La responsabilité civile dans les cas de dommages causés par les robots d’assistance au Québec

Le développement exponentiel de la technologie et le vieillissement de la population permettent d’introduire dans notre quotidien les robots d’assistance. La coexistence de l’homme avec ces robots intelligents et autonomes soulève une question fondamentale: dans l’éventualité où un robot provoquerait un accident causant un dommage à une personne ou à un bien qui serait le responsable? Aucune loi ne réglemente les activités de la robotique d’assistance dans le monde. Cette étude vise l’analyse de l’applicabilité des régimes de responsabilité du Code Civil du Québec aux cas de dommages causés par le robot d’assistance. L’analyse des régimes de responsabilité du Code civil du Québec permet de constater que deux régimes de responsabilité sont susceptibles d’être appliqués aux cas spécifiques de dommages causés par le robot d’assistance: le régime de responsabilité du fait des biens, énoncé à l’article 1465 C.c.Q., et le régime de responsabilité du fait des fabricants et vendeurs spécialisés, énoncé à l’article 1468 C.c.Q. Cela s’explique par la présence de critères et de conditions de mise en œuvre des régimes qui sont transposables aux différents aspects concernant la fabrication et l’utilisation du robot d’assistance.

Designing Regularizers and Architectures for Recurrent Neural Networks

Cette thèse contribue a la recherche vers l'intelligence artificielle en utilisant des méthodes connexionnistes. Les réseaux de neurones récurrents sont un ensemble de modèles séquentiels de plus en plus populaires capable en principe d'apprendre des algorithmes arbitraires. Ces modèles effectuent un apprentissage en profondeur, un type d'apprentissage machine. Sa généralité et son succès empirique en font un sujet intéressant pour la recherche et un outil prometteur pour la création de l'intelligence artificielle plus générale. Le premier chapitre de cette thèse donne un bref aperçu des sujets de fonds: l'intelligence artificielle, l'apprentissage machine, l'apprentissage en profondeur et les réseaux de neurones récurrents. Les trois chapitres suivants couvrent ces sujets de manière de plus en plus spécifiques. Enfin, nous présentons quelques contributions apportées aux réseaux de neurones récurrents. Le chapitre \ref{arxiv1} présente nos travaux de régularisation des réseaux de neurones récurrents. La régularisation vise à améliorer la capacité de généralisation du modèle, et joue un role clé dans la performance de plusieurs applications des réseaux de neurones récurrents, en particulier en reconnaissance vocale. Notre approche donne l'état de l'art sur TIMIT, un benchmark standard pour cette tâche. Le chapitre \ref{cpgp} présente une seconde ligne de travail, toujours en cours, qui explore une nouvelle architecture pour les réseaux de neurones récurrents. Les réseaux de neurones récurrents maintiennent un état caché qui représente leurs observations antérieures. L'idée de ce travail est de coder certaines dynamiques abstraites dans l'état caché, donnant au réseau une manière naturelle d'encoder des tendances cohérentes de l'état de son environnement. Notre travail est fondé sur un modèle existant; nous décrivons ce travail et nos contributions avec notamment une expérience préliminaire.