Déjà utilisé dans la reconnaissance faciale par caméra, les applications de traduction et le sous-titrage automatique des appels Zoom, l’apprentissage machine sera bientôt un facteur clé dans la réalisation de grandes avancées, de la découverte de médicaments à de nouvelles façons d’interagir avec la technologie. Cependant, la portée de l’apprentissage machine sera limitée si les personnes qui l’utilisent doivent devenir expertes dans le réglage complexe des paramètres de chaque application.

Mark Schmidt est un expert dans le domaine de l’apprentissage machine. Par ses travaux de recherche, il vise à améliorer l’accessibilité de cette technologie en la rendant plus rapide et plus conviviale. Bien qu’il soit connu pour ses contributions théoriques à l’amélioration des algorithmes qui sous-tendent les programmes d’apprentissage machine, M. Schmidt s’efforce d’appliquer les avancées qu’il réalise à des situations réelles afin d’en maximiser les retombées. Son équipe a apporté des contributions dans des domaines très variés, notamment la surveillance de la population de manchots en Antarctique, l’amélioration de l’imagerie sismique pour le choix des sites de forage pétrolier, la suppression d’imperfections sur les portraits photo et la mise au point d’un système permettant de détecter les anomalies dans le rythme cardiaque avant qu’une crise cardiaque ne se produise.

Les avancées réalisées par M. Schmidt ont également un effet important sur le système de santé canadien : dans un projet d’envergure, il a collaboré avec Synthesis Health à la conception et à la mise à l’essai d’un système pour détecter les anomalies dans les images prises aux rayons X. La méthode, qui a considérablement réduit le nombre d’anomalies qui passent inaperçues, a été approuvée pour utilisation clinique par Santé Canada. Il s’agit là du premier système de radiologie assisté par apprentissage machine à obtenir une telle approbation au Canada.