211service.com
Une meilleure imagerie cérébrale pourrait montrer aux ordinateurs une façon plus intelligente d'apprendre
L'apprentissage automatique est une approche extrêmement intelligente de la programmation informatique. Au lieu d'avoir à écrire soigneusement des instructions pour une tâche particulière, vous introduisez simplement des millions d'exemples dans un ordinateur très puissant et, essentiellement, vous le laissez écrire le programme lui-même.
De nombreux gadgets et services en ligne que nous tenons pour acquis aujourd'hui, comme la recherche sur le Web, la reconnaissance vocale et le marquage d'images, utilisent une forme d'apprentissage automatique. Et les entreprises qui disposent d'une multitude de données d'utilisateurs (Google, Facebook, Apple, Walmart, etc.) sont bien placées pour profiter de cette tendance à la richesse.
Un nouveau Projet de 12 millions de dollars à l'Université Carnegie Mellon pourrait rendre l'apprentissage automatique encore plus puissant en découvrant des moyens d'enseigner les ordinateurs plus efficacement tout en utilisant beaucoup moins de données.
L'effort de cinq ans utilisera une technique nouvelle, appelée microscopie d'imagerie calcique à 2 photons, pour étudier la façon dont l'information visuelle est traitée dans le cerveau . Le financement provient du président Obama Initiative BRAIN , et c'est un bon exemple de l'un des avantages à court terme que pourraient avoir les puissantes nouvelles techniques d'imagerie cérébrale.
Bon nombre des meilleurs algorithmes d'apprentissage automatique sont, en fait, déjà vaguement basés sur le fonctionnement du cerveau . Mais ceux-ci sont incroyablement grossiers et ne tiennent pas compte de certaines caractéristiques simples des réseaux biologiques.
Sandra Kuhlman, professeur à la CMU, a utilisé l'imagerie fluorescente pour capturer des cellules cérébrales individuelles (identifiées par des flèches).
Aussi puissants qu'ils soient, [ces algorithmes] ne sont pas aussi efficaces ou puissants que ceux utilisés par le cerveau humain, a déclaré Tai Sing Lee , professeur d'informatique à la CMU qui dirige l'effort. Par exemple, pour apprendre à reconnaître un objet, il peut être nécessaire de montrer à un ordinateur des milliers d'exemples étiquetés et d'apprendre de manière supervisée, tandis qu'une personne n'en aurait besoin que d'une poignée et pourrait ne pas avoir besoin de supervision.
Lee collaborera avec Sandra Kuhlman, professeur de sciences biologiques, également à la CMU, et Alan Yuille, professeur de sciences cognitives à l'Université Johns Hopkins.
Il n'y a pas que les neurosciences qui pourraient nous aider à développer de meilleures approches d'apprentissage automatique. Certains scientifiques cognitifs s'inspirent des observations de la psychologie pour construire de nouveaux systèmes d'apprentissage intelligents.