Des chercheurs tentent de rendre l’apprentissage d'IA moins laborieuse et plus correct

 

L'intelligence artificielle, l'IA, est aujourd'hui dominée par l'apprentissage profond, une forme puissante d'apprentissage automatique qui a connu sa grande percée en 2012. Il est maintenant utilisé dans tous les domaines possibles, de l'analyse de textes au diagnostic du cancer.

 

Cette technologie est maintenant aussi utilisée pour interpréter les électrocardiogrammes, les ECG, pour détecter des maladies du cœur. Suit à une formation, incluant plus que 2 millions cas diagnostiqués par spécialistes, cette application d'IA est maintenant capable à diagnostiquer aussi précise que les cardiologues.

 

C’est un progrès important mais pour rendre cette technologie encore plus performante, il faut que l’IA soit capable à apprendre plus vite. Il faut donc, dans quelque manière, développer une technique d’études pour que les robots apprenant plus vite. De la recherche est en cour.

 

L'éthique et la manière dont la société est affectée par IA sont aussi des questions importantes. Un problème est que les données d’apprentissage ne sont pas toujours objectives, cela simplement parce que les exemples utilisés pour l’apprentissage comprennent tous gendres de préjuges qui circulent dans la société. Le résultat risque donc d’être désavantageux pour certains groupes.

 

Un autre défi, qui fait l'objet de nombreuses recherches, est de réduire la consommation d'énergie. Plus les modèles sont complexes, plus il faut de puissance de calcul pour les entraîner. Un logiciel bien connu, appelé GPT-3, est maintenant capable d'écrire des textes d'une longueur impressionnante. Cependant, pour y arriver il a fallu l'ordre de 500 fois plus de paramètres de calcul que les modèles précédents, soit un total de 170 milliards. L’énergie électrique nécessaire pour entrainer ces types de logiciels est insensée.