Une approche heuristique
L’utilisation de la technologie d’apprentissage automatique dans les réseaux neuronaux a permis des avancées significatives dans le développement de l’intelligence artificielle (IA). La plupart des systèmes d’IA s’appuient sur un ensemble de données étiquetées fournies par des programmeurs humains pour apprendre à effectuer des tâches. Cependant, des ingénieurs de l’Université de Toronto, Parham Aarabi et Wenzhi Guo, ont innové en créant un algorithme capable d’apprendre de manière autonome, dépassant ainsi les limites imposées par sa formation initiale.
Une comparaison visuelle
Une illustration montre la différence entre un algorithme formé de manière traditionnelle et le réseau neuronal enseigné de manière heuristique par Aarabi et Guo. Les deux premières colonnes présentent un algorithme de reconnaissance d’image, à la fois agressif et conservateur, chargé de détecter des cheveux humains, tandis que la troisième colonne met en avant l’algorithme heuristique, qui est plus précis. Crédit : IEEE Trans NN & LS.
Dans une étude parue dans le journal IEEE Transactions on Neural Networks and Learning Systems, les chercheurs expliquent avoir développé un algorithme capable d’identifier les cheveux dans des photographies. Contrairement à la méthode classique qui consiste à exposer les réseaux neuronaux à un grand nombre d’exemples, cet algorithme apprend en se basant sur des instructions humaines, un processus nommé “formation heuristique”. Par exemple, plutôt que de montrer des centaines de photos d’eau à l’algorithme, on lui donnerait des indications telles que “l’eau de mer se présente souvent sous des teintes de bleu”.
Des résultats impressionnants
Les résultats de cette recherche pourraient bien marquer un tournant dans le domaine de l’IA. Le réseau neuronal formé de manière heuristique a dépassé les performances des algorithmes d’apprentissage machine classiques de 160 %. En outre, il a appris à reconnaître les cheveux avec une fiabilité supérieure de 9 % par rapport à sa formation initiale, prouvant ainsi sa capacité à améliorer ses performances. “Notre algorithme a su classer correctement des cas difficiles, en distinguant la texture des cheveux de celle de l’arrière-plan”, explique Aarabi. “Ce que nous avons observé ressemble à un enseignant qui instruit un enfant, qui, lui, va au-delà des enseignements initiaux.”
L’amélioration des réseaux neuronaux
L’approche heuristique représente un véritable changement dans le domaine de l’apprentissage machine et ouvre la voie à des possibilités intéressantes pour former des IA. Cela permettrait aux réseaux neuronaux de faire des classifications correctes sur des données inconnues ou non classées — donc, des informations qui ne figuraient pas dans l’ensemble de données initial.
Avec le développement continu de cette méthode, l’IA pourrait juger des situations jamais rencontrées auparavant. Par exemple, elle pourrait identifier des tissus cancéreux invisibles jusqu’alors lors d’analyses médicales ou reconnaître l’environnement d’un véhicule autonome en déplacement. “Nous sommes très désireux d’appliquer notre méthode à d’autres domaines et à de multiples applications, qu’il s’agisse de la santé ou du transport”, a explicité Guo.
Il est probable que des avancées dans cette direction façonnent l’avenir de l’IA dans les années à venir.
FAQ
Quelles sont les applications potentielles de cette technologie ?
Cette approche heuristique pourrait être utilisée dans divers secteurs tels que la médecine, pour améliorer le diagnostic, ainsi que dans la conduite autonome pour mieux analyser l’environnement.
Comment cette approche se distingue-t-elle des méthodes traditionnelles ?
Elle repose sur l’apprentissage par instructions humaines plutôt que sur une simple exposition à des exemples, permettant une plus grande flexibilité et une meilleure adaptation à des situations nouvelles.
Quels sont les défis à relever pour cette méthode ?
L’un des défis majeurs reste l’interprétation correcte des instructions humaines et leur traduction en apprentissage significatif pour l’algorithme.
Y a-t-il des limites à cette approche ?
Bien que prometteuse, la méthode nécessite encore des recherches pour garantir qu’elle fonctionne de manière fiable dans différents contextes et avec divers types de données.
Qui a financé cette recherche ?
Les détails sur le financement de cette recherche ne sont pas spécifiés, mais il est courant que des universités et des organisations de recherche investissent dans des projets innovants liés à l’IA.
