Hommes et appareils

À l'été 1955, un quatuor d'éminents mathématiciens américains - le terme informaticien n'était pas encore utilisé - a proposé une conférence au Dartmouth College pour enquêter sur un sujet qu'ils ont surnommé l'intelligence artificielle. L'étude doit procéder sur la base de la conjecture selon laquelle chaque aspect de l'apprentissage ou toute autre caractéristique de l'intelligence peut en principe être décrit avec une telle précision qu'une machine peut être conçue pour le simuler, selon la proposition.

Tomaso Poggio

La conférence d'un mois, qui a eu lieu en 1956, est généralement considérée comme la genèse de la recherche sur l'intelligence artificielle. Trois des auteurs de la proposition - l'inventeur du LISP John McCarthy, le pionnier de la théorie de l'information Claude Shannon, SM '40, PhD '40 et le futur lauréat du prix Turing Marvin Minsky - enseigneront plus tard au MIT. McCarthy et Minsky (qui reste à la faculté après 55 ans) ont fondé le laboratoire d'intelligence artificielle du MIT.

En 1967, les progrès de la technologie informatique avaient été si rapides que Minsky, dans son livre Calcul : machines finies et infinies , s'est enhardi à écrire, D'ici une génération, j'en suis convaincu, peu de compartiments de l'intellect resteront en dehors du domaine de la machine - les problèmes de création d'une « intelligence artificielle » seront substantiellement résolus.

La prédiction de Minsky, bien sûr, était trop optimiste. Il s'avère que gagner aux échecs, que les premiers chercheurs en IA considéraient comme l'application paradigmatique de l'intelligence, est un problème de calcul beaucoup plus facile que, disons, distinguer des mots prononcés ou reconnaître des visages.

Dans les années 1980 et 1990, alors que la difficulté de reproduire l'intelligence humaine devenait évidente, l'IA en est venue à signifier quelque chose de très différent : des systèmes informatiques pratiques et spécialisés, souvent basés sur l'apprentissage automatique, qui applique l'analyse statistique à un grand nombre d'exemples de formation. C'est l'approche qui nous a donné des systèmes de reconnaissance vocale et des traducteurs de texte automatiques.

Désormais, les chercheurs du MIT pensent qu'il est temps de relancer les grandes ambitions de l'IA, dans l'espoir de développer à la fois de meilleures thérapies pour les troubles neurologiques et des systèmes informatiques capables d'anticiper nos besoins avec une intuition humaine. Et la National Science Foundation semble être d'accord. En septembre, il a annoncé une subvention de 25 millions de dollars pour le Center for Brains, Minds, and Machines (CBMM), basé au McGovern Institute for Brain Research du MIT. Le MIT fournit 12 enquêteurs principaux ; six autres viennent de Harvard et cinq autres d'autres institutions.

Le CBMM est dirigé par Tomaso Poggio, professeur de sciences du cerveau et du comportement humain et chercheur principal à l'Institut McGovern et au Laboratoire d'informatique et d'intelligence artificielle (CSAIL). Ses deux nominations illustrent la prémisse principale derrière le nouveau centre : que nous progresserons beaucoup plus rapidement vers la compréhension de l'intelligence humaine si les approches informatiques, biologiques et psychologiques sont combinées plutôt qu'explorées isolément.

Au lieu de s'appuyer uniquement sur l'informatique, comme ils le faisaient il y a 50 ans, ce centre est vraiment un pari que pour reproduire l'intelligence humaine, vous devez mieux comprendre le cerveau et la cognition, dit Poggio.

Patrick Winston, professeur au Département de génie électrique et d'informatique et coordinateur de recherche du CBMM, ajoute que les technologies permettant d'étudier le problème se sont considérablement améliorées ces dernières années. D'une part, dit Winston, l'informatique est gratuite : quel que soit le type de calcul à effectuer, il peut l'être. D'autre part, l'IRMf est désormais une routine, dit-il, faisant référence à l'imagerie par résonance magnétique fonctionnelle, qui peut être utilisée pour étudier l'activité cérébrale. Il mentionne également des technologies telles que la stimulation magnétique transcrânienne, qui peut perturber l'activité dans des régions cérébrales ciblées lors de tests cognitifs, et l'optogénétique, une technique qui utilise la lumière pour activer ou faire taire de manière sélective les neurones génétiquement modifiés dans le cerveau. L'optogénétique a été lancée par Ed Boyden '99, MEng '99, un professeur de Media Lab qui est chercheur principal à l'Institut McGovern et au nouveau centre.

