Pourquoi le PDG de Google est enthousiaste à l'idée d'automatiser l'intelligence artificielle

Sundar Pichai à la conférence annuelle des développeurs de la société à Mountain View, en Californie.

Les experts en apprentissage automatique sont rares alors que les entreprises de nombreux secteurs se précipitent pour tirer parti des progrès récents de la puissance de l'intelligence artificielle. Le PDG de Google affirme qu'une solution à la pénurie de compétences consiste à faire en sorte que les logiciels d'apprentissage automatique prennent en charge une partie du travail de création de logiciels d'apprentissage automatique.

Lors de la conférence annuelle des développeurs de Google aujourd'hui, Pichai a présenté un projet appelé AutoML issu du groupe de recherche sur l'intelligence artificielle Google Brain de la société. Les chercheurs ont montré que leurs algorithmes d'apprentissage peuvent automatiser l'une des parties les plus délicates du travail de conception de logiciels d'apprentissage automatique pour entreprendre une tâche particulière. Dans certains cas, leur système automatisé a proposé des conceptions qui rivalisent ou battent le meilleur travail des experts humains en apprentissage automatique.

'C'est un développement très excitant, raconte Pichai Examen de la technologie MIT , dans un e-mail. Cela pourrait accélérer l'ensemble du domaine et nous aider à résoudre certains des problèmes les plus difficiles auxquels nous sommes confrontés aujourd'hui.

Pichai espère que le projet AutoML pourra augmenter le nombre de développeurs capables d'utiliser l'apprentissage automatique en réduisant l'expertise nécessaire. Cela cadrerait avec la stratégie de Google consistant à positionner ses services de cloud computing comme le meilleur endroit pour créer et héberger avec l'apprentissage automatique. La société tente d'attirer de nouveaux clients sur le marché du cloud computing d'entreprise, où elle est à la traîne du leader Amazon et de la deuxième place de Microsoft (voir Google révèle une nouvelle puce et un supercalculateur AI puissants).

Histoire connexe

Histoire connexe

AutoML vise à faciliter l'utilisation d'une technique appelée apprentissage en profondeur, que Google et d'autres utilisent pour alimenter la reconnaissance de la parole et des images, la traduction et la robotique (voir 10 Breakthrough Technologies 2013 : Deep Learning ).

L'apprentissage en profondeur apprend aux logiciels à être intelligents en transmettant des données à travers des couches de mathématiques vaguement inspirées de la biologie et connues sous le nom de réseaux de neurones artificiels. Choisir la bonne architecture pour le réseau mathématique d'un réseau de neurones est un élément crucial pour créer quelque chose qui fonctionne. Mais ce n'est pas facile à comprendre. Nous le faisons par intuition, explique Quoc Le, chercheur en apprentissage automatique chez Google travaillant sur le projet AutoML.

Le mois dernier, Le et son collègue chercheur Barret Zoph ont présenté les résultats d'expériences dans lesquelles ils ont chargé un système d'apprentissage automatique de déterminer la meilleure architecture à utiliser pour que le logiciel apprenne à résoudre des tâches de langage et de reconnaissance d'images.

Sur la tâche d'image, leur système rivalisait avec les meilleures architectures conçues par des experts humains. Sur la tâche linguistique, il les a battus.

Peut-être plus important encore, il a proposé des architectures d'un type que les chercheurs ne considéraient pas auparavant comme adapté à ces tâches. Dans un sens, il a trouvé quelque chose que nous ne savions pas, dit Le. C'est frappant.

La notion de logiciel qui apprend à mieux apprendre existe depuis un certain temps. Mais comme beaucoup d'idées dans le domaine de l'intelligence artificielle, la puissance du deep learning permet de nouveaux progrès. Des chercheurs de l'autre division de recherche sur l'IA de Google, DeepMind, dans le milieu universitaire, et de l'OpenAI à but non lucratif soutenu par Elon Musk explorent des concepts connexes (voir AI Software Learns to Make AI Software).

Lorsqu'on leur demande s'ils sont sur la bonne voie pour se retirer d'un emploi, Le et Zoph rient cependant. À l'heure actuelle, la technique est trop coûteuse pour être largement utilisée. Les expériences du duo ont utilisé 800 processeurs graphiques puissants pendant plusieurs semaines, accumulant le genre de facture d'électricité que peu d'entreprises pouvaient se permettre pour la recherche spéculative.

Pourtant, Google dispose désormais d'une équipe plus importante travaillant sur AutoML, notamment sur la manière de le rendre moins gourmand en ressources. Le estime que cela pourrait aider à rendre la reconnaissance vidéo ou vocale plus précise, ou même conduire à des progrès sur le problème plus épineux consistant à faire apprendre les logiciels sans direction explicite des humains (voir Le chaînon manquant de l'intelligence artificielle).

cacher