Comment l'intelligence artificielle va vous rendre plus intelligentLes personnes plus les machines dépasseront les capacités de chaque élément seul. metamorworks / Shutterstock.com

L’avenir ne sera fait ni par les humains ni par les machines, mais par les deux, travaillant ensemble. Les technologies basées sur le fonctionnement du cerveau humain augmentent déjà les capacités de chacun et ne feront que gagner en influence à mesure que la société s'habituera à ces machines de plus en plus performantes.

Les optimistes de la technologie ont imaginé un monde à la hausse productivité humaine et qualité de vie comme les systèmes d'intelligence artificielle prennent en charge la corvée de la vie et administrivia, au bénéfice de tous. Les pessimistes, d’autre part, ont prévenu que ces avancées pourraient venir à coût élevé en emplois perdus et vies perturbées. Et les alarmistes craignent que l'IA puisse éventuellement rendre les êtres humains obsolètes.

Cependant, les gens ne sont pas très doués pour imaginer le futur. Ni utopie ni Doomsday n'est probable. Dans mon nouveau livre, “La révolution de l'apprentissage en profondeurMon objectif était d’expliquer le passé, le présent et l’avenir de ce domaine en pleine croissance de la science et de la technologie. Ma conclusion est que l'IA vous rendra plus intelligent, mais d'une manière qui vous surprendra.

Reconnaître des modèles

L’apprentissage en profondeur est la partie de l’IA qui a fait le plus de progrès en résoudre des problèmes complexes comme identifier des objets dans des images, reconnaître la parole de plusieurs locuteurs et traiter un texte comme on le parle ou l’écrit. L’apprentissage en profondeur s’est également révélé utile pour identifier les tendances dans les ensembles de données de plus en plus volumineux générés à partir de capteurs, appareils médicaux et instruments scientifiques.


graphique d'abonnement intérieur


Le but de cette approche est de trouver des moyens pour un ordinateur de représenter la complexité du monde et de généraliser à partir d’expériences précédentes - même si ce qui se passe ensuite ne correspond pas exactement à ce qui s’est passé auparavant. Tout comme une personne peut identifier qu'un animal spécifique qu'elle n'a jamais vu auparavant est en fait un chat, algorithmes d'apprentissage en profondeur peuvent identifier les aspects de ce que l’on pourrait appeler le «chat-ness» et extraire ces attributs à partir de nouvelles images de chats.

Comment l'intelligence artificielle va vous rendre plus intelligentLes systèmes d'apprentissage en profondeur peuvent indiquer lequel de ces chats est un chat. Gelpi / Shutterstock.com

Les méthodes d’apprentissage en profondeur reposent sur le les mêmes principes qui alimentent le cerveau humain. Par exemple, le cerveau traite de nombreuses données de différentes sortes dans plusieurs unités de traitement en même temps. Les neurones ont de nombreux liens les uns avec les autres, et ces liens renforcent ou affaiblissent selon combien ils sont utilisés, établissant des associations entre les entrées sensorielles et les sorties conceptuelles.

La réseau d'apprentissage en profondeur le plus réussi est basé sur la recherche de 1960 sur l'architecture du cortex visuel, une partie du cerveau que nous voyons habituellement, et sur l'apprentissage des algorithmes inventés dans les 1980. À l'époque, les ordinateurs n'étaient pas encore assez rapides pour résoudre les problèmes du monde réel. Maintenant, cependant, ils le sont.

En outre, les réseaux d’apprentissage se sont superposés, créant de plus en plus de réseaux de connexions. ressemblant à la hiérarchie des couches du cortex visuel. Cela fait partie d'un convergence se déroulant entre intelligence artificielle et biologique.

Comment l'intelligence artificielle va vous rendre plus intelligentUn réseau neuronal à quatre couches accepte les entrées de gauche, passe la sortie de la première couche à la couche suivante, à la suivante et suivante, avant de délivrer une sortie. Sin314 / Shutterstock.com

Apprendre en profondeur dans la vraie vie

L'apprentissage en profondeur ajoute déjà aux capacités humaines. Si vous utilisez les services Google pour effectuer une recherche sur le Web ou utilisez ses applications pour traduire d'une langue à une autre ou pour convertir la parole en texte, la technologie vous a rendu plus intelligent ou plus efficace. Récemment, lors d’un voyage en Chine, un ami parlait anglais sur son téléphone Android, ce qui l’a traduit en chinois pour un chauffeur de taxi - tout comme le traducteur universel sur “Star Trek. »

Un test d'un dispositif de traduction en temps réel réel.

