 Automates
Intelligents s'enrichit du logiciel
Alexandria.
Double-cliquez sur chaque mot de cette page et s'afficheront
alors définitions, synonymes et expressions constituées
de ce mot. Une fenêtre déroulante permet
aussi d'accéder à la définition
du mot dans une autre langue (22 langues sont disponibles,
dont le Japonais). |
Article
Le Deep
learning » ou apprentissage en profondeur
Jean-Paul Baquiast 24/11/2012
Dans
un excellent ouvrage récent, dont nous avons fait
une présentation
pour Automates Intelligents, Ray Kurzweil expose les
progrès rapides faits simultanément par les
neurosciences et l'Intelligence Artificielle dans la compréhension
du cerveau et de son fonctionnement (« How
to create a Mind, Viking, octobre 2012). Un des points
clefs de la démonstration repose sur la constatation
(encore à vérifier dans les détails)
que le cortex supérieur du cerveau humain met en
oeuvre des millions de structures neuronales très
semblables et relativement simples jouant le rôle
de « pattern recognizers ».
Le mot est plus difficile à traduire qu'il ne semble.
Retenons ici le terme barbare d'« identificateurs
de permanences structurales ». Il s'agit d'acquits
de l'évolution indispensables pour interpréter
les messages sensoriels, endogènes et exogènes,
en y faisant apparaître les ordres indispensables
à la survie. Si je ne confond pas une souris avec
un tigre, ou mon collègue avec un voisin, c'est parce
que des pyramides hiérarchiques constituées
de tels identificateurs m'ont permis de construire des images
aussi adéquates que possible correspondants aux « réalités »
extérieures « permanentes »
supposées correspondre aux messages sensoriels en
émanant. Les fonctions considérées
comme les plus nobles de l'esprit humain en découlent.
Or un point essentiel du travail d'interprétation
du fonctionnement cortical présenté par Ray
Kurzweil est que cet auteur s'est inspiré des innovations
remarquables en matière d'identification des images
et des sons qu'il avait lui-même depuis bientôt
30 ans mis au point avec quelques collaborateurs. Les produits
commerciaux en résultant se retrouvent aujourd'hui
dans des centaines de millions d'appareils grand public,
que l'on utilise sans même prêter attention
aux performances extraordinaires ainsi permises, impensables
il y a seulement quelques années. C'est le cas avec
l'assistant virtuel personnel Siri de Apple, basé
sur le logiciel de reconnaissance du langage « Nuance
Communications ».
Cette convergence entre les neurosciences et l'intelligence
artificielle appelle des réflexions philosophiques
de première importance. Est-elle fortuite ou correspond-elle
à des logiques profondes communes? Mais nous n'aborderons
pas la question dans cet article. Bornons-nous à
constater que cette convergence ne cesse de faire sentir
ses effets, notamment dans un domaine essentiel qui est
l'amélioration des modalités d'apprentissage
dont disposent les milliards d'humains aujourd'hui confrontés
à la nécessité de comprendre un environnement
de plus en plus complexe.
L'enjeu est important, en particulier pour les organismes
en charge de l'éducation, à tous les niveaux
des cursus et des compétences requis. De nouvelles
procédures de formation semblent devoir s'imposer.
On parle de « deep learning » ou « apprentissage
en profondeur ». Il s'agit d'un aspect encore
nouveau qui s'ajoute à la révolution déjà
en cours (voir notre dossier consacré à l'impact
du Très Haut Débit dans l'éducation
http://www.admiroutes.asso.fr/larevue/2012/131/treshautdebitEN.htm).
Le « deep learning » sera en ce cas
rendu possible par l'utilisation des hauts débits,
permettant des échanges interactifs en parallèle
et à hauts flux comparables à ceux réalisés
dans le cerveau au sein du cortex.
