Le nouveau gourou de l'IA de Tesla pourrait aider ses voitures à s'auto-apprendre

Elon Musk a embauché un nouveau directeur de la recherche sur l'IA chez Tesla, et cela pourrait signaler un plan pour repenser le fonctionnement de sa conduite automatisée.

Cette semaine, Musk a poché Andrej Karpathy , un expert de la vision, de l'apprentissage en profondeur et de l'apprentissage par renforcement, d'OpenAI, une organisation à but non lucratif que Musk et d'autres financent et qui se consacre à la découverte et à la mise en œuvre de la voie vers une intelligence générale artificielle sûre.

Karpathy, qui relèvera apparemment directement de Musk, est une étoile montante dans le monde de l'IA, ayant étudié à Stanford avec Fei-Fei Li , un expert de premier plan en IA qui est maintenant le scientifique en chef de Google Cloud. Li est célèbre dans les cercles techniques pour avoir développé un ensemble de données d'images qui a contribué à inspirer une percée dans la vision artificielle.

Beaucoup ont souligné l'expertise de Karpathy en vision par ordinateur comme un atout clé pour Tesla, et c'est vrai. Mais son expérience dans la construction de systèmes d'apprentissage par renforcement pourrait être encore plus importante pour l'effort de pilotage automatique de Tesla.

L'apprentissage par renforcement s'inspire de la façon dont les animaux apprennent en répétant le comportement qui a conduit à un résultat positif. Et, comme nous l'avons noté plus tôt cette année, il s'est avéré être un moyen puissant d'entraîner les ordinateurs à faire des choses impossibles à programmer (voir 10 Breakthrough Technologies 2017 : Reinforcement Learning ). Cette forme d'apprentissage automatique était au cœur d'AlphaGo, un programme informatique de DeepMind d'Alphabet qui a appris à jouer à l'ancien jeu de société Go avec une compétence surhumaine.

Un certain nombre de constructeurs automobiles, dont Google, Uber et Mobileye, qui a été récemment acquis par Intel, envisagent l'apprentissage par renforcement comme un moyen pour que les voitures découvrent par elles-mêmes, en simulation, comment conduire dans des situations difficiles. Pensez à un arrêt à quatre voies ou à une intersection achalandée. Il est incroyablement difficile d'écrire les règles d'une voiture pour naviguer dans une telle situation. Mais, grâce à l'apprentissage par renforcement, il pourrait être possible pour une voiture autonome d'apprendre à le faire par elle-même.

Après Stanford, Karpathy a effectué un stage chez DeepMind, où l'apprentissage par renforcement est un objectif majeur. La technique est également un grand thème chez OpenAI.

En fait, dans un long message sur l'apprentissage par renforcement sur son propre blog, Karpathy mentionne l'apprentissage par renforcement dans le contexte du pilote automatique de Tesla. Il note que si l'apprentissage par renforcement ne s'adapte généralement pas bien aux situations où l'expérimentation est coûteuse, de nouvelles approches, combinées à de nombreuses données du monde réel (du type de celles que Tesla collecte) peuvent aider.

La nomination de Karpathy au poste de directeur de la recherche sur l'IA de Tesla indique autre chose concernant le défi de la conduite autonome : il reste encore du chemin à parcourir avant qu'il ne soit résolu (voir Que savoir avant de monter dans une voiture autonome).

(Lire la suite: Tech Crunch , 10 technologies révolutionnaires 2017 : Apprentissage par renforcement )

cacher