Skip to content

L’intelligence artificielle de Google a créé sa propre IA

Le projet AutoML de Google, conçu pour permettre à une IA de développer d’autres IA, a maintenant mis au point un système de vision par ordinateur qui surpasse largement les modèles de pointe. Le projet pourrait améliorer la façon dont les véhicules autonomes et les robots IA nouvelle génération « voient ».

Une IA capable de créer une IA

En mai 2017, des chercheurs de Google Brain ont annoncé la création d’AutoML, une intelligence artificielle capable de générer ses propres IA. Plus récemment, ils ont décidé de présenter à AutoML son plus grand défi à ce jour, et cette IA pouvant développer d’autres IA a créé un « enfant » qui a surpassé tous ses homologues fabriqués par l’homme.

Les chercheurs de Google ont automatisé la conception de modèles d’apprentissage automatique à l’aide d’une approche appelée apprentissage par renforcement. AutoML agit comme un contrôleur de réseau neuronal qui développe un réseau d’IA enfant pour une tâche spécifique. Pour cet enfant particulier, que les chercheurs ont appelé NASNet, la tâche consistait à reconnaître des objets – personnes, voitures, feux de circulation, sacs à main, sacs à dos, etc. – dans une vidéo en temps réel.

Example object detection using Faster-RCNN with NASNet. Credit: Google Research

AutoML évaluerait alors les performances de NASNet et utiliserait ces informations pour améliorer son intelligence artificielle enfantine, répétant le processus des milliers de fois. Lors d’un essai sur la classification d’images IMAGEnet et des ensembles de données de détection d’objet COCO que les chercheurs de Google appellent « deux des ensembles de données académiques à grande échelle les plus respectés en vision par ordinateur » NASNet a surclassé tous les autres systèmes de vision par ordinateur.

Google Brain et Kaggle veulent préparer des systèmes d’IA pour les cyberattaques super-intelligentes

Selon les chercheurs, NASNet était précis à 82,7 % pour prédire les images sur l’ensemble de validation d’ImageNet. Il s’agit d’une amélioration de 1,2 % par rapport à tous les résultats précédemment publiés, et le système est également 4 % plus efficace, avec une précision moyenne de 43,1 % (mAP). De plus, une version moins exigeante en termes de calcul de NASNet a surpassé de 3,1% les meilleurs modèles de taille similaire pour les plates-formes mobiles.

Une perspective pour le futur

Le machine learning est ce qui donne à beaucoup de systèmes d’intelligence artificielle leur capacité à effectuer des tâches spécifiques. Bien que le concept sous-jacent soit assez simple – un algorithme apprend en se nourrissant d’une tonne de données – le processus demande énormément de temps et d’efforts. En automatisant le processus de création de systèmes d’intelligence artificielle précis et efficaces, une intelligence artificielle capable de construire une intelligence artificielle prend en charge ce travail conséquent. En fin de compte, cela signifie qu’AutoML pourrait ouvrir le champ de l’apprentissage automatique et de l’intelligence artificielle à des non-experts.

En ce qui concerne NASNet, des algorithmes de vision par ordinateur précis et efficaces sont très recherchés en raison du nombre d’applications potentielles. Ils pourraient être utilisés pour créer des robots sophistiqués pilotés par l’intelligence artificielle ou pour aider les malvoyants à recouvrer la vue comme l’a suggéré un chercheur. Ils pourraient également aider les concepteurs à améliorer les technologies des véhicules autonomes. Plus un véhicule autonome peut reconnaître rapidement les objets sur son chemin, plus il peut réagir rapidement, augmentant ainsi la sécurité de ces véhicules.

Les chercheurs de Google reconnaissent que NASNet pourrait s’avérer utile pour un large éventail d’applications et ont ouvert l’IA pour l’inférence sur la classification des images et la détection d’objets. « Nous espérons que la plus grande communauté de Machine Learning pourra s’appuyer sur ces modèles pour résoudre une multitude de problèmes de vision par ordinateur que nous n’avons pas encore imaginés », ont-ils écrit sur leur blog.

Google veut appliquer l’IA et le machine learning à tous ses produits

traduction Thomas Jousse

Google Research, ScienceAlert, Co.Design

4 Comments »

  1. est ce que le mieux ne serait pas de nous demander pour quoi nous avons nous ete cree et de nous demander pour quoi nous cherchons a les cree et de voire cequ’il penserons eux de nous?

  2. L’intelligence artificielle peut améliorer nos vies, mais le danger vient de ceux qui la contrôlent.
    Cet interaction entre haute technologie et décision humaine sera très fréquent.
    Aujourd’hui il est très difficile de s’imaginer dans des situations quotidiennes dans un monde qui qu’aujourd’hui fait rêver et qui n’était que science fiction hier.
    Imaginez une voiture qui ne veut pas vous ramener chez-vous à trois heures de matin, sous prétexte que le prélèvement d’abonnement au service a été rejeté.
    Car il ne faut pas rêver. La voiture autonome ne nous rendra pas plus indépendants. Elle sera connectée à un service.
    Votre voiture autonome ne vous donnera pas le contrôle de vos déplacements.
    Au contraire, nous ne pourrons aller que là où le système nous autorise.

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Shares