Panne chez OVH: une belle frayeur pour l’hébergeur français.
Intelligence artificielle, machine learning, apprentissage profond ; les méandres des réseaux de neurone regorgent de termes étranges. Les chercheurs de Google déchiffrent pour nous quelques définitions et expliquent certaines applications.
Comment Google utilise les avancées en matière d’intelligence artificielle dans ses produits ? L’entreprise organisait jeudi dernier une conférence dans ses somptueux locaux parisiens. L’occasion de définir quelques termes, et de donner à voir quelques évolutions technologiques.
« Organiser les informations à l’échelle mondiale pour les rendre accessibles et utiles à tous, c’est la mission de Google depuis 15 ans » explique Emmanuel Mogenet, directeur de Google Research Europe. « Avec l’outil RankBrain nous commençons à avoir une compréhension sémantique des informations ». Une avancée majeure selon le scientifique. « Ce n’est qu’à partir de 2010-2011 que nous avons commencé à comprendre véritablement les questions des utilisateurs. Avant ce n’était pas le cas » sourit-il.
« Nous nous spécialisons dans la compréhension du langage naturel et la perception de l’ordinateur à travers la vision, le son ou encore les données des capteurs des smartphones (GPS, magnétomètre, accéléromètre,…) ». Et depuis son laboratoire de Zurich en Suisse, Emmanuel Mogenet et ses équipes cherchent à intégrer l’IA dans tous les produits du géant américain. Gmail a été un des premiers outils à en bénéficier, pour classifier le spam.
Mais ce n’est pas tout. L’utilisation du machine learning a par exemple permis une réduction de 40% de l’énergie nécessaire au refroidissement des datacenters de Google.
Les sous disciplines de l’IA, véritables pépites
Ces avancées vers une IA de plus en plus performante n’ont pas été linéaires. « Les années 90 sont connues pour être ‘l’hiver de l’IA' » explique Jean Ponce, directeur du département informatique de l’Ecole Normale Supérieure, qui objecte. « Dans le même temps les sous disciplines de l’IA ont connu un grand essor ». Apprentissage profond, robotique, vision, langage ou encore raisonnement ont fortement progressé dès cette époque assure t-il. « On attribue souvent le succès de l’IA aux ordinateurs, cartes graphiques et masses de données invraisemblables. Mais il n’y a pas que ça. Il y a eu entre temps des progrès scientifiques et méthodologiques importants ».
D’où le travail important de Google sur ces sous disciplines, dont la reconnaissance d’image à base d’apprentissage profond, dit deep learning en anglais. « L’IA est une science qui permet aux machines de résoudre des problèmes complexes. Le machine learning est une technique pour doter les machines de ces capacités » explique Olivier Bousquet, directeur de recherche en machine learning chez Google. « L’apprentissage profond est une approche particulière pour faire du machine learning ».
Reconnaissance vocale et traduction
Et d’entrer dans le détail. « Avec des règles de développement et de programmation spécifiques telles que « if… » on n’arrive pas a faire reconnaître des images par une intelligence artificielle. Avec de l’apprentissage profond nous montrons des images à la machine et nous l’éduquons pour qu’elle réalise un modèle ».
Ce modèle, qui peut être plus ou moins profond, c’est ce que l’on appelle un réseau de neurones. « Si la machine reconnaît la bonne image, on ne touche a rien. Si elle échoue, on modifie les structures des réseaux de neurones pour arriver au bon résultat » explique Olivier Bousquet. « Puis on lui permet d’extrapoler en lui proposant de nouvelles images. Mais on peut faire la même chose avec de la reconnaissance vocale ou de la traduction entre deux langues ».
Related posts
