La Conférence sur les systèmes de traitement de l'information neuronale (NeurIPS, anciennement NIPS) est une conférence académique annuelle tenue en décembre, axée sur l'apprentissage automatique et les neurosciences computationnelles. Elle est reconnue comme l'une des trois principales conférences à fort impact dans la recherche en apprentissage automatique et en intelligence artificielle, aux côtés de la Conférence internationale sur les représentations de l'apprentissage (ICLR) et de la Conférence internationale sur l'apprentissage automatique (ICML). La conférence comprend trois jours de conférences invitées, de présentations orales et par affiches d'articles évalués par les pairs, suivis de deux jours d'ateliers et de compétitions.
Histoire
La réunion NeurIPS a été proposée pour la première fois en 1986 lors de la réunion annuelle sur invitation uniquement de Snowbird sur les réseaux de neurones pour le calcul, organisée par le California Institute of Technology et les laboratoires Bell. NeurIPS a été conçu comme une réunion interdisciplinaire ouverte complémentaire pour les chercheurs explorant les réseaux de neurones biologiques et artificiels. La première conférence a eu lieu en 1987, avec le théoricien de l'information Ed Posner comme président de la conférence et le théoricien de l'apprentissage Yaser Abu-Mostafa comme président du programme. Les premières réunions couvraient un large éventail de sujets, allant des problèmes d'ingénierie à l'utilisation de modèles informatiques pour comprendre les systèmes nerveux biologiques. Au fil du temps, les courants de recherche sur les systèmes biologiques et artificiels ont divergé, et les actes récents sont dominés par des articles sur l'apprentissage automatique, l'intelligence artificielle et les statistiques.
De 1987 à 2000, NeurIPS s'est tenue à Denver, aux États-Unis. Les lieux suivants ont inclus Vancouver, au Canada (2001-2010), Grenade, en Espagne (2011), Lake Tahoe, aux États-Unis (2012-2013), Montréal, au Canada (2014-2015), Barcelone, en Espagne (2016), Long Beach, aux États-Unis (2017), Montréal à nouveau (2018), et Vancouver en 2019. Les éditions 2020 et 2021 ont été virtuelles en raison de la pandémie de COVID-19. La conférence est revenue à des événements en présentiel à La Nouvelle-Orléans en 2022 et 2023, puis à Vancouver en 2024. Les lieux futurs incluent San Diego et Mexico en 2025, et Sydney en 2026 avec des événements satellites à Atlanta et Paris.
La première conférence NeurIPS a été parrainée par l'IEEE. Les conférences suivantes ont été organisées par la Fondation NeurIPS, établie par Ed Posner. Terrence Sejnowski est président de la fondation depuis la mort de Posner en 1993. Le conseil d'administration est composé des anciens présidents généraux de la conférence. Les premiers actes ont été publiés sous forme de livre par l'American Institute of Physics en 1987, intitulés Neural Information Processing Systems. Les actes suivants ont été publiés par Morgan Kaufmann (1988-1993), MIT Press (1994-2004) et Curran Associates (2005-présent) sous le nom Advances in Neural Information Processing Systems.
La conférence était à l'origine abrégée en « NIPS ». En 2018, certains commentateurs ont critiqué cette abréviation pour encourager le sexisme en raison de son association avec le mot « mamelons » et pour être une insulte envers les Japonais. Le conseil a changé l'abréviation en « NeurIPS » en novembre 2018.
Sujets
Outre l'apprentissage automatique et les neurosciences, d'autres domaines représentés à NeurIPS incluent les sciences cognitives, la psychologie, la vision par ordinateur, la linguistique statistique et la théorie de l'information. Au fil des ans, NeurIPS est devenue une conférence de premier plan sur l'apprentissage automatique. Bien que le « Neural » dans l'acronyme soit devenu quelque peu historique, la résurgence de l'apprentissage profond depuis 2012, alimentée par des ordinateurs plus rapides et les mégadonnées, a conduit à des réalisations en reconnaissance vocale, en reconnaissance d'objets, en légende d'images, en traduction linguistique et en performance de championnat du monde au jeu de Go. Ces avancées étaient basées sur des architectures neuronales inspirées du cortex visuel (réseaux convolutifs) et sur l'apprentissage par renforcement inspiré des ganglions de la base (apprentissage par différence temporelle).
Des groupes d'affinité notables ont émergé de NeurIPS, notamment Black in AI (2017) et Queer in AI (2016), reflétant un engagement envers la diversité.
Conférences nommées
NeurIPS organise deux conférences nommées pour reconnaître des chercheurs distingués. La conférence Posner, introduite en l'honneur du fondateur Ed Posner, a été donnée deux fois par an jusqu'en 2015. Les anciens conférenciers Posner incluent Josh Tenenbaum et Michael I. Jordan (2010), Thomas Dietterich et Terry Sejnowski (2012), Daphne Koller et Peter Dayan (2013), Yann LeCun (2016), Yoshua Bengio (2019) et Christopher Bishop (2020). La conférence Breiman, introduite en 2015, met en lumière des travaux en statistiques pertinents pour les sujets de la conférence, nommée en l'honneur du statisticien Leo Breiman. Les anciens conférenciers Breiman incluent Robert Tibshirani (2015), Yee Whye Teh (2017), Bin Yu (2019) et Arnaud Doucet (2024).
Expérience de cohérence de l'examen
À NIPS 2014, les présidents du programme ont dupliqué 10 % de toutes les soumissions et les ont envoyées à des examinateurs séparés pour évaluer le caractère aléatoire du processus d'examen. Les résultats ont montré que 60 % des soumissions dupliquées ont reçu la même décision d'acceptation/rejet, ce qui a conduit le chercheur John Langford à noter que, bien que la décision ne soit pas complètement aléatoire (un processus purement aléatoire aurait environ 78 % d'arbitraire), le chiffre de 60 % est beaucoup plus proche de 78 % que de 0 %, indiquant que le résultat est en grande partie arbitraire. À NeurIPS 2021, l'expérience a été répétée, constatant une incohérence similaire : 23 % des soumissions dupliquées ont reçu des décisions différentes, et 50,6 % des articles acceptés auraient été rejetés lors d'un nouvel examen.