. Bien que les titres spécifiques ne soient pas listés ici, ses travaux sont largement cités dans la littérature sur la HTM et l'IA inspirée du cerveau.
Vie personnelle et éducation
Le parcours éducatif de George comprend un doctorat en génie électrique de l'Université Stanford, où il s'est spécialisé en neurosciences computationnelles. Il est également titulaire de diplômes de l'Indian Institute of Technology, où il a étudié l'ingénierie. Sa formation interdisciplinaire a été déterminante dans sa capacité à établir des ponts entre les neurosciences et l'IA.
Travail actuel chez DeepMind
Depuis 2022, George est chercheur chez DeepMind, où il participe à des projets explorant des questions fondamentales en IA, comme la construction de systèmes capables d'apprendre des modèles causaux et de raisonner sur le monde. Son travail chez DeepMind reflète son intérêt de longue date pour les approches de l'apprentissage automatique inspirées des neurosciences.
Voir aussi
- Mémoire temporelle hiérarchique
- Numenta
- Vicarious
- DeepMind