Un réseau de neurones organise le monde en concepts

, , , , I.A. https://farm5.staticflickr.com/4883/46013529824_acb21afe73_b.jpg https://farm5.staticflickr.com/4883/46013529824_acb21afe73_b.jpg Technologie Média 0 https://technologiemedia.net/2019/01/14/un-reseau-de-neurones-organise-le-monde-en-concepts/#respond
902

GAN-organise-le-monde-en-concepts

Les GAN, ou réseaux antagonistes génératifs, sont la star des réseaux sociaux des algorithmes d’intelligence artificielle. Ils sont responsables de la création du premier tableau réalisé par une intelligence artificielle vendu lors d’une vente aux enchères. Ils travaillent en opposant deux réseaux de neurones afin de créer des sorties réalistes basées sur ce dont ils se nourrissent.

Une IA qui interprète le monde en concepts

Nourrissez une grande quantité de photos de chiens, et cela peut créer de tout nouveaux chiens, le nourrir de beaucoup de visages, et il peut créer de nouveaux visages.

Des chercheurs du laboratoire d’IA du MIT=IBM Watson ont réalisé que les GAN étaient également un outil puissant: car ils décrivent ce qu’ils «pensent», ils pourraient donner à l’homme un aperçu de la manière dont les réseaux de neurones apprennent et raisonnent.

C’est ce que la communauté de la recherche au sens large cherche depuis longtemps – et cela devient de plus en plus important avec notre recours croissant aux algorithmes.

«Nous avons une chance d’apprendre ce qu’un réseau sait en essayant de recréer le monde visuel», déclare David Bau, un étudiant au doctorat du MIT qui a travaillé sur ce projet.

Les chercheurs ont donc commencé à sonder les mécanismes d’apprentissage d’un GAN en lui fournissant diverses photos de paysages – comme des arbres, de l’herbe et des bâtiments. Ils voulaient voir s’il apprendrait à organiser les pixels en groupes organisés sans se faire expliquer comment.

Des groupes de neurones avaient appris à représenter des objets

Étonnamment, au fil du temps, il l’a fait. En allumant et en éteignant divers «neurones» et en demandant au GAN de décrire ce qu’il en pensait, les chercheurs ont par exemple découvert des groupes de neurones distincts qui avaient appris à représenter un arbre. D’autres groupes représentaient de l’herbe, d’autres encore représentaient des murs ou des portes.

En d’autres termes, il avait réussi à regrouper les pixels de l’arbre avec les pixels de l’arbre et les pixels de la porte avec les pixels de la porte, quelle que soit la manière dont ces objets changeaient de couleur d’une photo à l’autre lors de leur de formation.

De plus, le GAN semblait savoir quel type de porte peindre en fonction du type de mur représenté dans une image. Il peindrait une porte de style géorgien sur un bâtiment en brique à l’architecture géorgienne, ou une porte en pierre sur un bâtiment gothique. Il a également refusé de peindre les portes sur un morceau de ciel. Sans qu’on le lui dise, le GAN avait en quelque sorte saisi certaines vérités inexprimées sur le monde ou concepts.

Certains aspects du sens commun émergeaient

Ce fut une grande révélation pour l’équipe de recherche. «Certains aspects du sens commun émergeaient», déclare Bau. « On ne savait pas auparavant s’il y avait un moyen d’apprendre ce genre de chose [par l’apprentissage en profondeur]. » Cela est possible, ce qui suggère que l’apprentissage en profondeur peut nous rapprocher du fonctionnement de notre cerveau ce que nous ne pensions pas auparavant. »

Selon Bau, d’autres groupes de recherche ont commencé à trouver des comportements d’apprentissage similaires dans les réseaux manipulant d’autres types de données. Dans la recherche sur les langues, par exemple, les gens ont trouvé des groupes de neurones pour les mots au pluriel et les pronoms de genre.

Pouvoir identifier les réseaux correspondant aux concepts permet de contrôler la sortie du réseau de neurones. Le groupe de Bau peut activer uniquement les neurones de l’arbre, par exemple, pour faire peindre des arbres au GAN, ou allumer uniquement les neurones de la porte pour le lui faire peindre une porte.

De même, les réseaux linguistiques peuvent être manipulés pour modifier leur rendu, par exemple pour permuter le genre des pronoms lors de la traduction d’une langue à une autre. «Nous commençons à permettre à une personne d’intervenir pour obtenir différents résultats», explique Bau.

GANpaint un outil artistique

L’équipe a maintenant publié une application appelée GANpaint qui transforme cette nouvelle capacité en un outil artistique. Il permet d’activer des groupes de neurones spécifiques pour peindre des scènes de bâtiments dans des champs herbeux avec plusieurs portes. Au-delà de sa bêtise en tant que débouché ludique, elle témoigne également du potentiel plus important de cette recherche.

Avec GANpaint, vous commencez à ouvrir le couvercle de la boîte noire et à établir une sorte de relation. «Vous pouvez comprendre ce qui se passe si vous faites ceci, ou ce qui se passe si vous faites cela», déclare Hendrik Strobelt, le créateur de l’application. « Dès que vous pouvez jouer avec ce matériel, vous gagnez la confiance en ses capacités et ses limites. »

Source : MIT Technology Review

https://farm5.staticflickr.com/4883/46013529824_acb21afe73_b.jpg