La recherche au centre est organisée en plusieurs grands thèmes, ou axes : l'intelligence visuelle, qui implique l'intégration de la vision, du langage et de la motricité ; circuits pour l'intelligence, qui couvriront la recherche en neurobiologie et en génie électrique; le développement de l'intelligence ; et l'intelligence sociale. Poggio, qui est l'un des principaux chercheurs sur l'intelligence visuelle, dirigera également le développement d'une plate-forme théorique destinée à relier les travaux dans les autres domaines.

Au sein de chaque axe, les chercheurs du CBMM s'efforcent de définir un ensemble de questions de référence qu'ils peuvent utiliser pour évaluer leurs progrès. Poggio offre un exemple, qui se rapporte à ses propres travaux antérieurs sur le système visuel. Présenté avec une image de personnes interagissant, un système informatique intelligent devrait être capable de fournir des réponses plausibles à cinq questions, classées de la plus simple à la plus difficile : Qu'y a-t-il dans l'image ? Qui est dedans ? Que font les gens? Qui fait quoi à qui ? Et que se passe-t-il ensuite ?

Invariants
Un cadre théorique pour explorer toutes les questions entourant l'intelligence humaine est un défi de taille. Mais les recherches de Poggio sur la façon dont le cerveau répond à la première question de sa liste donnent un aperçu de ce à quoi pourrait ressembler un tel cadre.

La reconnaissance d'objets, c'est-à-dire le développement de systèmes informatiques capables de répondre à la question Qu'y a-t-il dans l'image ?, est un domaine florissant de la recherche en intelligence artificielle. En règle générale, les systèmes de reconnaissance d'objets utilisent certaines espèces d'apprentissage automatique. Les êtres humains étiquettent des exemples d'images, indiquant quels objets apparaissent où, et le système essaie d'identifier certaines caractéristiques communes que toutes les images de l'objet partagent. C'est très différent de l'apprentissage humain ou de l'apprentissage animal, dit-il. Quand un enfant apprend à reconnaître un ours ou un lion, ce n'est pas qu'il faut lui montrer des images d'un lion et d'un lion et d'un lion un million de fois. C'est plutôt deux ou trois fois.

Poggio pense que contrairement aux systèmes d'apprentissage automatique, le cerveau doit représenter les objets d'une manière invariante : la représentation est la même, quelle que soit la taille de l'objet, sa position dans le champ visuel ou sa rotation. Et il pense également avoir une théorie plausible sur ce en quoi cette représentation pourrait consister.

La théorie de Poggio exige que le cerveau, ou un système informatique essayant de simuler le cerveau, stocke un modèle de quelques objets subissant chaque type de variation : taille, emplacement et rotation dans le plan. Le cerveau pourrait, par exemple, stocker quelques dizaines d'images d'un visage humain retraçant une rotation à 360°.

Un objet inconnu serait alors représenté comme une collection de produits scalaires - un calcul standard en algèbre linéaire - entre son image et les modèles. Cette collection resterait la même quelle que soit la taille, l'emplacement ou l'orientation de l'objet.

L'un des attraits de la théorie est que le produit scalaire réduit la comparaison de deux ensembles de données complexes, comme des images visuelles, à un seul nombre. Les collections de produits scalaires, même pour plusieurs modèles, ne prendraient pas beaucoup de place en mémoire. Un autre attrait, dit Poggio, est que les produits scalaires sont l'un des calculs les plus faciles, peut-être les plus faciles à faire pour les neurones.

Dans les expériences, le système de Poggio peut ne pas surpasser les systèmes d'apprentissage automatique. Mais cela nécessite beaucoup moins d'exemples d'entraînement, ce qui suggère qu'il reproduit mieux ce que fait le cerveau. Et pour la plupart des tâches de calcul, l'approche du cerveau s'avère généralement meilleure.

Poggio pense que les collections de produits scalaires pourraient également ancrer des concepts plus abstraits. Des modèles qui comprenaient des groupes d'objets de formes différentes – disposés comme des points sur la face d'un dé, ou en ligne ou en cercle – pourraient sous-tendre la notion de nombre ; un modèle de lignes parallèles vues sous différentes perspectives pourrait sous-tendre les notions de parallélisme ou de perspective. Il y a peut-être des choses plus intéressantes à explorer, dit-il.

