Ce semestre, les étudiants et postdoctorants du MIT ont été invités à soumettre des idées pour le tout premier MIT Ignite : Concours d'entrepreneuriat en IA générative. Plus de 100 équipes ont soumis des propositions de startups utilisant les technologies d'intelligence artificielle générative pour développer des solutions dans un large éventail de disciplines, notamment la santé humaine, le changement climatique, l'éducation et la dynamique de la main-d'œuvre.
Le 30 octobre, 12 finalistes ont présenté leurs idées devant un panel de juges experts et une salle comble au Samberg Conference Center.
« Le MIT a la responsabilité de contribuer à façonner un avenir d’innovation en matière d’IA qui soit largement bénéfique – et pour ce faire, nous avons besoin de beaucoup de bonnes idées. Nous nous sommes donc tournés vers une source assez fiable d'idées géniales : les étudiants et postdoctorants hautement entrepreneurs du MIT », a déclaré la présidente du MIT, Sally Kornbluth, dans son discours d'ouverture de l'événement.
L'événement MIT Ignite fait partie d'un accent plus large sur l'IA générative au MIT présenté par Kornbluth. Cet automne, dans tout l’Institut, chercheurs et étudiants explorent les possibilités de partager leurs connaissances sur l’IA générative, en identifiant de nouvelles applications, en minimisant les risques et en l’utilisant au profit de la société. Cet événement — co-organisé par le MIT-IBM Watson AI Lab et le Martin Trust Center for MIT Entrepreneurship, et soutenu par la School of Engineering du MIT et la MIT Sloan School of Management — a inspiré de jeunes chercheurs à contribuer au dialogue et à innover dans le domaine génératif. IA.
L'événement était co-présidé par Aude Oliva, directrice du MIT-IBM Watson AI Lab au MIT et chercheuse principale au Laboratoire d'informatique et d'intelligence artificielle (CSAIL) ; Bill Aulet, professeur de pratique Ethernet Inventors à la MIT Sloan School of Management et directeur du Martin Trust Center ; et Dina Katabi, professeure Thuan (1990) et Nicole Pham au Département de génie électrique et d'informatique, directrice du Centre des réseaux sans fil et de l'informatique mobile et chercheuse principale du CSAIL.
Douze équipes d'étudiants et de postdoctorants étaient en compétition pour un certain nombre de prix, dont cinq prix phares MIT Ignite de 15 000 $ chacun, un prix phare spécial pour les équipes d'étudiants de premier cycle de première année et des prix de deuxième place. Tous les prix ont été fournis par le MIT-IBM AI Watson Lab. Les équipes ont été jugées sur les applications innovantes de l'IA générative de leur projet, sa faisabilité, son potentiel d'impact dans le monde réel et la qualité de sa présentation.
Après que les 12 équipes ont présenté leur technologie, son potentiel pour résoudre un problème et la capacité de l'équipe à exécuter le plan, un jury a délibéré. Alors que le public attendait les résultats, des remarques ont été faites par Mark Gorenberg '76, président de la MIT Corporation ; Anantha Chandrakasan, doyenne de la MIT School of Engineering et professeur Vannevar Bush de génie électrique et d'informatique ; et David Schmittlein, doyen de John C. Head III et professeur de marketing à la MIT Sloan School of Management. Parmi les étudiants gagnants figurent :
Prix phares du MIT Ignite
eMote (Philip Cherner, Julia Sebastien, Caroline Lige Zhang et Daeun Yoo) : Il est parfois difficile d'identifier et d'exprimer des émotions, en particulier pour les personnes atteintes du spectre de l'alexithymie ; de plus, la thérapie peut être coûteuse. L'application d'eMote permet aux utilisateurs d'identifier leurs émotions, de les visualiser comme de l'art en utilisant le processus co-créatif de l'IA générative et d'y réfléchir via un journal, aidant ainsi les conseillers scolaires et les thérapeutes.
LeGT.ai (Julie Shi, Jessica Yuan et Yubing Cui) : Les processus juridiques liés à l'immigration peuvent être compliqués et coûteux. LeGT.ai vise à démocratiser la connaissance juridique. À l’aide d’une plate-forme dotée d’un grand modèle de langage, d’une ingénierie rapide et d’une recherche sémantique, l’équipe rationalisera un chatbot pour la réalisation, la recherche et la rédaction de documents pour les entreprises, ainsi qu’améliorera la présélection et les consultations initiales.
Sunona (Emmi Mills, Selin Kocalar, Srihitha Dasari et Karun Kaushik) : Environ la moitié de la journée d'un médecin est consacrée à la documentation médicale et aux notes cliniques. Pour résoudre ce problème, Sunona exploite la transcription audio et un modèle de langage étendu pour transformer l'audio d'une visite chez le médecin en notes et en extraction de fonctionnalités, offrant ainsi aux prestataires plus de temps dans leur journée.
