Publicités

Google et les autres sont en train de construire des systèmes d’intelligence artificielle qui doutent d’eux-mêmes

Google et les autres sont en train de construire des systèmes d’intelligence artificielle qui doutent d’eux-mêmes

L’AI prendra de meilleures décisions en adoptant l’incertitude.

L’approche la plus puissante de l’IA, l’apprentissage en profondeur, consiste à acquérir une nouvelle capacité: un sentiment d’incertitude.

Les chercheurs d’Uber et de Google travaillent sur des modifications des deux cadres d’apprentissage en profondeur les plus populaires qui leur permettront de gérer la probabilité. Cela permettra aux programmes d’IA les plus intelligents de mesurer leur confiance dans une prédiction ou une décision – essentiellement, de savoir quand ils devraient douter d’eux-mêmes.

L’apprentissage en profondeur, qui consiste à fournir des données d’exemple à un vaste et puissant réseau neuronal, a été un énorme succès au cours des dernières années, permettant aux machines de reconnaître les objets dans les images ou de transcrire presque parfaitement la parole. Mais cela exige beaucoup de données d’entraînement et de puissance de calcul, et il peut être étonnamment fragile.

Un peu contre-intuitivement, ce doute personnel offre une solution. La nouvelle approche pourrait être utile dans des scénarios critiques impliquant des voitures et d’autres machines autonomes.

« Vous aimeriez un système qui vous donne une mesure de la certitude », déclare Dustin Tran, qui travaille sur ce problème chez Google. « Si une voiture autonome ne connaît pas son degré d’incertitude, elle peut faire une erreur fatale, ce qui peut être catastrophique. »

Le travail reflète la prise de conscience que l’incertitude est un aspect clé du raisonnement et de l’intelligence humaine. Selon Zoubin Ghahramani, éminent chercheur en intelligence artificielle, professeur à l’Université de Cambridge et scientifique en chef à Uber, l’ajout de ce programme aux programmes d’IA pourrait les rendre plus intelligents et moins enclins aux erreurs.

Cela peut s’avérer d’une importance vitale car les systèmes d’IA sont utilisés dans des scénarios de plus en plus critiques. « Nous voulons avoir un cadre solide pour l’apprentissage en profondeur, mais faciliter la représentation de l’incertitude par les gens », a dit Ghahramani lors d’une conférence sur l’IA à Long Beach, en Californie.

Au cours de la même conférence sur l’IA, un groupe de chercheurs s’est réuni dans un bar voisin un après-midi pour discuter de Pyro, un nouveau langage de programmation publié par Uber qui fusionne l’apprentissage en profondeur avec la programmation probabiliste.

La rencontre à Long Beach a été organisée par Noah Goodman, un professeur à Stanford qui est également affilié au Laboratoire AI d’Uber.

M. Goodman explique qu’en donnant à l’apprentissage en profondeur la capacité de gérer les probabilités, on peut le rendre plus intelligent de plusieurs façons. Il pourrait, par exemple, aider un programme à reconnaître les choses, avec un degré raisonnable de certitude, à partir de quelques exemples plutôt que de milliers. Offrir un certain degré de certitude plutôt qu’une réponse par oui ou par non devrait aussi aider à concevoir des systèmes complexes.

Et tandis qu’un système d’apprentissage en profondeur classique apprend uniquement à partir des données par lesquelles qu’il est alimenté, Pyro peut également être utilisé pour construire un système préprogrammé avec des connaissances. Cela pourrait être utile dans n’importe quel scénario où l’apprentissage machine pourrait s’appliquer.

« Dans les cas où vous possédez des connaissances préalables que vous voulez intégrer au modèle, la programmation probabiliste est particulièrement utile », dit M. Goodman. « Les gens utiliseront Pyro pour toutes sortes de choses. »

Edward est un autre langage de programmation qui embrasse l’incertitude, ce langage développé à l’Université Columbia grâce au financement de la DARPA. Pyro et Edward en sont encore aux premiers stades de développement, mais il n’est pas difficile de voir pourquoi Uber et Google sont intéressés.

Uber utilise l’apprentissage machine dans d’innombrables domaines, du routage des chauffeurs à la fixation de prix exorbitants, en passant bien sûr par l’auto-conduite. La société a investi massivement dans l’IA, engageant un certain nombre d’experts qui travaillent sur de nouvelles idées. Google a reconstruit toute son entreprise autour de l’IA et de l’apprentissage en profondeur de ces derniers temps.

David Blei, professeur de statistique et d’informatique à l’Université Columbia et conseiller de Tran, affirme que la combinaison d’apprentissage approfondi et de programmation probabiliste est une idée prometteuse qui nécessite plus de travail. « En principe, c’est très puissant, dit-il. « Mais il y a beaucoup, beaucoup de défis techniques. »

Néanmoins, comme le souligne Goodman, Pyro et Edward sont également importants pour réunir deux écoles concurrentes en IA, l’une axée sur les réseaux neuronaux et l’autre sur la probabilité.

Au cours des dernières années, l’école du réseau neuronal a été si dominante que d’autres idées ont été laissées pour compte. Pour aller de l’avant, le domaine devra peut-être adopter ces autres idées.

« L’histoire intéressante ici, c’est qu’il n’est pas nécessaire de considérer ces camps comme des camps distincts « , dit Goodman. « Ils peuvent s’unir – en fait, ils se regroupent – dans les outils que nous sommes en train de construire. »

Vous pourriez même dire qu’ils deviennent plus intelligents, en partie, en apprenant ce qu’ils ne savent pas.

Technologyreview

 

Publicités

1 comment

Laisser un commentaire

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

%d blogueurs aiment cette page :