Pensée floue
Comme Poggio, Josh Tenenbaum est professeur au Département des sciences du cerveau et de la cognition (BCS) et chercheur principal au CSAIL. Bien qu'il dirige l'axe de développement du CBMM, qui se concentre sur la compréhension intuitive de la physique que même les jeunes enfants démontrent, il a également effectué des recherches qui pourraient contribuer aux travaux théoriques dirigés par Poggio.

Les premières recherches sur l'IA, explique Tenenbaum, se sont concentrées sur la construction d'un langage mathématique qui pourrait coder des affirmations telles que les oiseaux peuvent voler et les pigeons sont des oiseaux. Si le langage était suffisamment rigoureux, pensaient les chercheurs, les algorithmes informatiques seraient capables de passer au peigne fin les affirmations qui y sont écrites et de calculer toutes les inférences logiquement valides.

Mais donner un sens aux affirmations linguistiques s'est avéré nécessiter beaucoup, beaucoup plus d'informations contextuelles que prévu. Tous les oiseaux, par exemple, ne peuvent pas voler. Et parmi les oiseaux qui ne savent pas voler, il y a une distinction entre un rouge-gorge en cage et un rouge-gorge avec une aile cassée, et une autre distinction entre n'importe quel type de rouge-gorge et un pingouin. Le codage manuel de suffisamment de ces exceptions de bon sens pour permettre même les types d'inférence les plus rudimentaires s'est avéré excessivement long.

Avec l'apprentissage automatique, en revanche, un ordinateur reçoit de nombreux exemples de quelque chose et doit déduire, par lui-même, ce que ces exemples ont en commun. (Étant donné un million d'images d'un lion, un algorithme d'apprentissage automatique peut quantifier ses propres suppositions : 77 % des images présentant ces caractéristiques visuelles sont des images de lions.) des oiseaux - il a du mal avec des concepts plus abstraits tels que le vol, une capacité partagée par les oiseaux, les hélicoptères, les cerfs-volants et les super-héros. Et même le vol est un concept concret comparé, disons, à la grammaire ou à la maternité.

Tenenbaum et ses étudiants ont développé un nouveau type d'outil appelé langage de programmation probabiliste, qui fusionne ce qu'il y a de mieux dans l'ancien et le nouveau de l'IA. Comme les premiers langages d'IA, il inclut des règles d'inférence. Mais ces règles sont probabilistes. Dit que le casoar est un oiseau, un programme écrit dans la langue de Tenenbaum pourrait conclure que les casoars peuvent probablement voler. Mais si le programme était alors informé que les casoars peuvent peser près de 200 livres, il pourrait réviser ses probabilités à la baisse.

Dans les deux premières ères de l'IA, la plus grande différence était les symboles par rapport aux statistiques, explique Tenenbaum. L'une des choses que nous avons trouvées du côté des mathématiques est de savoir comment les combiner, comment faire des inférences statistiques et un raisonnement probabiliste [avec] ces langages symboliques.

Lire les gens
La deuxième des cinq questions de référence de Poggio - Qui est dans l'image ?

Kanwisher dirige l'axe d'intelligence sociale du CBMM, qu'elle considère comme le prolongement naturel de ses travaux antérieurs. Lorsque vous regardez un visage, vous ne vous intéressez pas seulement aux données démographiques de base, comme quelle personne en particulier, est-elle un homme ou une femme, quel âge a-t-elle, dit-elle. Vous pouvez dire non seulement si une personne est heureuse ou triste, mais si elle est affirmée ou hésitante, si elle est exubérante ou passive, il y a un riche espace de choses que nous pouvons voir sur un visage à partir d'un très bref aperçu.

De même, dit Kanwisher, les humains peuvent déduire beaucoup de choses sur les humeurs, les intentions et les relations avec les autres à partir du langage corporel, ce qui a l'avantage de se prêter à la modélisation informatique. Elle mentionne également les travaux de feu Nalini Ambady, psychologue sociale de l'Université de Stanford qui a développé la théorie des jugements en tranches minces.

