L'IA armée de plusieurs sens pourrait acquérir une intelligence plus flexible

L'intelligence humaine émerge de notre combinaison de sens et de capacités linguistiques. Il en va peut-être de même pour l'intelligence artificielle.

Conception Selman

par

• Karen Hao page d'archives

24 février 2021

• 
  Pourquoi est-ce important:

  L'IA qui peut sentir et parler sera bien meilleure pour relever de nouveaux défis et travailler aux côtés des gens.

• 
  Joueurs clés:

  • OpenAI

  
  
  

  • AI2

  • Facebook

• 
  Disponibilité:

  À présent

  
  
  

Fin 2012, les scientifiques de l'IA ont découvert pour la première fois comment obtenir réseaux de neurones à voir. Ils ont prouvé qu'un logiciel conçu pour imiter vaguement le cerveau humain pouvait considérablement améliorer les systèmes de vision par ordinateur existants. Le domaine a depuis appris comment obtenir des réseaux de neurones pour imiter la façon dont nous raisonner, entendre, parler et écrire .

Mais alors que l'IA est devenue remarquablement humaine, voire surhumaine, pour accomplir une tâche spécifique, elle ne capture toujours pas la flexibilité du cerveau humain. Nous pouvons acquérir des compétences dans un contexte et les appliquer à un autre. En revanche, bien que l'algorithme de jeu de DeepMind Alpha Go peut battre les meilleurs maîtres Go du monde, il ne peut pas étendre cette stratégie au-delà du tableau. En d'autres termes, les algorithmes d'apprentissage en profondeur sont passés maîtres dans l'art de détecter des modèles, mais ils ne peuvent pas comprendre et s'adapter à un monde en mutation.

Cette histoire faisait partie de notre numéro de mars 2021

• Voir la suite du problème
• S'abonner

Les chercheurs ont de nombreuses hypothèses sur la façon dont ce problème pourrait être surmonté, mais une en particulier a gagné du terrain. Les enfants découvrent le monde en le ressentant et en en parlant. La combinaison semble clé. Au fur et à mesure que les enfants commencent à associer des mots à des images, des sons et d'autres informations sensorielles, ils sont capables de décrire des phénomènes et des dynamiques de plus en plus complexes, de distinguer ce qui est causal de ce qui ne reflète que la corrélation et de construire un modèle sophistiqué du monde. Ce modèle les aide ensuite à naviguer dans des environnements inconnus et à mettre en contexte les nouvelles connaissances et expériences.

Histoire connexe

L'IA de DeepMind a maintenant dépassé presque tous les joueurs humains de StarCraft II AlphaStar a coopéré avec lui-même pour apprendre de nouvelles stratégies pour conquérir le jeu de guerre galactique populaire.

Les systèmes d'IA, en revanche, sont conçus pour ne faire qu'une seule de ces choses à la fois. Les algorithmes de vision par ordinateur et de reconnaissance audio peuvent détecter les choses mais ne peuvent pas utiliser le langage pour les décrire. Un modèle de langage naturel peut manipuler des mots, mais les mots sont détachés de toute réalité sensorielle. Si les sens et le langage étaient combinés pour donner un L'IA, un moyen plus humain de collecter et de traiter de nouvelles informations , pourrait-il enfin développer quelque chose comme une compréhension du monde ?

L'espoir est que ces systèmes multimodaux, avec accès à la fois aux modes sensoriels et linguistiques de l'intelligence humaine, devraient donner naissance à un type d'IA plus robuste qui peut s'adapter plus facilement à de nouvelles situations ou problèmes. De tels algorithmes pourraient alors nous aider à résoudre des problèmes plus complexes, ou être portés dans des robots capables de communiquer et de collaborer avec nous dans notre vie quotidienne.

De nouvelles avancées dans les algorithmes de traitement du langage comme le GPT-3 d'OpenAI ont aidé. Les chercheurs comprennent maintenant comment reproduire suffisamment bien la manipulation du langage pour rendre la combinaison avec des capacités de détection plus potentiellement fructueuse. Pour commencer, ils utilisent la toute première capacité de détection atteinte par le domaine : la vision par ordinateur. Les résultats sont des modèles bimodaux simples, ou IA en langage visuel .

Au cours de la dernière année, plusieurs résultats intéressants ont été obtenus dans ce domaine. En septembre, des chercheurs de l'Allen Institute for Artificial Intelligence, AI2, ont créé un modèle qui peut générer une image à partir d'une légende de texte , démontrant la capacité de l'algorithme à associer des mots à des informations visuelles. En novembre, des chercheurs de l'Université de Caroline du Nord, Chapel Hill, ont mis au point une méthode qui intègre des images dans des modèles de langage existants , ce qui a amélioré la compréhension en lecture des modèles.

2021

10 technologies révolutionnaires

OpenAI a ensuite utilisé ces idées pour étendre GPT-3. Début 2021, le laboratoire a publié deux modèles de langage visuel. On relie les objets d'une image aux mots qui les décrivent dans une légende. L'autre génère des images basées sur une combinaison des concepts qu'il a appris. Vous pouvez l'inviter, par exemple, à produire une peinture d'un capybara assis dans un champ au lever du soleil. Bien qu'il n'ait peut-être jamais vu cela auparavant, il peut mélanger et assortir ce qu'il sait des peintures, des capybaras, des champs et des levers de soleil pour imaginer des dizaines d'exemples.

Obtenir une intelligence plus flexible ne débloquerait pas seulement de nouvelles applications d'IA : cela les rendrait également plus sûres.

Des systèmes multimodaux plus sophistiqués permettront également une plus grande assistants robotiques avancés (pensez aux robots majordomes, pas seulement à Alexa). La génération actuelle de robots alimentés par l'IA utilise principalement des données visuelles pour naviguer et interagir avec leur environnement. C'est bon pour effectuer des tâches simples dans des environnements contraints, comme exécuter des commandes dans un entrepôt. Mais des laboratoires comme AI2 travaillent pour ajouter du langage et incorporer plus d'entrées sensorielles, comme des données audio et tactiles, afin que les machines puissent comprendre les commandes et effectuer des opérations plus complexes, comme ouvrir une porte quand quelqu'un frappe.

À long terme, les percées multimodales pourraient aider à surmonter certaines des plus grandes limites de l'IA. Les experts affirment, par exemple, que son incapacité à comprendre le monde est aussi la raison pour laquelle il peut facilement échouer ou être trompé. (Une image peut être modifiée d'une manière imperceptible pour les humains, mais l'IA l'identifie comme quelque chose de complètement différent.) Obtenir une intelligence plus flexible ne débloquerait pas seulement de nouvelles applications d'IA : cela les rendrait également plus sûres. Les algorithmes qui filtrent les CV ne traiteraient pas des caractéristiques non pertinentes comme le sexe et la race comme des signes de capacité. Les voitures autonomes ne perdraient pas leurs repères dans un environnement inconnu et ne s'écraseraient pas dans l'obscurité ou par temps de neige. Les systèmes multimodaux pourraient devenir les premières IA auxquelles nous pouvons vraiment confier nos vies.