Cette IA pense comme un chien

Tous les propriétaires de chiens peuvent témoigner de la puissante intelligence de leurs amis à quatre pattes. En effet, de nombreux chiens fournissent des services importants, tels que guider les personnes malvoyantes, retrouver des personnes perdues ou détecter des drogues et autres objets de contrebande.

Ces capacités dépassent même l'intelligence artificielle la plus puissante. Et pourtant, les chercheurs en IA n'en ont pas encore profité pour former des systèmes d'IA plus performants.

Aujourd'hui, cela change grâce au travail de Kiana Ehsani de l'Université de Washington à Seattle et de ses collègues, qui ont rassemblé un ensemble de données unique sur le comportement canin et l'ont utilisé pour entraîner un système d'IA à prendre des décisions semblables à celles d'un chien. Leur approche ouvre un nouveau domaine de recherche sur l'IA qui étudie les capacités d'autres êtres intelligents sur notre planète.

L'équipe commence par créer une base de données sur le comportement des chiens. Pour ce faire, ils équipent un seul chien d'unités de mesure inertielle sur ses pattes, sa queue et son corps pour enregistrer leur angle relatif et la position absolue de l'animal.

Ils ont également installé une caméra GoPro sur la tête du chien pour enregistrer la scène visuelle, échantillonnée à une fréquence de cinq images par seconde, et un microphone sur le dos du chien pour enregistrer le son. Les données ont été enregistrées par une unité Arduino sur le dos du chien.

Au total, l'équipe a rassemblé quelque 24 500 images vidéo avec des données synchronisées sur la position du corps et les mouvements. Ils ont utilisé 21 000 de ces cadres pour la formation à l'IA et le reste pour la validation et les tests du système d'IA.

L'équipe a étudié comment agir comme un chien, comment planifier comme un chien et comment apprendre d'un chien.

Dans la première tâche, le but était de prédire les mouvements futurs du chien à partir d'une séquence d'images. L'IA le fait en regardant des images vidéo et en étudiant ce que le chien a fait ensuite.

En apprenant de cette manière, le système devient bon pour prédire avec précision les cinq prochains mouvements après avoir vu une séquence de cinq images. Notre modèle prédit correctement les futurs mouvements du chien en observant uniquement les images que le chien a observées dans les pas de temps précédents, disent Ehsani et co.

La tâche de planification est un peu plus difficile. Le but ici est de trouver une séquence d'actions qui déplacent le chien entre les emplacements d'une paire d'images donnée. L'IA l'apprend à nouveau en étudiant les actions associées à une large gamme d'images vidéo séquentielles.

Encore une fois, le système fonctionne bien. Nos résultats montrent que notre modèle surpasse ces lignes de base dans la tâche difficile de planifier comme un chien à la fois en termes de précision et de perplexité, déclare l'équipe.

La tâche finale est d'apprendre du comportement du chien. Une chose que les chiens apprennent, c'est où ils peuvent et ne peuvent pas marcher. L'équipe utilise donc la base de données pour entraîner l'IA à reconnaître les types de surfaces accessibles à pied et à les étiqueter dans de nouvelles images.

C'est un travail intéressant qui montre comment les systèmes d'IA peuvent correspondre à certains types de performances animales. Notre modèle apprend de la vidéo égocentrique et des informations de mouvement pour agir et planifier comme un chien le ferait dans la même situation, disent-ils.

Bien sûr, il y a beaucoup de travail à faire. Par exemple, ce travail rassemble les données d'un seul chien. L'équipe aimerait donc étudier les données recueillies auprès d'un large éventail de chiens. Cela leur permettrait de comparer leur comportement et de comprendre plus en détail l'intelligence visuelle canine.

Mais il n'y a aucune raison pour que l'approche soit limitée aux chiens. Il y aurait beaucoup à apprendre en rassemblant des ensembles de données similaires pour les singes, les animaux de ferme et toutes sortes d'animaux à l'état sauvage. Comme Ehsani et co l'ont dit : Nous espérons que ce travail ouvre la voie à une meilleure compréhension de l'intelligence visuelle et des autres êtres intelligents qui habitent notre monde.

Réf : arxiv.org/abs/1803.10827 : Qui a laissé les chiens sortir? Modélisation du comportement du chien à partir de données visuelles

cacher