Pour la toute première fois, un ordinateur a surpassé les humains dans la partie raisonnement verbal d’un test de QI.
La machine a été programmée par des chercheurs chinois à l’aide d’une technique appelée ” apprentissage profond”, qui consiste à convertir des données en un ensemble d’algorithmes qu’un ordinateur peut exploiter.
Jusqu’à présent, les ordinateurs réussissaient plutôt bien à battre les humains dans deux des trois parties d’un test de quotient intellectuel standard, ou test de QI – les questions de mathématiques et de logique – mais ils avaient du mal à maîtriser la partie “raisonnement verbal”, qui porte sur des éléments comme les analogies et les classifications. Vous savez, ces questions qui vous demandent de trouver le mot qui ne va pas avec les autres, ou “Lequel de ces mots est l’opposé d’ubiquiste ?”
C’est là que l’apprentissage profond entre en jeu. Dans le passé, le plus loin où les programmeurs étaient allés était de construire des machines capables d’analyser des millions de millions de textes pour comprendre quels mots sont souvent associés les uns aux autres, transformant essentiellement les mots en vecteurs qui peuvent être comparés, ajoutés et soustraits.
“Mais cette approche présente un défaut bien connu : elle suppose que chaque mot a un sens unique représenté par un vecteur unique. Non seulement ce n’est souvent pas le cas, mais les tests verbaux ont tendance à se concentrer sur les mots ayant plus d’une signification afin de rendre les questions plus difficiles”, écrit le MIT Technology Review à propos de cette recherche.
Les chercheurs, de l’Université des sciences et technologies de Chine et de Microsoft Research à Pékin, ont adopté une approche différente : ils ont examiné les mots et les mots qui apparaissent souvent à proximité dans de gros volumes de texte. À l’aide d’un algorithme, ils ont déterminé comment les mots sont regroupés, puis ils ont recherché les différentes définitions de chaque mot dans un dictionnaire. Ils ont ainsi pu associer chaque groupe de mots à une signification.
Comme l ‘explique le MIT Technology Review :
“Cela peut se faire automatiquement car la définition du dictionnaire comprend des exemples de phrases dans lesquelles le mot est utilisé de différentes manières. Ainsi, en calculant la représentation vectorielle de ces phrases et en les comparant à la représentation vectorielle dans chaque cluster, il est possible de les faire correspondre.”
Cela signifie que la machine est capable de reconnaître les différentes significations des mots pour la première fois.
L’équipe a aidé les ordinateurs en leur fournissant de multiples exemples de questions afin qu’ils soient capables de reconnaître le type de question et d’y associer la stratégie de réponse appropriée.
Ils ont ensuite testé l’ordinateur contre 200 participants humains d’âges et de niveaux d’éducation différents.
“À notre grande surprise, la performance moyenne des êtres humains est un peu plus faible que celle de notre méthode proposée”, écrit l’équipe dans arXiv.org, où les résultats ont été publiés. “Notre modèle peut atteindre la performance compétitive entre les [participants] ayant les diplômes de licence et ceux ayant les diplômes de master.”
C’est un grand pas en avant pour l’intelligence artificielle, et cela montre à quel point l’apprentissage profond peut être puissant. Cette stratégie a également été utilisée pour apprendre aux ordinateurs à nous battre à la cuisine en regardant des vidéos sur YouTube. 49 jeux Atari de la vieille école, reconnaître les calories d’ un aliment à partir d’une photo et même
“Avec des utilisations appropriées des technologies d’apprentissage profond, nous pourrions nous rapprocher encore un peu plus de la véritable intelligence humaine”, écrivent les auteurs.