Vous êtes entourés de réseaux de neurones. Voici comment ils tentent de simuler le cerveau humain
L’une des technologies centrales de l’intelligence artificielle est celle des réseaux de neurones.
Dans cette interview, Tam Nguyen, professeur d’informatique à l’université de Dayton, explique comment fonctionnent les réseaux de neurones, des programmes dans lesquels une série d’algorithmes tentent de simuler le cerveau humain.
Quels sont les exemples de réseaux de neurones qui sont familiers à la plupart des gens ?
Il existe de nombreuses applications des réseaux de neurones. Un exemple courant est la capacité de l’appareil photo de votre smartphone à reconnaître les visages.
Les voitures sans conducteur sont équipées de plusieurs caméras qui tentent de reconnaître les autres véhicules, les panneaux de signalisation et les piétons en utilisant les réseaux neuronaux, et de tourner ou d’ajuster leur vitesse en conséquence.
Les réseaux neuronaux sont également à l’origine des suggestions de texte que vous voyez lorsque vous écrivez des textes ou des courriels, et même dans les outils de traduction disponibles en ligne.
Le réseau doit-il avoir une connaissance préalable de quelque chose pour pouvoir le classer ou le reconnaître ?
Oui, c’est pourquoi il est nécessaire d’utiliser de grandes données dans la formation des réseaux neuronaux. Ils fonctionnent parce qu’ils sont formés sur de grandes quantités de données pour ensuite reconnaître, classifier et prédire les choses.
Dans l’exemple des voitures sans conducteur, il faudrait regarder des millions d’images et de vidéos de toutes les choses dans la rue et se faire dire ce qu’est chacune de ces choses.
Lorsque vous cliquez sur les images des passages pour piétons pour prouver que vous n’êtes pas un robot tout en naviguant sur Internet, il peut également être utilisé pour aider à former un réseau neuronal.
Ce n’est qu’après avoir vu des millions de passages pour piétons, sous tous les angles et dans toutes les conditions d’éclairage, qu’une voiture qui se conduit seule peut les reconnaître dans la réalité.
Les réseaux neuronaux plus complexes sont en fait capables de s’auto-apprendre. Dans la vidéo ci-dessous, le réseau est chargé de se rendre du point A au point B, et vous pouvez le voir essayer toutes sortes de choses pour essayer de mener le modèle jusqu’à la fin du parcours, jusqu’à ce qu’il trouve celui qui fait le meilleur travail.
Certains réseaux de neurones peuvent travailler ensemble pour créer quelque chose de nouveau. Dans cet exemple, les réseaux créent des visages virtuels qui n’appartiennent pas à des personnes réelles lorsque vous rafraîchissez l’écran.
Un réseau tente de créer un visage, et l’autre tente de juger s’il est réel ou faux. Ils vont et viennent jusqu’à ce que le second ne puisse pas dire que le visage créé par le premier est faux.
Les humains aussi profitent des grandes données. Une personne perçoit environ 30 images par seconde, soit 1800 images par minute, et plus de 600 millions d’images par an.
C’est pourquoi nous devrions donner aux réseaux neuronaux une possibilité similaire de disposer de grandes données pour la formation.
Comment fonctionne un réseau neuronal de base ?
Un réseau de neurones est un réseau de neurones artificiels programmés dans un logiciel. Il tente de simuler le cerveau humain, il comporte donc plusieurs couches de « neurones », tout comme les neurones de notre cerveau.
La première couche de neurones reçoit des données telles que des images, des vidéos, du son, du texte, etc. Ces données d’entrée passent par toutes les couches, car la sortie d’une couche est transmise à la couche suivante.
Prenons l’exemple d’un réseau de neurones qui est entraîné à reconnaître les chiens et les chats. La première couche de neurones va décomposer cette image en zones claires et sombres.
Ces données seront introduites dans la couche suivante pour reconnaître les bords. La couche suivante essaiera alors de reconnaître les formes formées par la combinaison des bords.
Les données passeraient à travers plusieurs couches de manière similaire pour finalement reconnaître si l’image que vous avez montrée est un chien ou un chat selon les données sur lesquelles il a été entraîné.
Ces réseaux peuvent être incroyablement complexes et comporter des millions de paramètres pour classer et reconnaître les données qu’il reçoit.
Pourquoi voit-on aujourd’hui tant d’applications des réseaux de neurones ?
En fait, les réseaux neuronaux ont été inventés il y a longtemps, en 1943, lorsque Warren McCulloch et Walter Pitts ont créé un modèle de calcul pour les réseaux neuronaux basé sur des algorithmes.
L’idée a ensuite connu une longue hibernation car les immenses ressources de calcul nécessaires à la construction des réseaux neuronaux n’existaient pas encore.
Récemment, l’idée est revenue en force, grâce à des ressources de calcul avancées comme les unités de traitement graphique (GPU).
Il s’agit de puces qui ont été utilisées pour le traitement des graphiques dans les jeux vidéo, mais il s’avère qu’elles sont excellentes pour le traitement des données nécessaires au fonctionnement des réseaux neuronaux. C’est pourquoi nous assistons aujourd’hui à la prolifération des réseaux neuronaux.
Lire aussi : Et si l’Univers tout entier était un gigantesque réseau de neurones informatique ?
Source : The Conversation – Traduit par Anguille sous roche