Les premiers intéressés sont les chercheurs
et industriels en intelligence artificielle développant
des logiciels visant à augmenter les capacités
des humains en matière de vision, audition et formalisation
de règles. On a vu ces derniers temps revenir à
l'actualité des programmes connus depuis au moins
trente ans et quelque peu délaissés faute
de performance, ceux désignés par le terme
de « réseaux neuronaux artificiels »
ou « neural netwoks ». Ceux-ci étaient
censés correspondre aux modalités selon lesquelles
les réseaux de neurones biologiques acquièrent
leur expérience du monde (voir http://fr.wikipedia.org/wiki/R%C3%A9seau_de_neurones_artificiels).
De
nouvelles recherches, conduites par un certain nombre d'équipes
dans le cadre du « deep learning »
ont amélioré notamment les processus statistiques
(ou bayésiens) utilisés par ces réseaux.
On ne confondra pas les réseaux neuronaux et les
algorithmes génétiques ou évolutionnaires,
eux aussi inspirés du biologique et permettant d'améliorer
les méthodes d'apprentissage (Voir http://fr.wikipedia.org/wiki/Algorithme_g%C3%A9n%C3%A9tique)
Mais comme le montre le livre de Ray Kurzweil, les deux
méthodes peuvent être conjuguées.
Concernant le « deep learning », il
faut citer en particulier aujourd'hui les travaux du chercheur
Geoffrey E. Hinton (voir http://www.cs.toronto.edu/~hinton/)
. Ils ont permis de gagner un concours sponsorisé
par la firme pharmaceutique Merck en vue de déterminer
les molécules les plus aptes à composer tel
ou tel médicament.
Mais les nouveaux logiciels inspirés du cerveau biologique
ne se limitent pas à ce domaine. Les applications
en matière de reconnaissance de patterns concernent
désormais l'analyse de vastes bases de données
prélevées sur le web et intéressant
les comportements des citoyens et plus particulièrement
des consommateurs. De même ils serviront à
perfectionner les méthodes d'identification de visage
et de silhouette utilisées par les application de
surveillance et de sécurité. Certains à
juste titre s'en inquiéteront.
Applications dans le domaine éducatif
Les nouveaux réseaux neuronaux disposent d'optimisations
en termes informatiques mais ils bénéficient
aussi des massives possibilités apportées
par les super-calculateurs et les milliards d'informations
brut ou structurées déjà librement
accessibles sur le web, par exemple grâce à
Wikipedia. Leurs performances dépassent dans certains
domaines celles des cerveaux humains. Aussi leurs applications
seront prochainement étendues au profit des programmes
éducatifs.
On peut espérer que ceci se fera dans un cadre non
compétitif. Même Microsoft, qui veut se donner
un rôle primordial en ce domaine, aurait admis que
travailler dans le cadre de l'open-source devrait s'imposer
compte-tenu des enjeux sociétaux en cause.
Il faudra voir ce qui en sera dans les prochains mois. Ce
serait une raison de plus pour que les institutions européennes
s'intéressant à l'éducation favorisent
les investissements en matière de "deep learning"
provenant des universités et laboratoires universitaires.
Note
au 29/11/2012
Ecole
du futur. Collaborations internationales.
Des
chercheurs britanniques étudiant l’”école
du futur” proposent de généraliser l’utilisation
de pupitres multi-touches multi-utilisateurs destinés
à accélérer la compréhension
des mathématiques. De nouveaux résultats provenant
d’un projet de 3 ans, associant 400 élèves
de 8/10 ans viennent d’être publiés. Ils
démontrent la supériorité d’un
'”smart desk “interactif sur les méthodes
traditionnelles. Cette application ne nécessite pas
a priori de THD extérieurs à l’école.
Mais le THD retrouvera tout son intérêt quand
il s’agira d’associer plusieurs classes, plusieurs
établissements et, pourquoi pas, plusieurs pays au
développement de telles méthodes. (Voir références
ci-dessous)
http://www.dur.ac.uk/education/research/synergynet/
Retour
au sommaire
