Enfin, une voiture sans conducteur avec un peu de bon sens

Daniel James Zender

Les conducteurs notoirement hostiles et les routes chaotiques de Boston peuvent être le terrain d'essai idéal pour un type de voiture autonome fondamentalement différent.

Un spin-off du MIT appelé je vois développe et teste le système de conduite autonome en utilisant une nouvelle approche de l'intelligence artificielle. Au lieu de s'appuyer sur des règles simples ou des algorithmes d'apprentissage automatique pour entraîner les voitures à conduire, la startup s'inspire des sciences cognitives pour donner aux machines une sorte de bon sens et la capacité de faire face rapidement à de nouvelles situations. Il développe des algorithmes qui tentent de faire correspondre la façon dont les humains comprennent et apprennent le monde physique, y compris l'interaction avec d'autres personnes. Cette approche pourrait conduire à des véhicules autonomes bien mieux équipés pour faire face à des scènes inconnues et à des interactions complexes sur la route.

L'esprit humain est super sensible à la physique et aux signaux sociaux, déclare Yibiao Zhao, cofondateur d'iSee . L'IA actuelle est relativement limitée dans ces domaines, et nous pensons que c'est en fait la pièce manquante dans la conduite.

L'entreprise de Zhao ne ressemble pas encore à un batteur mondial. Une petite équipe d'ingénieurs travaille dans un modeste espace de laboratoire à le moteur , une nouvelle société d'investissement créée par le MIT pour financer des entreprises technologiques locales innovantes. Situé à quelques pas du campus du MIT, l'Engine surplombe une rue dans laquelle les conducteurs se bousculent pour trouver des places de stationnement et se faufilent agressivement dans la circulation.

Histoire connexe

Histoire connexe

Les bureaux à l'intérieur de l'espace d'iSee sont recouverts de capteurs et de pièces de matériel que l'équipe a mis en place pour prendre le contrôle de son premier prototype, un SUV hybride Lexus qui appartenait à l'origine à l'un des cofondateurs de l'entreprise. Plusieurs ingénieurs sont assis derrière de grands écrans d'ordinateur et regardent attentivement des lignes de code.

iSee peut sembler ridiculement petit par rapport aux efforts de voitures sans conducteur dans des entreprises comme Waymo, Uber ou Ford, mais la technologie qu'il développe pourrait avoir un impact important sur de nombreux domaines où l'IA est appliquée aujourd'hui. En permettant aux machines d'apprendre à partir de moins de données et de développer une forme de bon sens, leur technologie pourrait rendre les robots industriels plus intelligents, en particulier dans les nouvelles situations. Des progrès spectaculaires ont déjà été réalisés en IA ces derniers temps grâce au deep learning, une technique qui fait appel à de vastes réseaux de neurones gourmands en données (voir 10 Breakthrough Technologies 2013 : Deep Learning ).

Lorsqu'ils sont alimentés en grandes quantités de données, les réseaux de neurones très vastes ou profonds peuvent reconnaître des modèles subtils. Donnez à un réseau neuronal profond de nombreuses photos de chiens, par exemple, et il découvrira comment repérer un chien dans à peu près n'importe quelle image. Mais il y a des limites à ce que l'apprentissage en profondeur peut faire, et de nouvelles idées radicales pourraient bien être nécessaires pour faire le prochain bond en avant. Par exemple, un système d'apprentissage en profondeur de repérage de chiens ne comprend pas que les chiens ont généralement quatre pattes, une fourrure et un nez mouillé. Et il ne peut pas reconnaître d'autres types d'animaux, ou un dessin de chien, sans formation complémentaire.

La conduite implique bien plus que la simple reconnaissance de formes. Les conducteurs humains s'appuient constamment sur une compréhension de bon sens du monde. Ils savent que les autobus mettent plus de temps à s'arrêter, par exemple, et peuvent soudainement produire beaucoup de piétons. Il serait impossible de programmer une voiture autonome avec tous les scénarios possibles auxquels elle pourrait être confrontée. Mais les gens sont capables d'utiliser leur compréhension de bon sens du monde, construite par l'expérience de toute une vie, pour agir de manière sensée dans toutes sortes de nouvelles situations.

L'apprentissage en profondeur est formidable et vous pouvez apprendre beaucoup de l'expérience précédente, mais vous ne pouvez pas avoir un ensemble de données qui inclut le monde entier, dit Zhao. L'IA actuelle, qui est principalement basée sur les données, a du mal à comprendre le bon sens ; c'est l'essentiel qui manque. Zhao illustre ce point en ouvrant son ordinateur portable pour montrer plusieurs situations routières réelles sur YouTube, y compris des situations complexes de fusion de trafic et certains accidents à l'aspect poilu.

Un manque de connaissances de bon sens a certainement causé des problèmes pour les systèmes de conduite autonome. Un accident impliquant une Tesla roulant en mode semi-autonome en Floride l'année dernière, par exemple, s'est produit lorsque les capteurs de la voiture ont été temporairement confondus alors qu'un camion traversait l'autoroute (voir Fatal Tesla Crash Is a Reminder Autonomous Cars Will Parfois Screw Up ). Un conducteur humain aurait probablement compris rapidement et en toute sécurité ce qui se passait.