Elle a filmé les assistants à l'enseignement des cours de Harvard devant leurs classes au début du semestre, dit Kanwisher. Ensuite, elle a montré de très courts extraits de ces vidéos à des sujets d'expériences psychologiques et leur a dit : « Évaluez l'efficacité de ce professeur. » Tout ce qu'ils ont, c'est quelques secondes d'une personne devant une pièce parlant à une classe - même entendre ce qu'ils disent. Et elle a constaté que ces notes étaient fortement corrélées avec les notes des étudiants réels de cette personne.

Selon Kanwisher, le premier projet de l'axe d'intelligence sociale du CBMM consistera à concevoir un ensemble de tâches expérimentales permettant aux chercheurs de quantifier la perception sociale humaine. Une fois que les chercheurs ont établi une base de référence, ils peuvent étudier des éléments tels que la façon dont les performances sur les tâches se développent au cours de l'enfance ou en quoi les performances des enfants autistes diffèrent de celles des autres enfants. Ils pourraient également identifier les régions cérébrales impliquées dans la perception sociale en utilisant l'IRMf pour mesurer l'activité neuronale ou la stimulation magnétique transcrânienne pour perturber les performances. Et après avoir collecté toutes ces données, ils essaieront de modéliser informatiquement ce que fait exactement le cerveau.

Suivez l'histoire
Les dernières questions sur la liste de Poggio : qui fait quoi à qui ? et Que se passe-t-il ensuite ? — fascinent Patrick Winston. Il croit que la caractéristique déterminante de l'intelligence humaine est la capacité de raconter et de comprendre des histoires. Cette capacité joue même un rôle dans l'étiquetage des images. Comme Winston aime à le souligner, un sujet humain identifiera une image d'un homme tenant un verre à ses lèvres comme celle d'un homme buvant. Si l'homme tient le verre quelques centimètres plus loin, il est en train de griller. Mais un humain identifiera également une image d'un chat tournant la tête pour attraper quelques gouttes d'eau d'un robinet comme exemple de boisson. Vous devez penser à ce que vous voyez là-bas comme une histoire, dit Winston. Ils reçoivent la même étiquette parce que c'est la même histoire, pas parce qu'elle se ressemble.

C'est l'une des raisons de consacrer un axe de recherche à l'intégration de la vision, du langage et des habiletés sociales et motrices. Pour illustrer une autre raison, Winston cite une expérience menée par la psychologue du développement Elizabeth Spelke, une ancienne membre du corps professoral du MIT qui est maintenant à Harvard et qui est l'une des principales chercheuses du développement. Spelke a été intrigué par des expériences dans lesquelles des chercheurs avaient placé des rats sur une plate-forme rotative au centre d'une pièce. La nourriture était visiblement placée dans un coin de la pièce mais ensuite masquée. Des masques identiques ont été placés dans les trois autres coins et la plate-forme a été tournée. Spelke a décidé d'étendre cette étude aux enfants et aux adultes humains, cachant un jouet ou un trousseau de clés au lieu de la nourriture.

Avec tous les animaux, enfants et adultes, une fois la rotation arrêtée, le sujet de test se dirigerait avec une probabilité égale vers le coin avec l'objet masqué ou celui en diagonale en face de lui, qui avait la même relation avec le sujet. Les deux groupes de chercheurs ont également modifié l'expérience, peignant une couleur différente sur l'un des murs adjacents au coin où l'objet a été placé. Les animaux et les petits enfants sélectionnaient toujours le bon coin ou celui qui lui faisait face avec une probabilité égale, mais les adultes pouvaient désormais récupérer l'objet de manière fiable.

Voici où les choses deviennent intéressantes. Si l'on demandait aux adultes d'écouter un passage de texte et de le réciter avant de se diriger vers l'objet, ils en revenaient à confondre les coins diamétralement opposés. Entendre et réciter le texte consomme le processeur du langage humain, et cela les réduit au niveau d'un rat, dit Winston. Ensuite, ils diront : « Oui, je pouvais voir le mur bleu, mais je ne pouvais pas vraiment l'utiliser. »

Répondre aux questions de plus haut niveau sur les listes de références des chercheurs du CBMM prendra probablement beaucoup plus de temps que les cinq ans de la subvention initiale de la NSF. Mais, dit Poggio, il est temps d'essayer à nouveau. Cela fait 50 ans. Nous ne savons pas si cela fonctionnera cette fois. Mais si nous n'essayons pas, nous ne le saurons pas.

cacher