Google et Microsoft parlent d'intelligence artificielle

Google et Microsoft ne partagent pas souvent une scène, étant des concurrents de plus en plus féroces dans des domaines tels que la recherche Web, le mobile et le cloud computing. Mais les rivaux peuvent s'entendre sur certaines choses, comme l'importance de l'intelligence artificielle pour l'avenir de la technologie.

Rencontre des esprits : Peter Norvig (en haut) et Eric Horvitz conviennent que l'IA est la clé de l'avenir de la technologie.

Peter Norvig , directeur de la recherche de Google, et Eric Horvitz , un éminent scientifique de Microsoft Research, s'est récemment adressé à un auditoire au Musée d'histoire de l'informatique à Palo Alto, en Californie, à propos de la promesse de l'IA. Par la suite, le couple a parlé avec Examen de la technologie l'éditeur informatique de Tom Simonite, sur ce que l'IA peut faire aujourd'hui et ce qu'ils pensent qu'elle sera capable de faire demain. L'intelligence artificielle est un sujet complexe et certaines réponses ont été modifiées par souci de concision.

Examen de la technologie : Vous avez tous les deux parlé sur scène de la façon dont l'IA a progressé ces dernières années grâce à l'utilisation de techniques d'apprentissage automatique qui prennent en charge de gros volumes de données et comprennent des choses comme la façon de traduire du texte ou de transcrire la parole. Qu'en est-il des domaines dans lesquels nous voulons que l'IA aide où il n'y a pas beaucoup de données à apprendre ?

Peter Norvig : Ce que nous faisons, c'est comme chercher sous le lampadaire vos clés tombées parce que la lumière est là. Nous avons très bien réussi avec le texte et la parole car il y a beaucoup de données dans la nature. L'analyse [décomposer les éléments grammaticaux des phrases] ne se produit jamais naturellement, peut-être dans les devoirs de linguistique de quelqu'un, nous devons donc apprendre cela sans données [étiquetées]. L'un de mes collègues essaie de contourner ce problème en examinant quelles parties du texte en ligne ont fait l'objet de liens—cela peut indiquer où se trouve une partie particulière d'une phrase.

Eric Horvitz : J'ai souvent pensé que si vous aviez un service cloud dans le ciel qui enregistrait chaque demande de parole et ce qui s'est passé ensuite (chaque conversation dans chaque taxi à Pékin, par exemple), il serait possible que l'IA apprenne à faire tout.

Plus sérieusement, si nous pouvons trouver des moyens de capturer beaucoup de données d'une manière qui préserve la confidentialité, nous pourrions rendre cela possible.

N'est-il pas difficile d'utiliser l'apprentissage automatique si les données d'entraînement ne sont pas déjà étiquetées et expliquées, pour donner à l'IA une vérité pour commencer ?

Horvitz : Vous n'avez pas besoin qu'il soit complètement étiqueté. Un domaine connu sous le nom d'apprentissage semi-supervisé nous montre que même si 1% ou moins des données sont étiquetées, vous pouvez l'utiliser pour comprendre le reste.

Mais le manque d'étiquettes est un défi. Une solution consiste en fait à payer une petite somme aux gens pour aider un système avec des données qu'il ne peut pas comprendre, en effectuant des micro-tâches comme l'étiquetage d'images ou d'autres petites choses. Je pense que l'utilisation de l'informatique humaine pour augmenter l'IA est un domaine très riche.

Une autre possibilité consiste à créer des systèmes qui comprennent la valeur des informations, ce qui signifie qu'ils peuvent calculer automatiquement quelle est la prochaine meilleure question à poser, ou comment tirer le meilleur parti d'une étiquette ou d'une information supplémentaire fournie par un humain.

Norvig : Vous n'êtes pas obligé de tout dire à un système d'apprentissage. Il existe un type d'apprentissage appelé apprentissage par renforcement où vous donnez simplement une récompense ou une punition à la fin d'une tâche. Par exemple, vous avez perdu une partie de dames et on ne vous dit pas où vous vous êtes trompé et devez apprendre quoi faire pour obtenir la récompense la prochaine fois.

Tout cela est très différent des premiers jours de l'intelligence artificielle, dans les années 50 et 60, lorsque les chercheurs ont fait des prédictions audacieuses sur la correspondance des capacités humaines et ont essayé d'utiliser des règles de haut niveau pour créer de l'intelligence. Vos systèmes d'apprentissage automatique élaborent-ils eux-mêmes ces mêmes règles de haut niveau ?

