Oubliez AlphaGo - DeepMind a une étape plus intéressante vers l'IA générale

AlphaGo et les voitures autonomes sont incroyablement intelligents, mais aucun ne représente un très grand pas vers l'intelligence artificielle générale. Heureusement, certains chercheurs en IA développent des moyens d'élargir l'intelligence artificielle.

Les chercheurs de DeepMind, qui ont créé le champion du jeu de go AlphaGo, travaillent sur une approche qui pourrait s'avérer importante dans la quête pour rendre les machines aussi intelligentes que nous.

Dans deux papiers publié cette semaine et signalé par Nouveau scientifique, des chercheurs de la filiale Alphabet décrivent les efforts déployés pour enseigner aux ordinateurs le raisonnement relationnel, une capacité cognitive qui est à la base de l'intelligence humaine.

En termes simples, le raisonnement relationnel est la capacité à considérer les relations entre différentes représentations mentales, telles que des objets, des mots ou des idées. Ce type de raisonnement est à la fois crucial pour le développement cognitif humain et vital pour résoudre à peu près n'importe quel problème.

La plupart des systèmes d'apprentissage automatique existants n'essaient pas de comprendre la relation entre les concepts. Un système de vision peut identifier un chien ou un chat sur une photo, par exemple, mais il ne sait pas que le chien poursuit le chat.

Les deux systèmes développés chez DeepMind résolvent ce problème en modifiant les méthodes d'apprentissage automatique existantes pour les rendre capables d'apprendre les relations physiques entre les objets statiques, ainsi que le comportement des objets en mouvement dans le temps.

Ils démontrent la première capacité en utilisant CLEVR, un ensemble de données d'objets simples. Après la formation, ils peuvent demander au système si un objet est devant un autre, ou quel objet est le plus proche. Leurs résultats sont considérablement meilleurs que tout ce qui a été réalisé auparavant, dépassant même les performances humaines dans certains cas.

Dans le deuxième article, les chercheurs montrent comment un système d'apprentissage automatique modifié de manière similaire peut apprendre à prédire le comportement d'objets simples en deux dimensions. Nous faisons tout le temps ce genre de choses en trois dimensions, lorsque nous attrapons une balle ou conduisons une voiture, par exemple. En fait, des expériences de psychologie montrent que les humains utilisent un moteur physique intuitif pour prédire les effets d'une action sur des objets. C'est beaucoup plus sophistiqué et puissant que la simple reconnaissance des objets dans une scène.

Bien que les avancées ne soient peut-être pas des percées époustouflantes, elles correspondent exactement au type de recherche nécessaire. Aussi impressionnante que soit l'IA d'aujourd'hui, la plupart d'entre elles impliquent qu'une machine apprenne à effectuer une tâche incroyablement étroite. Sans nouvelles idées, les systèmes d'IA resteront incapables de tenir une vraie conversation ou de résoudre par eux-mêmes des problèmes difficiles.

Sam Gershman , professeur de psychologie à Harvard qui étudie l'intelligence, dit que nous devons penser à imiter plus étroitement l'intelligence humaine si nous voulons que l'intelligence artificielle ressemble à la nôtre.

Notre cerveau représente le monde en termes de relations entre les objets, les agents et les événements, a-t-il déclaré Examen de la technologie MIT par email. Représenter le monde de cette manière limite massivement les types d'inférences que nous tirons des données, ce qui rend plus difficile l'apprentissage de certaines choses et plus facile d'apprendre d'autres choses. Donc, en ce sens, ce travail est un pas dans la bonne direction : intégrer des contraintes de type humain qui permettent aux machines d'apprendre plus facilement des tâches qui sont naturelles pour les humains.

Cependant, Gershman a mis en garde contre une exagération de l'importance du travail de DeepMind. Une performance surhumaine sur une tâche d'apprentissage automatique particulière n'implique pas une intelligence surhumaine, a-t-il déclaré.

Le raisonnement relationnel n'est aussi qu'un élément de l'intelligence humaine. Gershman et d'autres ont écrit un document l'année dernière qui explore les autres aspects de l'intelligence humaine qui manquent actuellement à l'IA. Outre le raisonnement sur les relations, par exemple, ils ont noté que les humains sont capables de compositionnalité, ou de construire de nouvelles idées à partir des connaissances existantes afin de résoudre des problèmes.

Le raisonnement relationnel est une condition nécessaire mais pas suffisante pour une intelligence de type humain, a déclaré Gershman.

(Lire la suite: Le réseau de neurones de DeepMind apprend à l'IA à raisonner sur le monde )

cacher