Les intelligences artificielles semblent progresser toujours plus vite et dépasser certaines barrières que les scientifiques pensaient difficiles, ou presque impossibles, à franchir. Gamalon Machine Intelligence, une start-up de Boston créée en 2013, vient de proposer au champ de l’intelligence artificielle une nouvelle approche concernant l’apprentissage grâce à l’application des probabilités.
La start-up s’est intéressée plus particulièrement à la reconnaissance d’objets via son Bayesian Program Synthesis (BPS). Jusqu’à présent, un système ne reconnaissait un objet que si l’intelligence artificielle en question y avait déjà été confrontée. Elle devait impérativement effectuer une série de comparaisons avec des centaines de milliers d’images et trouver un objet similaire, ce qui prenait bien évidemment beaucoup de temps.
Il s’agit de ce que l’on appelle le deep learning et cette méthode a par exemple permis à Google de pouvoir reconnaitre les chats dans les vidéos de Youtube. Pour aboutir à un tel résultat, il était donc nécessaire aux systèmes d’analyser des millions d’images et d’utiliser les milliers de processeurs.
Dorénavant, une intelligence artificielle pourra savoir de quel objet il s’agit en quelques minutes et sans obligatoirement l’avoir vu auparavant. Gamalon Machine Intelligence a en effet développé un algorithme permettant aux intelligences artificielles d’apprendre à partir de bases de données beaucoup plus réduites. Ainsi, il leur faut résolument moins de temps et de puissance pour effectuer les tâches demandées. Le co-fondateur et CEO de Gamalon, Ben Vigoda, formé au MIT, l’expliquait ainsi à Bloomberg:
Vous pouvez lancer notre programme sur votre ordinateur portable, et il aura besoin de 100 fois moins de puissance pour trouver la réponse.
En utilisant l’algorithme de Gamalon développé à partir des probabilités, le système analysera l’objet en se basant sur des éléments clés de celui-ci. Par exemple, si l’objet est un chat, l’intelligence artificielle reconnaitra les moustaches et la queue, sans avoir besoin de le comparer à des millions d’images de chats de toutes les tailles ou couleurs.
A partir de là, elle comblera, grâce à l’algorithme, les éléments manquants pour pouvoir déterminer qu’il s’agit d’un chat. Il s’agit du même type de fonctionnement qu’un Pictionnary virtuel dans lequel un programme doit deviner ce que vous dessinez avant que vous ayez terminé. Il s’agit donc davantage d’une déduction que d’une comparaison.
Avaya utilise déjà certains produits de la start-up, Gamalon Structure et Gamalon Match, qui se concentrent sur la détection et la correction d’erreurs ou d’ambiguïtés dans les bases de données, notamment de type annuaire. L’algorithme va identifier une erreur en fonction du contexte et la corriger en quelques minutes au lieu de plusieurs jours. Le gain de temps est donc considérable mais les résultats également. La start-up facture ce service 10.000$ pour un mois d’analyse d’une base de données de 100.000 lignes.
L’idée générale de Gamalon Machine Intelligence est de pouvoir proposer une technologie de pointe à partir de moins de données, en moins de temps. La rapidité d’apprentissage permettrait ainsi d’adapter plus facilement les systèmes à différents types d’utilisation.
