Cette IA comprend des concepts “intuitifs” de physique de la même façon qu’un enfant

Les enfants sont bien plus doués que les IA pour comprendre intuitivement certains concepts de base de la physique. Des chercheurs du MIT ont voulu doter l’IA de cette capacité d’analyse.

Les lois et équations de la physique et de la géométrie.

“Très tôt, nous avons une capacité à nous représenter le monde et à comprendre instinctivement la physique. Si une balle tombe, je sais à quel endroit elle va tomber. Mais nous avons beaucoup de mal à intégrer cela à un ordinateur””, nous confiait en mars dernier le directeur Technique et Sécurité de Microsoft, Bernard Ourghanlian (voir notre dossier sur les progrès de l’IA). Un jeune enfant intègre très vite en effet les principes de base de la gravité mais aussi les règles de ce qui est possible physiquement dans notre monde. Par exemple, il sait qu’un objet qui disparaît subitement ou qui semble se téléporter d’un endroit à un autre, c’est étrange. Même s’il n’est pas en mesure de savoir pourquoi ou de l’expliquer, il est au moins capable de discerner ce qui est plausible de ce qui ne l’est pas. Ces notions de base, des chercheurs de l’Institut de Technologie du Massachusetts (MIT) ont réussi à les intégrer – pour la première fois – à une intelligence artificielle. “Nous voulions reproduire et modéliser cette connaissance pour développer un niveau de cognition proche de l’enfant au sein d’intelligences artificielles, explique Kevin A. Smith, chercheur au département du Cerveau et des Sciences cognitives du MIT, dans un communiqué. Nous approchons désormais de modèles comportementaux proches de l’humain, dans leur manière de différencier des scènes plausibles ou non.”

Cette intelligence artificielle s’appelle ADEPT et est capable d’interpréter de telles scènes dans de simples vidéos. Elle peut attester qu’un objet va tomber et comment. Et elle peut se montrer surprise lorsqu’un objet disparaît soudainement ou se téléporte de manière inexplicable. ADEPT dépend de deux modules d’apprentissage. Le premier lui sert à observer très succinctement un objet afin d’en déduire les propriétés physiques. Ce module ne s’embarrasse pas à analyser tous les détails : il se concentre sur la forme, la position dans l’espace et la vélocité si l’objet est en mouvement. Cela offre à ADEPT non seulement la capacité de prédire ce qu’il adviendra de l’objet selon ce qu’elle sait des lois de la physique mais aussi de réaliser cette analyse sur d’autres objets que ceux sur lesquels elle a été entraînée.

Le second module est un système physique (assez proche des logiciels utilisés par les développeurs de jeux-vidéos pour répliquer la physique réelle dans leur univers virtuel). Ce système analyse des objets dans des vidéos et établit plusieurs hypothèses sur la façon dont ils devraient se comporter. Il compare ensuite ses prédictions avec ce qui se passe réellement dans les images suivantes. Lorsque la différence entre la prédiction et la réalité est importante, il envoie un signal dont la force varie selon son degré de “surprise” face à l’écart constaté. Et cela semble bien fonctionner : les chercheurs ont constaté que le degré de surprise d’ADEPT équivalait en moyenne à celui d’humains qui analysaient les mêmes vidéos.

Quand la machine apprend: La...
  • Yann Le Cun
  • Éditeur: Odile Jacob
  • Broché: 394 pages

Source: EnGadget