Horvitz : Les systèmes d'apprentissage peuvent dériver des règles situationnelles de haut niveau pour agir, par exemple, prendre un ensemble de symptômes [physiologiques] et des résultats de tests et émettre un diagnostic. Mais ce n'est pas la même chose que les règles générales de l'intelligence.

Il se peut que le travail de bas niveau que nous effectuons aujourd'hui réponde un jour aux idées descendantes de la base vers le haut. La révolution à laquelle Peter et moi avons participé dans l'IA était que la prise de décision dans l'incertitude était si importante et pouvait être effectuée avec des approches probabilistes. Avec la révolution probabiliste de l'IA vient la perspective : nous sommes des agents très limités et l'incomplétude est inévitable.

Norvig : Au début, il y avait une logique qui distinguait l'intelligence artificielle, et la question était de savoir comment l'utiliser. L'étude est devenue l'étude de l'utilité de ces outils, comme les échecs. Mais vous ne pouvez alors avoir que des choses vraies ou fausses et vous ne pouvez pas faire beaucoup de choses que nous voulons faire, alors nous sommes allés vers la probabilité. Il a fallu du temps au domaine pour reconnaître que ces autres domaines, comme la théorie des probabilités et de la décision, étaient là. Réunir ces deux approches est un défi.

Alors que nous voyons des preuves plus directes de l'IA dans la vie réelle, par exemple Siri, il semble qu'une sorte de problème de conception ait été créé. Les personnes qui créent des IA doivent les rendre acceptables pour notre propre intelligence.

Norvig : C'est en fait un ensemble de problèmes à différents niveaux. Nous connaissons le système de vision humaine et ce que peut signifier la création de boutons de couleurs différentes, par exemple. À un niveau supérieur, les attentes dans notre tête de quelque chose et comment il devrait se comporter sont basées sur ce que nous pensons que c'est et comment nous pensons de sa relation avec nous.

Horvitz : L'IA croise de plus en plus le domaine de l'interaction homme-ordinateur [en étudiant la psychologie de la façon dont nous utilisons et pensons les ordinateurs]. L'idée que nous aurons des choses plus intelligentes qui travaillent en étroite collaboration avec les gens attire vraiment l'attention sur la nécessité de développer de nouvelles méthodes à l'intersection de l'intelligence humaine et de l'intelligence artificielle.

Que devons-nous en savoir plus pour rendre les IA plus compatibles avec les humains ?

Horvitz : Une chose que mon groupe de recherche a poussé à donner aux ordinateurs est une compréhension globale de l'attention humaine, pour savoir quand il vaut mieux interrompre une personne. Cela a été un sujet de recherche entre nous, les chercheurs et les équipes produit.

Norvig : Je pense que nous voulons aussi mieux comprendre le corps humain, et vous pouvez voir dans Kinect de Microsoft un moyen de le faire. Il y a beaucoup de potentiel pour que les systèmes comprennent notre comportement et notre langage corporel.

Y a-t-il une IA dans Kinect ?

Horvitz : Il y a beaucoup d'apprentissage automatique au cœur de celui-ci. Je pense que l'idée que nous pouvons utiliser l'IA de pointe et développer un appareil grand public qui s'est vendu plus rapidement que tout autre auparavant dans l'histoire en dit long sur le domaine de l'IA. L'apprentissage automatique joue également un rôle central dans la recherche Bing, et je ne peux que supposer qu'il est également important dans l'offre de recherche de Google. Ainsi, les personnes qui effectuent des recherches sur le Web utilisent l'IA dans leur vie quotidienne.

Une dernière question : pouvez-vous me dire une démo récente de la technologie d'IA qui vous a impressionné ?

Norvig : J'ai lu récemment un article de quelqu'un chez Google sur le point de retourner à Stanford sur l'apprentissage non supervisé, un domaine où les courbes de notre amélioration au fil du temps n'ont pas semblé si bonnes. Mais il obtient de très bons résultats, et il semble qu'apprendre quand vous ne savez rien à l'avance pourrait être sur le point de s'améliorer beaucoup.

Horvitz : J'ai été très impressionné par l'apprentissage par les apprentis, où un système apprend par l'exemple. Il a beaucoup d'applications. Berkeley et Stanford ont tous deux des groupes qui font vraiment avancer cela : par exemple, des hélicoptères qui apprennent à voler sur le dos [à l'envers] en [observant] un expert humain.

cacher