Les chercheurs de Google ont une nouvelle alternative aux réseaux de neurones traditionnels

Catégorie: Intelligence artificielle Posté 01 novembre

Dites bonjour au réseau capsule.

L'IA a connu une croissance énorme au cours des dernières années, et une grande partie de ce succès est due aux réseaux de neurones profonds, qui fournissent l'intelligence derrière des astuces impressionnantes comme la reconnaissance d'image. Mais on craint de plus en plus que certains des principes fondamentaux qui ont fait le succès de ces systèmes ne soient pas en mesure de surmonter les principaux problèmes auxquels est confrontée l'IA, dont le plus important est peut-être le besoin d'énormes quantités de données à partir desquelles apprendre (pour un approfondissez à ce sujet, consultez notre article ' L'IA chevauche-t-elle un poney à un tour ? ').

Geoff Hinton de Google semble faire partie de ceux qui s'inquiètent pour l'avenir de l'IA. Comme Filaire rapports , Hinton a dévoilé une nouvelle approche des réseaux de neurones traditionnels qu'il appelle les réseaux de capsules. Dans une paire de nouveaux articles—un publié sur l'arXIv , L'autre sur OpenReview —Hinton et une poignée de collègues expliquent comment ils fonctionnent.

Leur approche utilise de petits groupes de neurones, appelés collectivement capsules, qui sont organisés en couches pour identifier des éléments dans des vidéos ou des images. Lorsque plusieurs capsules d'une couche conviennent d'avoir détecté quelque chose, elles activent une capsule à un niveau supérieur, et ainsi de suite, jusqu'à ce que le réseau soit capable de porter un jugement sur ce qu'il voit. Chacune de ces capsules est conçue pour détecter une caractéristique spécifique dans une image de manière à pouvoir la reconnaître dans différents scénarios, comme sous différents angles.

Hinton affirme que l'approche, qui est en cours d'élaboration depuis des décennies, devrait permettre à ses réseaux de reconnaître des objets dans de nouvelles situations avec moins de données que les réseaux de neurones ordinaires doivent utiliser.

Dans les articles publiés jusqu'à présent, il a été démontré que les réseaux de capsules suivent les réseaux de neurones habituels lorsqu'il s'agit d'identifier des caractères manuscrits, et ils font moins d'erreurs lorsqu'ils essaient de reconnaître des jouets précédemment observés sous différents angles. Mais pour le moment, au moins, ils sont encore un peu plus lents que leurs homologues traditionnels.

Maintenant, alors, vient la partie intéressante. Ces systèmes fourniront-ils une alternative convaincante aux réseaux de neurones traditionnels, ou vont-ils stagner ? Nous pouvons nous attendre à ce que la communauté de l'apprentissage automatique mette en œuvre le travail, et rapidement, afin de le découvrir. Quoi qu'il en soit, ceux qui s'inquiètent des limites des systèmes d'IA actuels peuvent être encouragés par le fait que les chercheurs repoussent les limites pour créer de nouvelles alternatives d'apprentissage en profondeur.