5 grandes prédictions pour l'intelligence artificielle en 2017

L'année dernière a été énorme pour les progrès de l'intelligence artificielle et de l'apprentissage automatique. Mais 2017 pourrait bien offrir encore plus. Voici cinq éléments clés à attendre.

Renforcement positif

La victoire historique d'AlphaGo contre l'un des meilleurs joueurs de Go de tous les temps, Lee Sedol, a marqué un tournant dans le domaine de l'IA, et en particulier pour la technique connue sous le nom d'apprentissage par renforcement profond.

L'apprentissage par renforcement s'inspire de la manière dont les animaux apprennent comment certains comportements ont tendance à entraîner un résultat positif ou négatif. En utilisant cette approche, un ordinateur peut, par exemple, comprendre comment naviguer dans un labyrinthe par essais et erreurs, puis associer le résultat positif - la sortie du labyrinthe - aux actions qui y ont conduit. Cela permet à une machine d'apprendre sans instruction ni même d'exemples explicites. L'idée existe depuis des décennies, mais la combiner avec de grands réseaux de neurones (ou profonds) fournit la puissance nécessaire pour la faire fonctionner sur des problèmes vraiment complexes (comme le jeu de Go). Grâce à une expérimentation incessante, ainsi qu'à l'analyse des jeux précédents, AlphaGo a découvert par lui-même comment jouer au jeu à un niveau expert.

L'espoir est que l'apprentissage par renforcement s'avérera désormais utile dans de nombreuses situations du monde réel. Et la sortie récente de plusieurs environnements simulés devrait stimuler les progrès sur les algorithmes nécessaires en augmentant la gamme de compétences que les ordinateurs peuvent acquérir de cette manière.

En 2017, nous verrons probablement des tentatives d'appliquer l'apprentissage par renforcement à des problèmes tels que la conduite automatisée et la robotique industrielle. Google s'est déjà vanté d'utiliser l'apprentissage par renforcement profond pour rendre ses centres de données plus efficaces . Mais l'approche reste expérimentale et nécessite toujours une simulation chronophage, il sera donc intéressant de voir dans quelle mesure elle peut être déployée efficacement.

Réseaux de neurones en duel

Lors de la réunion académique banner AI qui s'est tenue récemment à Barcelone, la conférence sur les systèmes de traitement de l'information neurale, une grande partie du buzz concernait une nouvelle technique d'apprentissage automatique connue sous le nom de réseaux antagonistes génératifs .

Inventés par Ian Goodfellow, maintenant chercheur à OpenAI, les réseaux antagonistes génératifs, ou GAN, sont des systèmes constitués d'un réseau qui génère de nouvelles données après avoir appris à partir d'un ensemble d'entraînement, et un autre qui tente de faire la distinction entre les vraies et les fausses données. En travaillant ensemble, ces réseaux peuvent produire des données synthétiques très réalistes. L'approche pourrait être utilisée pour générer des décors de jeux vidéo, flouter des séquences vidéo pixélisées ou appliquer des modifications stylistiques à des conceptions générées par ordinateur.

Yoshua Bengio, l'un des plus grands experts mondiaux de l'apprentissage automatique (et directeur de thèse de Goodfellow à l'Université de Montréal), a déclaré au NIPS que l'approche est particulièrement intéressante car elle offre aux ordinateurs un moyen puissant d'apprendre à partir de données non étiquetées, ce que beaucoup pensent. peut détenir la clé pour rendre les ordinateurs beaucoup plus intelligents dans les années à venir.

Le boom de l'IA en Chine

C'est peut-être aussi l'année où la Chine commencera à ressembler à un acteur majeur dans le domaine de l'IA. L'industrie technologique du pays s'éloigne de la copie des entreprises occidentales et a identifié l'IA et l'apprentissage automatique comme les prochains grands domaines d'innovation.

La principale société de recherche en Chine, Baidu, dispose depuis un certain temps d'un laboratoire axé sur l'IA, et elle en récolte les fruits en termes d'améliorations de technologies telles que la reconnaissance vocale et le traitement du langage naturel, ainsi que d'une activité publicitaire mieux optimisée. D'autres joueurs se bousculent maintenant pour rattraper leur retard. Tencent, qui propose WeChat, l'application de messagerie et de mise en réseau mobile extrêmement réussie, a ouvert un laboratoire d'intelligence artificielle l'année dernière, et l'entreprise était occupée à recruter des talents chez NIPS. Didi, le géant du covoiturage qui a acheté les opérations chinoises d'Uber plus tôt cette année, construit également un laboratoire et travaillerait sur ses propres voitures sans conducteur.

Les investisseurs chinois injectent désormais de l'argent dans les startups axées sur l'IA, et le gouvernement chinois a fait part de son désir de voir l'industrie de l'IA du pays s'épanouir, s'engageant à investir environ 15 milliards de dollars d'ici 2018.

Apprendre une langue

Demandez aux chercheurs en IA quelle est leur prochaine grande cible, et ils mentionneront probablement la langue. L'espoir est que les techniques qui ont produit des progrès spectaculaires dans la reconnaissance de la voix et des images, entre autres domaines, puissent également aider les ordinateurs à analyser et à générer le langage plus efficacement.

C'est un objectif de longue date dans l'intelligence artificielle, et la perspective que des ordinateurs communiquent et interagissent avec nous en utilisant le langage est fascinante. Une meilleure compréhension du langage rendrait les machines beaucoup plus utiles. Mais le défi est de taille, compte tenu de la complexité, de la subtilité et de la puissance du langage.

Ne vous attendez pas à entrer dans une conversation profonde et significative avec votre smartphone pendant un certain temps. Mais des percées impressionnantes sont en cours, et vous pouvez vous attendre à de nouvelles avancées dans ce domaine en 2017.

Contrecoup au battage médiatique

En plus de véritables avancées et de nouvelles applications passionnantes, 2016 a vu le battage médiatique autour de l'intelligence artificielle atteindre de nouveaux sommets. Alors que beaucoup croient en la valeur sous-jacente des technologies développées aujourd'hui, il est difficile d'échapper au sentiment que la publicité entourant l'IA devient un peu incontrôlable.

Certains chercheurs en IA sont évidemment irrités. Une soirée de lancement a été organisée pendant NIPS pour une fausse startup d'IA appelée IA de fusée , à surligner la manie croissante et le non-sens autour de la vraie recherche sur l'IA. La tromperie n'était pas très convaincante, mais c'était une façon amusante d'attirer l'attention sur un véritable problème.

Un vrai problème est que le battage médiatique conduit inévitablement à un sentiment de déception lorsque de grandes percées ne se produisent pas, provoquant l'échec de startups surévaluées et le tarissement des investissements. Peut-être que 2017 comportera une sorte de contrecoup contre la machine de battage médiatique de l'IA - et peut-être que ce ne serait pas une si mauvaise chose.

cacher