Le projet AutoML de Google, conçu pour permettre à l’IA de construire d’autres IA, a maintenant mis au point un système de vision par ordinateur qui surpasse largement les modèles les plus avancés. Le projet pourrait améliorer la façon dont les véhicules autonomes et les robots IA de la prochaine génération “voient”.
 
En mai 2017, des chercheurs de Google Brain ont annoncé la création d’AutoML, une intelligence artificielle capable de générer ses propres IA. Plus récemment, ils ont décidé de présenter à AutoML son plus grand défi à ce jour : l’IA a créé un “enfant” qui a surclassé tous ses homologues humains.
 
Une IA qui peut construire une IA
 
Les chercheurs de Google ont automatisé la conception de modèles d’apprentissage automatique à l’aide d’une approche appelée apprentissage par renforcement. AutoML agit comme un réseau de contrôleurs neuronaux qui développe un réseau d’IA enfant pour une tâche spécifique. Pour cet enfant en particulier, que les chercheurs ont appelé NASNet, la tâche consistait à reconnaître des objets – personnes, voitures, feux de circulation, sacs à main, sacs à dos, etc. – dans une vidéo en temps réel.
 
AutoML évaluerait la performance de son enfant NASNet et utiliserait cette information pour améliorer l’IA de son rejeton, répétant le processus des milliers de fois. Lorsqu’il a été testé sur les ensembles de données de classification d’images et de détection d’objets, que les chercheurs de Google appellent “deux des ensembles de données académiques à grande échelle les plus respectés en vision par ordinateur”, NASNet a surpassé tous les autres systèmes de vision par ordinateur.
 
Un regard sur l’avenir
 
L’apprentissage machine est ce qui donne à de nombreux systèmes d’intelligence artificielle leur capacité d’exécuter des tâches spécifiques. Bien que le concept sous-jacent soit assez simple – un algorithme apprend en recevant un nombre considérable de données – le processus demande énormément de temps et d’efforts. En automatisant le processus de création de systèmes d’intelligence artificielle précis et efficaces, une IA capable de construire elle-même des systèmes d’intelligence artificielle prend en charge le plus gros du travail. En fin de compte, cela signifie qu’AutoML pourrait ouvrir le domaine de l’apprentissage machine et de l’IA aux non-experts.
 
En ce qui concerne NASNet en particulier, des algorithmes de vision artificielle précis et efficaces sont très recherchés en raison du nombre d’applications potentielles. Ils pourraient être utilisés pour créer des robots sophistiqués gérés par l’intelligence artificielle ou pour aider les malvoyants à recouvrer la vue. Ils pourraient également aider les concepteurs à améliorer les technologies d’auto-conduite des véhicules. Plus vite un véhicule autonome reconnaîtra les objets sur son chemin, plus vite il réagira à ces objets, ce qui augmentera la sécurité de ces véhicules.

Sourced through Scoop.it from: up-magazine.info