{youtube}Nu-nlQqFCKg{/youtube}

Ces systèmes et de nombreux autres fonctionnent déjà et vous aident dans votre vie quotidienne même si vous ne les connaissez pas. Par exemple, l’apprentissage en profondeur commence à prendre la relève. lecture d'images radiographiques et de photographies de lésions cutanées pour la détection du cancer. Votre médecin local sera bientôt en mesure de détecter des problèmes qui ne sont évidents que pour les meilleurs experts.

Même si vous savez qu'une machine est impliquée, vous ne comprendrez peut-être pas la complexité de ce qu'elles font réellement: derrière l'Alexa d'Amazon se cache une foule de réseaux d'apprentissage en profondeur qui reconnaissent votre demande, examinez les données pour répondre à vos questions et prendre des mesures en votre nom.

Faire progresser l'apprentissage

L'apprentissage en profondeur a été très efficace pour résoudre les problèmes de reconnaissance de formes, mais pour aller au-delà, il faut d'autres systèmes cérébraux. Quand un animal est récompensé pour une action, il est plus susceptibles de prendre des mesures similaires à l'avenir. Les neurones dopaminergiques situés dans les noyaux gris centraux du cerveau signalent la différence entre les récompenses attendues et les récompenses reçues. appelé erreur de prédiction de récompense, qui est utilisé pour modifier les forces des connexions dans le cerveau qui prédisent les récompenses futures.

Coupler cette approche, appelée apprentissage par renforcement, à un apprentissage en profondeur peut donner aux ordinateurs le pouvoir d'identifier des possibilités inattendues. En reconnaissant un modèle et en y réagissant de manière à rapporter des récompenses, les machines pourraient adopter des comportements similaires à ceux de la créativité humaine. Cette approche couplée est la façon dont DeepMind a développé une programme appelé AlphaGoQui, en 2016 a vaincu le grand maître Lee Sedol et l'année suivante battre le champion du monde Go, Ke Jie.

Les jeux ne sont pas aussi compliqués que le monde réel, rempli d'incertitudes changeantes. Massimo Vergassola à l’Université de Californie à San Diego, et j’ai récemment utilisé l’apprentissage par renforcement pour enseigner un planeur sur le terrain comment monter en flèche comme un oiseau dans les thermiques turbulents. Des capteurs peuvent être connectés aux oiseaux réels pour vérifier s'ils utilisent les mêmes signaux et répondent de la même manière.

En dépit de ces succès, les chercheurs ne comprennent pas encore pleinement comment l’apprentissage en profondeur résout ces problèmes. Bien sûr, nous ne savons pas non plus comment le cerveau les résout.

Bien que le fonctionnement interne du cerveau puisse rester insaisissable, les chercheurs ne tarderont pas à développer une théorie de l'apprentissage en profondeur. La différence est que lors de l’étude des ordinateurs, les chercheurs ont accès à toutes les connexions et modes d’activité du réseau. Le rythme des progrès est rapide, avec des rapports de recherche publiés quotidiennement sur arXiv. Des avancées surprenantes sont attendues avec impatience en décembre prochain à Conférence sur les systèmes de traitement d'informations neuronaux à Montréal, qui billets épuisés pour 8,000 en minutes 11, ce qui laisse les déclarants espérés 9,000 sur la liste d’attente.

Il reste encore beaucoup à faire avant que les ordinateurs atteignent l’intelligence humaine générale. Le plus grand réseau d’apprentissage en profondeur n’a aujourd’hui que le pouvoir d’un morceau de cortex neural humain la taille d'un grain de riz. Et nous ne savons pas encore comment le cerveau organise de manière dynamique les interactions entre des zones cérébrales plus grandes.

La nature a déjà ce niveau d'intégration, créant des systèmes cérébraux à grande échelle capables de gérer tous les aspects du corps humain, tout en réfléchissant à des questions profondes et en accomplissant des tâches complexes. En fin de compte, les systèmes autonomes peuvent devenir aussi complexes et rejoindre la myriade de créatures vivantes de notre planète.The Conversation

A propos de l'auteur

Terrence Sejnowski, professeur Francis Crick et directeur du laboratoire de neurobiologie computationnelle de l'Institut d'études biologiques de Salk, et professeur émérite de neurobiologie, Université de Californie à San Diego

Cet article est republié de The Conversation sous une licence Creative Commons. Lis le article original.

Livres connexes

at Marché InnerSelf et Amazon