Google vient d’annoncer une nouvelle avancée majeure dans le domaine de l’intelligence artificielle, en dévoilant une nouvelle approche de l’apprentissage automatique dans laquelle les réseaux neuronaux sont utilisés pour construire de meilleurs réseaux neuronaux – essentiellement en apprenant à l’IA à s’enseigner elle-même.
Ces réseaux neuronaux artificiels sont conçus pour imiter la façon dont le cerveau apprend, et Google affirme que sa nouvelle technologie, appelée AutoML, peut développer des réseaux plus puissants, plus efficaces et plus faciles à utiliser.
Le PDG de Google, Sundar Pichai, a présenté AutoML sur la scène de Google I/O 2017 cette semaine – la conférence annuelle des développeurs que Google organise pour les codeurs d’applications et les fabricants de matériel afin de révéler la prochaine orientation de ses produits.
“La façon dont cela fonctionne est que nous prenons un ensemble de réseaux neuronaux candidats, pensez à ceux-ci comme à de petits bébés réseaux neuronaux, et nous utilisons en fait un réseau neuronal pour les itérer jusqu’à ce que nous arrivions au meilleur réseau neuronal”, explique Pichai.
Ce processus, appelé apprentissage par renforcement, permet aux ordinateurs d’associer les essais et les erreurs à une sorte de récompense, comme on apprend de nouveaux tours à un chien.
Ce processus requiert une puissance de calcul considérable, mais le matériel de Google est en train d’atteindre le stade où un réseau neuronal peut en analyser un autre.
Les réseaux neuronaux nécessitent généralement une équipe d’experts, de scientifiques et d’ingénieurs, qui mettent beaucoup de temps à les mettre au point, mais grâce à AutoML, presque tout le monde pourra construire des systèmes d’IA pour s’attaquer aux tâches de son choix.
“Nous espérons qu’AutoML permettra à des centaines de milliers de développeurs de concevoir, d’ici trois à cinq ans, de nouveaux réseaux neuronaux répondant à leurs besoins particuliers, alors que cette capacité est aujourd’hui réservée à quelques docteurs”, écrit Pichai dans un billet de blog.
Un réseau neuronal en sélectionne d’autres. Crédit : Google
L’apprentissage automatique, qui consiste à faire en sorte que les ordinateurs prennent leurs propres décisions à partir d’un échantillon de données, est l’une des approches du développement de l’intelligence artificielle et comporte deux grandes étapes : la formation et l’inférence.
L’apprentissage consiste précisément à faire en sorte qu’un ordinateur examine des milliers de photos de chats et de chiens pour apprendre quel type de combinaison de pixels correspond à chaque animal. L’inférence est la partie où le système utilise ce qu’il a appris pour faire ses propres suppositions.
Remplacez les chats et les chiens par des réseaux neuronaux et vous aurez une idée du fonctionnement d’AutoML, mais au lieu de reconnaître des animaux, il s’agit de reconnaître les systèmes les plus intelligents.
D’après les résultats obtenus par Google, AutoML pourrait être encore plus intelligent que les experts humains pour reconnaître les meilleures approches pour résoudre un problème. Cela peut potentiellement simplifier considérablement le processus de construction des systèmes d’IA du futur, car ils peuvent être en partie auto-construits.
Selon Google, AutoML n’en est encore qu’à ses débuts, mais l’IA, l’apprentissage automatique et l’apprentissage profond (technique avancée d’apprentissage automatique conçue pour imiter les neurones du cerveau) font tous leur chemin dans les applications que nous utilisons tous les jours.
Lors de démonstrations sur la scène de l’I/O, Google a montré comment sa technologie d’apprentissage automatique pouvait éclaircir une photo sombre ou supprimer les obstructions dans les images, le tout en se basant sur l’entraînement obtenu à partir de millions d’autres photos.
Google affirme que ses ordinateurs sont désormais encore meilleurs que les humains pour reconnaître le contenu d’une photo. Une application appelée Google Lens, qui sera bientôt disponible, sera capable d’identifier des fleurs pour vous, ou des commerces dans une rue, grâce à l’appareil photo de votre téléphone.
Ces algorithmes d’apprentissage profond surpuissants trouvent également leur place dans le domaine de la santé, où les systèmes de traitement d’images peuvent reconnaître les signes du cancer avec encore plus de précision que les professionnels.
Avec l’aide d’AutoML, nos plateformes d’IA devraient devenir plus intelligentes plus rapidement, bien qu’il faille attendre un certain temps avant d’en voir les avantages dans votre application de caméra Android. Avant cela, les développeurs d’applications et les scientifiques seront en mesure d’exploiter AutoML.
Comme l’expliquent les chercheurs de Google, Quoc Le et Barret Zoph : “Nous pensons que cela peut inspirer de nouveaux types de réseaux neuronaux, et permettre aux non-experts de créer des réseaux neuronaux adaptés à leurs besoins particuliers, permettant ainsi à l’apprentissage automatique d’avoir un impact plus important pour tout le monde.”