Mehdi Khamassi
Mehdi Khamassi est directeur de recherche employé par le Centre National de la Recherche Scientifique (CNRS), affecté à l’Institut des Systèmes Intelligents et de Robotique (ISIR), sur le campus de Sorbonne Université, Paris, France.
Il a une formation d’ingénieur (Ecole Nationale Supérieure d’Informatique pour l’Industrie et l’Entreprise / Conservatoire National des Arts et Métiers, Évry, 2003 ; spécialisations en intelligence artificielle et modélisation statistique). Il est également diplômé du Cogmaster (2003) par l’Université Pierre et Marie Curie (UPMC), Paris. Il a ensuite effectué une thèse de neurosciences cognitives entre l’UPMC et le Collège de France (2007). Il a été recruté en 2010 par le CNRS comme chargé de recherches. Il est co-organisateur de la conférence Symposium of Biology of Decision-Making (SBDM) depuis 2012.
Depuis 2015, il est également membre du conseil pédagogique, anciennement co-directeur des études, et maintenant co-responsable de la majeure modélisation, pour le Cogmaster (Université Paris Sciences Lettres (Ecole Normale Supérieure) / Université de Paris Cité / EHESS). Depuis 2024, il est co-directeur du master de sciences cognitives co-accrédité par Sorbonne Université et Université Paris Cité. Il a été chercheur invité au Okinawa Institute of Science and Technology, Japon, en 2008, à University of Trento, Italie, en 2013-2015, à University of Oxford, UK, en 2017-2020, et à la National Technical University of Athens, Grèce depuis 2016. Il est rédacteur en chef d’Intellectica depuis 2023, et éditeur pour ReScience X, et Neurons, Behavior, Data analysis and Theory.
Ses thèmes de recherche principaux incluent la prise de décision et l’apprentissage par renforcement chez les animaux et les robots, le rôle des différents types de récompenses (sociales, non-sociales, informationnelles) dans l’apprentissage, et les questions éthiques soulevées par la prise de décision autonome des machines. Ses principales méthodes sont la modélisation computationnelle, la conception d’expériences neurobiologiques pour tester les prédictions des modèles, l’analyse de données expérimentales, la conception d’algorithmes d’IA pour les robots, et l’expérimentation comportementale impliquant des humains, des animaux non-humains ou des robots.
