Une intelligence artificielle capable de créer d’autres intelligences
En mai 2017, les chercheurs de Google Brain ont fait une annonce marquante : ils avaient développé l’AutoML, un système d’intelligence artificielle (IA) capable de concevoir ses propres AIs. Cette avancée a conduit à un défi encore plus grand, où AutoML a généré une “descendance” qui a surpassé toutes les intelligences créées par l’homme.
Les chercheurs ont utilisé une méthode appelée apprentissage par renforcement pour automatiser la conception de modèles d’apprentissage automatique. L’AutoML agit comme un réseau neuronal de contrôle, créant un réseau d’IA pour des tâches spécifiques. Pour un de ces réseaux, nommé NASNet, la mission était de reconnaître des objets tels que des personnes, des voitures et des feux de circulation dans des vidéos en temps réel.
AutoML évaluait constamment les performances de NASNet, ce qui lui a permis d’améliorer sans cesse cette intelligence. Ce processus a été répété des milliers de fois. Lors des tests sur des ensembles de données académique renommés, comme ImageNet pour la classification d’images et COCO pour la détection d’objets, NASNet a largement dépassé les autres systèmes de vision par ordinateur.
D’après les résultats, NASNet affichait un taux de précision de 82,7 % sur l’ensemble de validation d’ImageNet, soit une amélioration de 1,2 % par rapport à des résultats publiés antérieurement. En outre, cette IA était quatre fois plus efficace, avec une moyenne de précision (mAP) de 43,1 %. Une version moins gourmande en ressources de NASNet a également surpassé les modèles comparables pour les plateformes mobiles de 3,1 %.
Une perspective d’avenir
L’apprentissage automatique est au cœur de la performance des systèmes d’IA, offrant la capacité d’exécuter des tâches précises. Bien que le concept soit relativement simple — un algorithme apprend à partir de grandes quantités de données — le processus est souvent long et exigeant. En automatisant la création de systèmes d’IA efficaces et précis, AutoML prend en charge une grande partie de cette charge de travail, ce qui pourrait rendre l’apprentissage automatique accessible à un plus large public.
Concernant NASNet, les algorithmes de vision par ordinateur performants sont très recherchés en raison de leurs nombreuses applications potentielles. Ils pourraient contribuer à la création de robots sophistiqués alimentés par l’IA ou même aider les personnes malvoyantes à recouvrer la vue. De plus, ces technologies pourraient être cruciales pour le développement de véhicules autonomes ; plus un véhicule peut identifier rapidement les objets sur sa route, plus il pourra réagir efficacement, augmentant ainsi la sécurité.
Les chercheurs de Google ont reconnu l’étendue des applications que NASNet pourrait avoir et ont rendu son code source accessible pour l’inférence en classification d’images et la détection d’objets. Cela pourrait permettre à la communauté scientifique et à des experts d’explorer des problèmes de vision par ordinateur que nous n’avons pas encore envisagés.
Bien que les possibilités offertes par NASNet et AutoML soient considérables, la création d’une IA capable de concevoir d’autres IA suscite également des préoccupations. Par exemple, comment éviter que des préjugés soient transmis des intelligences parents à leurs créations ? Quelles seraient les conséquences si AutoML concevait des systèmes plus rapidement que la société ne pouvait s’adapter ? Il est facile d’imaginer un usage de NASNet dans des systèmes de surveillance automatisés, nécessitant rapidement une régulation.
Heureusement, des responsables mondiaux travaillent pour éviter que ces systèmes ne mènent à un futur dystopique. De grandes entreprises comme Amazon, Facebook et Apple font partie de la Partnership on AI, une initiative dédiée à un développement responsable de l’IA. De plus, des organisations telles que l’Institute of Electrical and Electronics Engineers (IEEE) mettent en place des recommandations éthiques, et DeepMind, une société de recherche appartenant à Alphabet, a récemment mis en place un groupe pour examiner les implications morales de l’IA.
D’autres gouvernements étudient également des régulations pour restreindre l’utilisation de l’IA dans des contextes dangereux comme les armes autonomes. Tant que les humains garderont la main sur le développement de ces technologies, les bénéfices de l’IA capable de construire d’autres IA devraient largement surpasser les risques éventuels.
FAQ
Quelles sont les applications de NASNet ?
NASNet peut être utilisé dans des domaines variés tels que la robotique, la surveillance, la gestion du trafic, et les technologies d’assistance pour les personnes malvoyantes.
Comment l’AutoML fonctionne-t-il en pratique ?
L’AutoML utilise l’apprentissage par renforcement pour concevoir des modèles d’IA. Il évalue les performances de chaque version,itération après itération, afin de perfectionner sa descendance.
Quelles sont les préoccupations éthiques autour de l’IA ?
Les inquiétudes portent principalement sur la transmission de préjugés, l’automatisation excessive, et l’utilisation militaire de l’IA. Les experts plaident pour des régulations strictes pour mitiguer ces problèmes.
Qui supervise le développement de l’IA et ses implications ?
Divers organismes, y compris des entreprises technologiques, des instituts de recherche, et des gouvernements, collaborent à l’élaboration de normes éthiques et à la mise en place de régulations.
L’intelligence artificielle peut-elle remplacer complètement les emplois humains ?
L’IA peut automatiser certaines tâches, mais elle est destinée à compléter les humains plutôt qu’à les remplacer. L’accent est mis sur le travail collaboratif entre l’homme et la machine.
