le mardi 24 novembre 2015

Deep learning : quand l'intelligence artificielle tente d'imiter le cerveau humain

En seulement quelques années, le « deep learning » (technique d'apprentissage profond des machines) a révolutionné le domaine de l'intelligence artificielle. Basée sur des réseaux de neurones artificiels à multiples couches, cette technologie a permis aux scientifiques de réaliser des progrès considérables en matière de reconnaissance et de classification des données. Les géants de la high-tech Apple, Facebook, Google, Microsoft, mais aussi une multitude de start-up à travers le monde l'utilisent pour développer leurs applications.

Sans que l'on s'en rende compte, les avancées technologiques réalisées grâce au deep learning nous permettent de profiter quotidiennement de fonctionnalités qu'il aurait été impossible de créer il y a quelques années... Des services tels que Cortana de Microsoft, Siri d'Apple, ou encore Now de Google pour ne citer que les plus connus découlent de cette méthode mêlant neurosciences, mathématiques, et nouvelles technologies. Outre le développement des applications de reconnaissance vocale précitées, le deep learning est surtout utilisé pour apprendre à identifier le contenu des images. Facebook s'en sert par exemple pour son application de reconnaissance faciale DeepFace qui permet d'identifier et taguer les personnes qui se trouvent sur les photos partagées par ses membres.

Le deep learning est également exploité pour développer des systèmes de traduction en temps réel, de traitement du langage naturel (synthèse et reconnaissance vocale). En résumé, les scientifiques cherchent à apprendre à des programmes informatiques, à comprendre et interpréter des images et du son, dans le but de développer des applications qui vont des fonctions des terminaux mobiles aux réseaux sociaux, en passant par l'automobile, la robotique, ou encore la médecine.

H Getty Images cerveau retaillee


Qu'est-ce que le deep learning ?


Comme le machine learning, le deep learning est un ensemble de techniques informatiques permettant d'enseigner aux machines à apprendre par elles-mêmes. Le machine learning est une méthode d'apprentissage automatique utilisée pour trouver des correspondances entre des produits sur des sites marchands, par exemple. Typiquement, lorsque vous consultez le pitch d'un livre sur un site comme Amazon, il va vous proposer des articles de la même famille susceptibles de vous intéresser.

Le deep learning est une technique d'apprentissage dit « profond » permettant à un programme informatique d'apprendre à identifier le contenu d'une image, ou de comprendre le langage naturel. C'est une forme d'intelligence artificielle qui tente grosso modo d'imiter le fonctionnement neuronal du cerveau humain, par le biais d'un réseau de neurones artificiels composé de milliers d'unités de calculs.

L'idée n'est pas nouvelle. Depuis les années 70, des chercheurs en IA tentent de percer les secrets du fonctionnement du cerveau humain dans l'espoir de pouvoir un jour le répliquer virtuellement et le transposer sur des machines qui deviendraient aussi intelligentes et autonomes que l'homme. Soyons clairs, ce scénario maintes fois imaginé dans des œuvres de science-fiction n'est pas près de se concrétiser, mais les recherches ont néanmoins progressé de façon spectaculaire et permettent de commencer à concevoir des machines plus intelligentes.

Blade Runner Robots

Dans le film Blade Runner de Ridley Scott sorti en 1982, les réplicants sont des clones humains plus vrais et dangereux que nature.


Après des années sans résultats probants, la communauté scientifique s'était peu à peu détournée des réseaux de neurones pour se concentrer sur d'autres formes d'analyses. Ils sont revenus sur le devant de la scène vers la fin des années 2000, grâce aux travaux de Geoffrey Hinton et Yann LeCun, deux éminents chercheurs à l'origine de la création du deep learning et qui ont été, depuis, recrutés respectivement chez Google et Facebook. Ils ont développé de nouveaux modèles de réseaux de neurones basés sur plusieurs couches et capables d'effectuer un apprentissage hiérarchique. Un peu comme le cerveau humain, les couches de neurones catégorisent d'abord les informations les plus simples, avant de passer aux données les plus compliquées. Exemple : le système apprend à reconnaître une lettre avant d'analyser un mot, une phrase, etc. Le deep learning est né, mais il a fallu attendre 2012 avec l'émergence d'une nouvelle génération de puces graphiques (GPU) et l'accès à davantage de données de masse (big data) pour que les scientifiques obtiennent des résultats encourageants.

Une fois n'est pas coutume, c'est Google qui est à l'origine des débuts de cette nouvelle révolution technologique. Dans le cadre de leur projet sur le deep learning, les ingénieurs du fameux laboratoire X-Lab parviennent à créer un réseau neuronal capable de reconnaître la tête d'un chat, et le visage d'un humain. Le réseau qui comprend 1 000 ordinateurs et pas moins de 16 000 processeurs (CPU) a analysé au hasard des millions de captures de vidéos issues de YouTube. Au bout de trois jours d'entraînement intensif, le système a pu reconnaître par lui-même ce qu'est un chat, ainsi que le visage d'une personne avec un taux de réussite de 70 %, une première ! À partir de là, la plupart des géants de la high-tech ont commencé à investir des fortunes colossales dans le deep learning. Début 2015 dans le cadre d'un challenge scientifique, les laboratoires de Microsoft Research et de Google ont annoncé avoir obtenu respectivement un taux d'erreur de 4,94 %, et de 4,8 % dans la reconnaissance d'images.

Google research
Modifié le 25/11/2015 à 10h09
Commentaires