ArticleDonnées & IA
Apple publie un article scientifique sur le machine learning
Travaillant depuis juin dernier sur son premier article scientifique portant sur l'apprentissage machine, Apple vient tout juste de le publier. Il décrit une technique pour améliorer la capacité d'un algorithme à reconnaître des images en se basant sur celles générées par des ordinateurs plutôt que sur de véritables clichés.
Apple est prêt à partager le fruit de certaines de ses recherches. En particulier sur l'intelligence artificielle et le machine learning dont l'activité est pilotée depuis octobre par le chercheur Russ Salakhutdinov. Confirmant sa volonté manifestée en juin de mettre dans le domaine public certaines de ses recherches dans ces domaines, la firme à la pomme vient de publier un premier article. D'autres devraient suivre dans les prochains mois.
Pour sa première recherche, Apple s'est intéressé au manque de capacités de l'intelligence artificielle pour reconnaitre des objets utilisant des images recréées par ordinateur plutôt que de véritables photographies. Une problématique cruciale dans la mesure où contrairement aux images réelles nécessitant qu'une personne décrive ou renseigne l'ensemble des éléments la constituant (arbre, vélo, chien...), ce n'est pas le cas d'une image de synthèse dont les éléments qui la composent incluent déjà des « annotations » permettant à un système apprenant de les identifier. Problème : l'image de synthèse n'est souvent pas assez réaliste par rapport à une image réelle, engendrant des problèmes de reconnaissance.
Accroître le réalisme d'une image de synthèse
Tout le travail d'Apple a donc consisté à proposer une technique permettant à un système apprenant d'améliorer la reconnaissance des éléments composant une image de synthèse. Les chercheurs d'Apple ont ainsi mis au point « Simulated+Unsupervised learning » permettant d'accroître le réalisme d'une image de synthèse afin d'en améliorer la reconnaissance par des systèmes apprenants. Pour cela, une version modifiée d'une nouvelle technique de machine learning a été utilisée, Generative Adversarial Networks, opposant deux réseaux neuronaux pour générer des images photoréalistes...