La DARPA (Defense Advanced Research Projects Agency) est une agence américaine responsable du développement de nouvelles technologies pour l'armée. Elle est notamment à l'origine de la création d'internet. Un de ses programmes vise à renforcer les outils d'intelligence artificielle afin que les machines apprennent par elles-mêmes plus rapidement. On retrouve des machines « apprenantes » actuellement dans les systèmes de filtrage de spams, les assistants personnels des smartphones ou les voitures sans conducteurs.

« Malheureusement, alors que la demande pour ce type de capacités s'accélère, chaque nouvelle application demande des efforts colossaux. Même une équipe d'experts en matière d'apprentissage des machines progresse lentement car nous manquons d'outils afin de réaliser ces systèmes capables d'apprendre par eux-mêmes » a déclaré l'agence.

Son objectif est de développer des outils plus avancés dans le cadre d'un programme appelé Probabilistic Programming for Advanced Machine Learning (PPAML), ou programmation probabiliste pour l'apprentissage automatique avancé.  Les objectifs sont que beaucoup plus de gens puissent créer des applications qui apprennent par elles-mêmes, rendre plus efficaces les experts du domaine, et rendre possible des applications qui sont irréalisables actuellement. A l'appui de cet objectif primordial, le programme a pour volonté de réduire la taille du code à écrire pour l'apprentissage afin que le délai de développement d'une application soit réduit ainsi que le niveau d'expertise nécessaire.

« Nous voulons faire avec l'apprentissage des machines ce qui a été réalisé il y a 50 ans avec les langages de programmation de haut niveau pour tous les développeurs logiciels » annonce Kathleen Fisher, DARPA program manager.

Faire tomber les barrières

« Notre but est que futurs projets de systèmes à auto apprentissage, ne demandent pas la disponibilité de personnes qui soient à la fois expertes sur le sujet à enseigner aux machines et également expertes de l'auto apprentissage des machines. Grâce à de nouveaux langages de programmation probabilistes, spécifiquement adaptés aux inférences probabilistes, nous espérons  réduire de façon décisive les barrières aux machines à auto apprentissage, et favoriser un boom dans l'innovation, la productivité et l'efficacité » ajoute-t-elle.

Pour aller au-delà, l'agence a listé les défis de la recherche dans ce domaine : avancer dans la théorie de la programmation probabiliste ; découvrir des algorithmes d'inférence qui soient plus efficients, plus précis, plus prévisibles ou plus généralisables ; découvrir des représentations qui permettent des inférences plus efficaces, plus précises, plus prévisibles ou plus généralisables ; développer des algorithmes d'inférences qui fonctionnent sur des flux de données en streaming ou qui soient capables de mieux monter en charge, et enfin, construire des techniques pour évaluer l'aptitude d'un modèle pour un ensemble de données particulier.

N'importe quel système élaboré avec PPAML sera évalué via une collection de problèmes qui couvrent l'ensemble des applications fonctionnant par auto-apprentissage, affirme la DARPA. Le programme inclura des universités d'été de 2 à 4 semaines. L'agence va tenir le 10 avril 2013 une journée d'accueil pour le programme PPAML.