Nous suivre Industrie Techno

Intelligence artificielle : comment Facebook veut doter les robots d’un « sens commun »

Alexandre Couto
Soyez le premier à réagir

Soyez le premier à réagir

Intelligence artificielle : comment Facebook veut doter les robots d’un « sens commun »

Nourris de simulations de chutes de tour de cubes, les réseaux de neurones de Facebook acquièrent une sorte de compréhension de la gravité.

© Facebook

A l'occasion d'une rencontre avec les journalistes, le 2 décembre, dans les locaux parisien du Facebook Artificial Intelligence Research (FAIR), Antoine Bordes directeur de la division IA de Facebook, et Camille Couprie, chercheuse, ont présenté les dernières avancées du réseau social dans le domaine du traitement automatisé des images à l'aide de l'intelligence artificielle. En ligne de mire :  permettre aux robots d'acquérir par eux-même certaines connaissances sur leur environnement.

Un robot sera-t-il bientôt capable d’apprendre par lui-même certaines lois de la physique, comme la gravité ? Si cela est encore loin d’être une réalité, les chercheurs du Facebook Artificial Intelligence Research (FAIR), le laboratoire sur l’intelligence artificielle crée en 2013 par Facebook et Yann Le Cun, y travaillent. A l’occasion d’une présentation aux journalistes, le 2 décembre, des possibilités des réseaux de neurones à convolution (CNN pour convolution neural networks) dans le domaine du traitement de l’image, Antoine Bordes, directeur du FAIR Paris, a détaillé comment les chercheurs de FAIR avancent dans le domaine de l’apprentissage auto-supervisé, c’est-à-dire limitant l’intervention humaine.

S'inspirer des sciences cognitives

« Un enfant acquiert, sans aide extérieure, un certain nombre notions essentielles. Il développe vers l'âge de 10 ou 11 mois une intuition des règles de la physique, comme celle de la gravité », souligne Antoine Bordes. Pour Camille Couprie, chercheuse au FAIR dans le domaine de la reconnaissance visuelle et de la prédiction, l’acquisition automatisée de « ce sens commun »  permettrait aux machines, notamment aux robots, de mieux percevoir leur environnement.  « Cela nous ouvrirait la voie à des problèmes encore plus complexes », souligne Camille Couprie.

Grâce aux CNN appliqués à la reconnaissance visuelle, les chercheurs espèrent accomplir des progrès majeurs dans ce domaine. Outre l’identification d’objets et de personnes, les équipes du FAIR entraînent leurs algorithmes à détecter les anomalies sur une photo ou une vidéo, notamment en mettant en place des modèles prédictifs qui permettent à la machine, à l'instar de l'être humain, d'anticiper une action ou un mouvement pouvant se produire quelques secondes après une situation représentée sur une image.

Cependant, ces modèles prédictifs ne peuvent, pour le moment, être mis en place qu'au moyen de paramètres renseignés par un instructeur humain - apprentissage dit supervisé. L’objectif est de permettre à l’IA de déduire par elle-même un certains nombre de règles en analysant un grand nombre de situations.

Prédire l'écroulement de cubes empilés

Dans ces recherches, une première étape a été atteinte avec l’utilisation de cubes virtuels générés via un moteur 3D et empilés aléatoirement. En soumettant ces empilements plus ou moins stables à différents réseaux de neurones, qui analysent les évolutions entre un état de départ et un résultat, l'IA de Facebook s'est « auto-entrainée » à prédire si une structure est susceptible de s'effondrer mais aussi à déterminer quelle sera la position finale des cubes si l'empilement s'écroule. Selon la publication des chercheurs du FAIR, le taux de prédiction de l'IA est comparable à celui d'un humain dans ces domaines.

« L’IA est capable d’anticiper la chute des cubes dans certaines configuration et a déduit, sans intervention humaine, certains principes sous-jacents qui provoquent cet événement », pointe Antoine Bordes. Il est cependant encore trop tôt pour parler d’un véritable « sens commun ». « Les mécanismes de cet apprentissage sont encore très mal connus », précise Camille Couprie « Nous étudions pour le moment le rôle de la vision, mais ce n’est certainement pas le seul moyen d’acquisition de ces règles chez l'humain ».

Entraîner des robots

Pour mieux comprendre ces interactions, le centre parisien du FAIR s’est adjoint les compétences d’Emmanuel Dupoux, spécialiste des sciences cognitives et travaille également avec les divisions robotiques de Facebook situées à Menlo Park (Californie) et Pittsburgh (Pennsylvanie). « Dans le domaine de l’apprentissage des machines, la robotique joue un rôle important », met en avant Antoine Bordes, « Contrairement aux ordinateurs, qui peuvent répéter des millions de fois certaines actions en un laps de temps relativement court, les unités robotiques acquièrent leurs connaissances en temps réel. Cela nous permet de mieux analyser le processus d’acquisition et d’analyser l’influence des autres « sens », comme l’haptique », conclut Antoine Bordes.

Bienvenue !

Vous êtes désormais inscrits. Vous recevrez prochainement notre newsletter hebdomadaire Industrie & Technologies

Nous vous recommandons

Avec le jumeau numérique de Cosmo Tech, Renault optimise sa production de moteurs

Avec le jumeau numérique de Cosmo Tech, Renault optimise sa production de moteurs

Lors du salon Supply Chain Event, qui se tient les 3 et 4 décembre à Paris, Renault a présenté un retour[…]

Avec sa « Ruche », Thalès apporte de l’agilité au développement des solutions de cyberdéfense

Avec sa « Ruche », Thalès apporte de l’agilité au développement des solutions de cyberdéfense

Bertin Nahum veut conquérir le monde avec ses robots chirurgicaux

Bertin Nahum veut conquérir le monde avec ses robots chirurgicaux

« En Europe, la difficulté n’est pas tant la création d’entreprises que leur croissance », selon Chahab Nastar, chef de l’innovation d’EIT Digital

Interview

« En Europe, la difficulté n’est pas tant la création d’entreprises que leur croissance », selon Chahab Nastar, chef de l’innovation d’EIT Digital

Plus d'articles