Une équipe de chercheurs de l’USC (université de Californie du Sud) aide l’IA à imaginer l’invisible, une technique qui pourrait également conduire à une IA plus juste, à de nouveaux médicaments et à une sécurité accrue des véhicules autonomes.
Imaginez un chat orange. Maintenant, imaginez le même chat, mais avec une fourrure noir charbon. Maintenant, imaginez le chat se pavanant le long de la Grande Muraille de Chine. Une série rapide d’activations de neurones dans votre cerveau produira des variations de l’image présentée, en fonction de votre connaissance antérieure du monde.
En d’autres termes, en tant qu’êtres humains, il est facile d’imaginer un objet avec des attributs différents. Mais, malgré les progrès des réseaux de neurones profonds qui égalent ou surpassent les performances humaines dans certaines tâches, les ordinateurs luttent toujours avec la compétence très humaine de «l’imagination».
Aujourd’hui, une équipe de recherche de l’USC composée du professeur d’informatique Laurent Itti et des doctorants Yunhao Ge, Sami Abu-El-Haija et Gan Xin, a développé une IA qui utilise des capacités humaines pour imaginer un objet jamais vu auparavant. L’article, intitulé Zero-Shot Synthesis with Group-Supervised Learning, a été publié lors de la Conférence internationale 2021 sur les représentations de l’apprentissage le 7 mai.
“Nous nous sommes inspirés des capacités de généralisation visuelle humaine pour essayer de simuler l’imagination humaine dans des machines”, a déclaré Ge, l’auteur principal de l’étude.
“Les humains peuvent séparer leurs connaissances acquises par des attributs – par exemple, la forme, la pose, la position, la couleur – puis les recombiner pour imaginer un nouvel objet. Notre article tente de simuler ce processus à l’aide de réseaux de neurones.
Problème de généralisation de l’IA
Par exemple, supposons que vous souhaitiez créer un système d’IA qui génère des images de voitures. Idéalement, vous fourniriez à l’algorithme quelques images d’une voiture, et il serait capable de générer de nombreux types de voitures, des Porsche aux Pontiac en passant par les camionnettes, dans n’importe quelle couleur, sous plusieurs angles.
C’est l’un des objectifs longtemps recherchés de l’IA : créer des modèles pouvant extrapoler. Cela signifie que, compte tenu de quelques exemples, le modèle devrait être capable d’extraire les règles sous-jacentes et de les appliquer à une vaste gamme de nouveaux exemples qu’il n’a jamais vus auparavant. Mais les machines sont le plus souvent entraînées sur des exemples de caractéristiques, des pixels par exemple, sans prendre en compte les attributs de l’objet.
La science de l’imaginaire
Dans cette nouvelle étude, les chercheurs tentent de surmonter cette limitation en utilisant un concept appelé démêlage.
En démêlant les mouvements et l’identité du visage humain. En faisant cela, a déclaré Ge, “les gens peuvent synthétiser de nouvelles images et vidéos qui remplacent l’identité de la personne d’origine par une autre personne, mais conservent le mouvement d’origine”.