Ubisoft La Forge est heureuse d’accueillir de nouvelles recrues dans son équipe ! Afin d’en savoir un peu plus sur ces nouveaux Forgerons et Forgeronnes, nous leur avons posé trois questions en lien avec leur cheminement, le futur de leur sujet de recherche et sur leur récent coup de cœur technologique. Sans plus attendre, rencontrez Ben Swanson, Ylva Ferstl, Saeed Ghorbani et Ludovic Denoyer !
Ben Swanson – Scientifique R&D – travaillant sur le traitement du langage naturel
Enchanté Ben ! De quel coin es-tu et quelle est ton expertise à La Forge ? Ben: Je suis récemment retourné dans mon État natal, le Maine, avec plusieurs années d’expérience pratique du traitement du langage naturel chez Google à San Francisco.
Intéressant ! Peux-tu nous en dire plus sur ton projet de traitement du langage naturel ? Ben: Nous comblons le fossé entre le traitement du langage naturel académique et le développement de jeux en intégrant des modèles très spécifiques dans des outils de création déjà largement utilisés chez Ubisoft, dans le but de donner le plus d’autonomie possible aux auteurs.
Très cool ! Et parlant de cool, y a-t-il une technologie récente ou un article qui t’as particulièrement accroché dernièrement ? Ben: Rethinking the Role of Demonstrations:What Makes In-Context Learning Work? – Les résultats des étiquettes aléatoires de cette étude étaient vraiment surprenants !
Surprenants, en effet ! Merci Ben et bienvenue à La Forge !
Ylva Ferstl – Scientifique R&D – travaillant sur l’animation, Speech2Gesture
Heureux de te rencontrer Ylva ! À quoi ressemble ton cheminement et quelle est l’expertise que tu amènes à la Forge ?
Ylva : Avant de venir à La Forge, j’ai fait des recherches sur les aspects de la création de personnages virtuels au Trinity College de Dublin, en me concentrant sur les méthodes de génération de gestes conversationnels à partir de la parole. J’amène avec moi à La Forge ma passion pour la génération d’animations qui nous permet d’évoluer vers des personnages de plus en plus diversifiés.
On peut sentir cette passion ! Selon toi, à quoi ressemble l’avenir en animation ? Ylva : Je vois un avenir brillant pour les grands mondes ouverts remplis d’innombrables personnages qui bougent chacun distinctement, immergeant les joueurs dans un monde plein de vie.
Ça fait rêver ! Dernière question, quelle est ta dernière découverte tech coup de coeur ? Ylva: Un article récent que j’ai adoré est Motion Puzzle : Arbitrary Motion Style Transfer by Body Part (Jang et al. 2022), qui permet de styliser les différentes parties du corps d’une animation.
Merci pour la découverte et bienvenue à la Forge, Ylva !
Saeed Ghorbani – Scientifique R&D – travaillant sur l’animation, Speech2Gesture
Bonjour Saeed, enchanté ! Quelles forces et connaissances amènes-tu à Ubisoft La Forge ? Saeed: J’espère pouvoir utiliser mes connaissances en Deep Learning et en animation de personnages pour créer des jeux plus immersifs et intelligents.
Et selon toi, le futur de demain pour ton champ d’expertise ressemble à quoi ? Saeed: En explorant les progrès quotidiens de l’apprentissage automatique, nous disposerons de pipelines d’animation plus automatisés et plus efficaces, ce qui se traduira par des mondes plus crédibles.
Très prometteur ! As-tu d’autres connaissances qui te passionnent ? Saeed: J’ai appris le Motion Matching car il s’agit d’un excellent exemple de la façon dont le ML peut être utilisé dans la production de jeux sans sacrifier la qualité.
Nous avons hâte de travailler avec toi Saeed, bienvenue à La Forge !
Ludovic Denoyer – Scientifique R&D – travaillant sur l’apprentissage par renforcement
C’est un plaisir de faire ta connaissance, Ludovic ! Peux-tu nous en dire plus son ton parcours et tes aspirations à La Forge ? Ludovic: J’ai soutenu mon doctorat sur l’apprentissage automatique en 2004, et j’ai été professeur assistant et maintenant professeur titulaire à l’Université de la Sorbonne – j’ai eu différentes missions liées à l’intelligence artificielle et j’ai été l’un des créateurs du programme du Master Deep Learning de cette université. J’ai passé un an au CRITEO en 2018 en tant que chercheur salarié. Je suis devenu chercheur dans le Facebook Artificial Intelligence Research lab (FAIR) au cours des trois dernières années et demie, principalement axé sur la proposition de nouveaux modèles et algorithmes d’apprentissage par renforcement profond – mais mes recherches couvrent également le NLP, la vision par ordinateur, les graphes, etc. En plus de mes différentes contributions à la recherche, j’ai également été le principal développeur de la bibliothèque Salina pour la recherche sur l’apprentissage par renforcement (essayez-la, vous l’aimerez !) qui vise à combler le fossé entre l’apprentissage profond et l’apprentissage par renforcement. Je m’attends à ce que mon profil aide LaForge à accomplir des projets de recherche ambitieux, à renforcer les relations académiques et à transférer les résultats de cette recherche dans des jeux concrets.
Impressive! Comment anticipes-tu le futur de l’apprentissage par renforcement ? Ludovic: L’apprentissage par renforcement n’est pas au même niveau de maturité que l’apprentissage profond pour la vision par ordinateur ou le NLP par exemple. Les choses avancent très vite, mais il y a encore un manque d’applications concrètes sur lesquelles on peut espérer vraiment » voir » l’intérêt de ces méthodes. Le jeu vidéo est l’une d’entre elles : ce domaine est complexe, en interaction directe avec les humains, et enfin, il est amusant ! Ce serait un vrai plaisir de voir les enfants et les joueurs en général apprécier de jouer avec des personnages artificiels (NPCs).
Pour nous aussi ! As-tu été impressionné récemment par quelque chose de ton domaine ? Ludovic: Ce qui m’a le plus impressionné dans le domaine de la recherche, c’est la vitesse à laquelle le domaine se développe. Je me souviens de l’époque où les grandes conférences dans ce domaine ne rassemblaient que quelques dizaines ou centaines de participants, alors qu’aujourd’hui, il y en a plusieurs milliers, avec tant de jeunes gens passionnés. Si je dois parler de technologies particulières, je dois dire que même si je ne suis pas complètement convaincu par les concepts sous-jacents des transformeurs, je suis régulièrement surpris par la qualité impressionnante qu’ils atteignent. Il y a quelques années, (presque) personne n’aurait été convaincu par le fait que des modèles aussi « simples », entraînés avec une énorme quantité de données, soient capables d’atteindre des performances aussi impressionnantes. Et je m’attends à voir le même effet dans le domaine de l’apprentissage par renforcement (nous l’avons déjà vu avec MuZero) avec des approches basées sur la prévision comme les transformeurs de décision par exemple.
Merci beaucoup pour tes réponses et bienvenue à La Forge !