Histoire connexe

Histoire connexe Un mort au volant avec le pilote automatique de Tesla activé soulève la question de la sécurité des voitures automatisées.

Zhao et Debbie Yu, l'une de ses cofondatrices, montrent un extrait d'un accident impliquant une Tesla en Chine, dans lequel la voiture est entrée directement dans un camion de nettoyage des rues. Le système est formé sur Israël ou l'Europe, et ils n'ont pas ce genre de camion, dit Zhao. C'est uniquement basé sur la détection; il ne comprend pas vraiment ce qui se passe, dit-il.

iSee s'appuie sur des efforts pour comprendre comment les humains donnent un sens au monde et pour concevoir des machines qui imitent cela. Zhao et d'autres fondateurs d'iSee sont issus du laboratoire de Josh Tenenbaum , professeur au département des sciences cérébrales et cognitives du MIT, qui est désormais conseiller de l'entreprise.

Tenenbaum se spécialise dans l'exploration du fonctionnement de l'intelligence humaine et dans l'utilisation de ces connaissances pour concevoir de nouveaux types de systèmes d'IA. Cela comprend un travail sur le sens intuitif de la physique manifesté même par de jeunes enfants, par exemple. La capacité des enfants à comprendre le comportement du monde physique leur permet de prédire comment des situations inhabituelles peuvent se dérouler. Et, explique Tenenbaum, cette compréhension du monde physique est intimement liée à une compréhension intuitive de la psychologie et à la capacité de déduire ce qu'une personne essaie d'accomplir, comme atteindre une tasse, en observant ses actions.

La capacité de transférer l'apprentissage entre les situations est également une caractéristique de l'intelligence humaine, et même les systèmes d'apprentissage automatique les plus intelligents sont encore très limités en comparaison. Le laboratoire de Tenenbaum combine l'apprentissage automatique conventionnel avec de nouvelles approches de programmation probabiliste. Cela permet aux machines d'apprendre à déduire des choses sur la physique du monde ainsi que sur les intentions des autres malgré l'incertitude.

Histoire connexe

Histoire connexe Un logiciel qui apprend à reconnaître les caractères écrits à partir d'un seul exemple peut ouvrir la voie à une intelligence artificielle plus puissante et plus humaine.

Essayer de rétroconcevoir la façon dont même un jeune bébé est plus intelligent que le système d'IA existant le plus intelligent pourrait éventuellement conduire à de nombreux systèmes d'IA plus intelligents, dit Tenenbaum. En 2015, en collaboration avec des chercheurs de l'Université de New York et de l'Université Carnegie Mellon, Tenenbaum a utilisé certaines de ces idées pour développer un programme informatique historique capable d'apprendre à reconnaître l'écriture manuscrite à partir de quelques exemples seulement (voir Cet algorithme d'IA apprend des tâches simples aussi vite que nous Faire ).

Une approche connexe pourrait éventuellement donner à une voiture autonome quelque chose qui se rapproche d'une forme rudimentaire de bon sens dans des scénarios peu familiers. Une telle voiture peut être en mesure de déterminer qu'un conducteur qui s'engage sur la route veut probablement se fondre dans la circulation.

En fait, en matière de conduite autonome, Tenenbaum affirme que la capacité de déduire ce qu'un autre conducteur essaie d'accomplir pourrait être particulièrement importante. Un autre des cofondateurs d'iSee, Chris Baker, a développé des modèles informatiques de la psychologie humaine au MIT. Prendre des modèles de style technique sur la façon dont les humains comprennent les autres humains, et être capable de les mettre en conduite autonome, pourrait vraiment fournir une pièce manquante du puzzle, dit Tenenbaum.

Tenenbaum dit qu'il n'était pas initialement intéressé par l'application des idées de la psychologie cognitive à la conduite autonome, mais les fondateurs d'iSee l'ont convaincu que l'impact serait significatif et qu'ils étaient à la hauteur des défis d'ingénierie.

Il s'agit d'une approche très différente, et je l'applaudis totalement, déclare Oren Etzioni, PDG de Institut Allen pour l'intelligence artificielle , un institut de recherche créé par le cofondateur de Microsoft, Paul Allen, pour explorer de nouvelles idées en matière d'IA, notamment celles inspirées par la psychologie cognitive.

Etzioni dit que le domaine de l'IA doit explorer des idées au-delà de l'apprentissage en profondeur. Il dit que le principal problème pour iSee sera de démontrer que les techniques employées peuvent bien fonctionner dans des situations critiques. La programmation probabiliste est assez nouvelle, note-t-il, il y a donc des questions sur les performances et la robustesse.

Les personnes impliquées dans iSee semblent être d'accord. En plus de viser à secouer l'industrie automobile et peut-être à remodeler le transport dans le processus, dit Tenenbaum, iSee a une chance d'explorer comment une nouvelle approche d'IA fonctionne dans une situation pratique particulièrement impitoyable.

Dans un certain sens, les voitures autonomes vont être les premiers robots autonomes qui interagissent avec les gens dans le monde réel, dit-il. Le véritable défi est de savoir comment prendre ces modèles et les faire fonctionner de manière robuste ?

cacher