L’intelligence artificielle de Google peut désormais apprendre par elle-même

DNC Google DeepMind IA
Une vision d'artiste du DNC. | DeepMind
⇧ [VIDÉO]   Vous pourriez aussi aimer ce contenu partenaire

Les programmeurs de l’intelligence artificielle (IA) de DeepMind, développée par la société mère de Google, Alphabet, ont annoncé que cette dernière pouvait à présent s’instruire et construire des données à partir de sa mémoire.

Le nouveau système hybride, appelé Ordinateur Différentiel Neuronal (Differential Neural Computer – DNC), combine un réseau neuronal (possédant un vaste réseau de stockage d’ordinateur conventionnel) à l’IA, qui est assez intelligente pour naviguer et apprendre par elle-même depuis cette banque de données externe.

En effet, le DNC combine de manière efficace la mémoire externe (comme un disque dur externe) avec le réseau neuronal de l’IA, là où il y a un nombre massif de nœuds interconnectés, travaillant de manière dynamique afin de simuler un cerveau. « Ces modèles… peuvent apprendre à partir d’exemples, mais ils peuvent également stocker des données complexes comme le font les ordinateurs », expliquent Alexander Graves et Greg Wayne, tous deux chercheurs de DeepMind.

Le DNC possède en son cœur un contrôleur qui optimise ses réponses en permanence : comparant ses résultats avec les réponses correctes et souhaitées. Cela signifie qu’au fil du temps, il est capable de devenir de plus en plus précis, apprenant simultanément de sa mémoire et des bases de données.

Prenez un arbre généalogique par exemple (vidéo explicative en fin d’article) : après avoir reçu et intégré plusieurs informations (ici des relations telles que des parents, fils-filles, cousins, etc.), le DNC est en mesure de comprendre d’autres connexions entre les membres de la famille, par lui-même. Celui-ci écrit, réécrit et optimise sa mémoire durant le processus afin d’en extraire la réponse correcte.

Un autre exemple que les chercheurs proposent, illustre un système de transport en commun, comme le métro. Une fois que le DNC a reçu les informations de base (le plan de la ville par exemple), il peut sans autre déduire les cheminements les plus complexes et comprendre les relations des itinéraires sans aucune aide supplémentaire, en se fondant sur ce qu’il possède déjà dans sa banque de données (mémoire). En d’autres termes, le DNC fonctionne comme un cerveau humain, en prenant les données de sa mémoire (comme par exemple les points des stations de métro sur le plan) afin de trouver de nouvelles informations (combien d’arrêts avant le changement de ligne).

Bien entendu, n’importe quel smartphone possède une application cartographique vous indiquant l’itinéraire optimal mais la différence avec le DNC, est que ce dernier ne trouve pas l’information dans une base de données préprogrammée, mais il trouve la réponse en travaillant d’autres données par lui-même.

Cette approche signifie qu’un système tel que le DNC pourrait très bien appliquer ce qu’il a appris concernant le métro (par exemple le métro Londonien) à un autre réseau de transport, comme le métro de New York. Ce système met donc en avant un avenir où l’intelligence artificielle pourrait répondre à des questions sur de nouveaux sujets, en déduisant les résultats en puisant dans ses expériences passées, sans avoir besoin d’apprendre directement ces éventuelles réponses.

C’est déjà de cette manière que DeepMind a pu battre les champions du monde au Go (en étudiant les millions de déplacements possibles). Mais en ajoutant une mémoire externe, le DNC est capable d’assumer des tâches bien plus complexes et d’élaborer de meilleures stratégies, de manière globale. « À la manière d’un ordinateur conventionnel, le DNC peut utiliser sa mémoire pour représenter et manipuler des structures de données complexes, mais, comme un système neuronal, il peut également apprendre de ses données », expliquent les chercheurs dans la revue Nature.

Durant un autre test, le DNC n’a reçu que deux informations : « John est dans la cour » et « John a ramassé le ballon de foot ». Puis, il a été demandé au DNC de trouver « où est le ballon de foot ? ». Le DNC a alors été en mesure de répondre correctement en combinant mémoire et apprentissage.

Être en mesure d’effectuer des connexions de ce type peut sembler terriblement simple pour nous, mais il faut savoir que jusqu’à présent, cela a été très compliqué de faire en sorte que des intelligences artificielles y parviennent. C’est donc un grand pas en avant pour DeepMind : les chercheurs pensent qu’ils pourront bientôt réussir à créer un ordinateur raisonnant de façon indépendante.

Nous pourrons ensuite tous commencer à profiter de notre utopie robotique, ou dystopie technologique. Selon le point de vue.

VIDÉO : Le DNC effectue une tâche d’inférence par rapport à un arbre généalogique

Source : DeepMindNature

Laisser un commentaire
Cliquez pour accéder à d'autres articles sur ce sujet.