UltraNeuro (Mahdi Ramadan, Adam Gosztolai, Alaa Khaddaj et Samara Khater) : Pour environ un adulte sur sept, une lésion de la moelle épinière, un accident vasculaire cérébral ou une maladie entraînera une déficience motrice et/ou une paralysie. Les neuroprothèses d'UltraNeuro aideront les patients à retrouver certaines de leurs capacités quotidiennes sans implants cérébraux invasifs. Leur technologie exploite un électroencéphalogramme, des capteurs intelligents et un système d’IA multimodal (EMG musculaire, vision par ordinateur, mouvements oculaires) entraînés sur des milliers de mouvements pour planifier des mouvements précis des membres.
UrsaTech (Rui Zhou, Jerry Shan, Kate Wang, Alan He et Rita Zhang) : L'éducation d'aujourd'hui est marquée par des disparités et des éducateurs surchargés. La plateforme d'UrsaTech utilise un grand modèle linguistique multimodal et des modèles de diffusion pour créer des leçons, du contenu dynamique et des évaluations pour aider les enseignants et les apprenants. Le système propose également un apprentissage immersif avec des agents IA pour un apprentissage actif pour une utilisation en ligne et hors ligne.
Prix phare de l'équipe d'étudiants de premier cycle de première année du MIT Ignite
Alicorne (April Ren et Ayush Nayak) : La découverte de médicaments représente des coûts biotechnologiques importants. La grande plateforme basée sur des modèles de langage d'Alikorn vise à rationaliser le processus de création et de simulation de nouvelles molécules, en utilisant un réseau contradictoire génératif, un algorithme de Monte-Carlo pour sélectionner les candidats les plus prometteurs et une simulation physique pour déterminer les propriétés chimiques.
Prix finalistes
Cyber autonome (James « Patrick » O'Brien, Madeline Linde, Rafael Turner et Bohdan Volyanyuk) : Les audits de sécurité du code nécessitent une expertise et coûtent cher. Le « fuzzing » du code, c'est-à-dire l'injection d'entrées invalides ou inattendues pour révéler les vulnérabilités des logiciels, peut rendre les logiciels beaucoup plus sûrs. Le système d'Autonomous Cyber exploite de grands modèles de langage pour intégrer automatiquement des « fuzzers » dans les bases de données.
Génération EGM (Noah Bagazinski et Kristen Edwards) : L'élaboration de politiques de développement socio-économique éclairées nécessite des preuves et des données. Le vaste système de modèles linguistiques de Gen EGM accélère le processus en examinant et en analysant la littérature, puis produit une carte des lacunes en matière de preuves (EGM), suggérant des domaines d'impact potentiels.
Mattr AI (Leandra Tejedor, Katie Chen et Eden Adler) : Les ensembles de données utilisés pour entraîner les modèles d'IA présentent souvent des problèmes de diversité, d'équité et d'exhaustivité. Mattr AI résout ce problème avec une IA générative avec un grand modèle de langage et des modèles de diffusion stables pour augmenter les ensembles de données.
Neuroécran (Andrew Lu, Chonghua Xue et Grant Robinson) : Le dépistage des patients susceptibles de participer à un essai clinique sur la démence est coûteux, prend souvent des années et aboutit généralement à une inéligibilité. Neuroscreen utilise l'IA pour évaluer plus rapidement les causes de la démence des patients, conduisant ainsi à un recrutement plus efficace dans les essais cliniques et le traitement des affections.
L’initiative sur la provenance des données (Naana Obeng-Marnu, Jad Kabbara, Shayne Longpre, William Brannon et Robert Mahari) : Les ensembles de données utilisés pour entraîner les modèles d'IA, en particulier les grands modèles de langage, comportent souvent des métadonnées manquantes ou incorrectes, ce qui suscite des inquiétudes quant aux problèmes juridiques et éthiques. La Data Provenance Initiative utilise l'annotation assistée par l'IA pour auditer les ensembles de données, suivre la lignée et le statut juridique des données, améliorer la transparence des données, la légalité et les préoccupations éthiques concernant les données.
Théia (Jenny Yao, Hongze Bo, Jin Li, Ao Qu et Hugo Huang) : La recherche scientifique et le dialogue en ligne qui l'entoure se déroulent souvent en silos. La plateforme de Theia vise à faire tomber ces murs. La technologie de l’IA générative résumera les articles et aidera à orienter les orientations de la recherche, fournissant ainsi un service aux universitaires ainsi qu’à la communauté scientifique au sens large.
Après le concours MIT Ignite, les 12 équipes sélectionnées pour présenter ont été invitées à un événement de réseautage comme première étape immédiate pour concrétiser leurs idées et leurs prototypes. De plus, ils ont été invités à développer davantage leurs idées avec le soutien du Martin Trust Center for MIT Entrepreneurship à travers StartMIT ou MIT Fuse et le laboratoire d'IA Watson du MIT-IBM.
« Au cours des mois qui ont suivi mon arrivée (au MIT), j'ai beaucoup appris sur la façon dont les gens du MIT perçoivent l'entrepreneuriat et sur la façon dont il est réellement intégré à tout ce que fait tout le monde à l'Institut, des étudiants de première année aux professeurs en passant par les anciens élèves. — ils sont vraiment motivés à faire connaître leurs idées au monde entier », a déclaré le président Kornbluth. « L’entrepreneuriat est un élément essentiel de notre objectif de s’organiser pour avoir un impact positif. »