Search
  • Nouvelles
  • Apprentissage automatique, apprentissage biologique

Les ordinateurs apprennent en jouant avec des blocs

by Dan Falk avr. 7 / 16
Quand un nourrisson joue avec des blocs de bois, il ne fait pas que jouer – il apprend aussi sur le monde physique en interagissant avec lui, en poussant, en tirant et en tâtant ses diverses composantes. Une équipe chez Facebook, composée de chercheurs en intelligence artificielle, tente maintenant d’aider un programme informatique à comprendre son environnement de la même façon.

AI
Le programme apprend en regardant des images de tours de blocs générées par ordinateur – dont certaines sont stables et d’autres, instables.

Le programme, appelé réseau neuronal convolutionnel, apprend en regardant des centaines de milliers d’images de tours de blocs générées par ordinateur – dont certaines sont stables et d’autres, instables. Si la pile est instable, le réseau voit où tombent les blocs après l’effondrement de la tour. Quand l’ordinateur est ensuite exposé à de nouvelles images – soit des images générées par ordinateur ou des photos de véritables blocs de bois –, le réseau réussit remarquablement bien à prédire la stabilité des tours et à savoir où tomberont les blocs si les tours se révèlent instables.

En ce qui concerne les données générées par ordinateur, le réseau réussit mieux que l’humain, dit Rob Fergus (Université de New York, Facebook AI Research), boursier principal au sein du programme Apprentissage automatique, apprentissage biologique de l’ICRA. « Et pour ce qui est des données réelles, il est presque aussi bon que l’humain », dit-il.

Fait important, on n’apprend jamais au réseau les règles de la mécanique ou de la gravité – il ne fait que regarder et apprendre, d’une manière analogue à l’apprentissage chez l’enfant.

« Je ne crois pas que les lois de Newton soient inscrites dans nos gènes », dit Fergus. « Il est beaucoup plus probable que nous apprenions par tâtonnement. Un nourrisson jouera avec ses blocs et, en quelque sorte, saura d’instinct ce qui va se passer. “La tour est sur le point de s’effondrer. Le bloc du haut va tomber sur la gauche. ” Entre autres exemples. »

Quand un nourrisson s’amuse avec des blocs, cela peut sembler être un jeu, mais l’enfant est en fait en train d’apprendre à analyser une scène visuelle et à prédire ce qui va arriver. Et cette habileté se fonde sur « une espèce de bon sens relatif au monde physique », explique Fergus. « Pour le moment, cette habileté échappe aux machines. »

Des réseaux comme ceux auxquels Fergus travaille nécessitent encore des directives pour savoir sur quoi se concentrer. Mais un jour, nous pourrions avoir des machines qui sont capables d’apprendre sans supervision, mais probablement pas avant bien longtemps.

« Ce problème est encore à résoudre », dit Fergus.