Modèles et plateformes d’IA
Améliorer la vision par ordinateur alimentée par l’IA grâce à la prise en compte de la physique
Ajouter Unite.AI à vos sources préférées sur Google
L’intelligence artificielle a indéniablement laissé une marque indélébile sur nos vies. Dans un effort pionnier pour améliorer encore les capacités de l’IA, des chercheurs de l’UCLA et du Laboratoire de recherche de l’armée des États-Unis ont dévoilé une approche unique qui combine la prise en compte de la physique avec des techniques basées sur les données dans les technologies de vision par ordinateur alimentées par l’IA.
L’étude, publiée dans Nature Machine Intelligence, propose une méthodologie hybride innovante visant à affiner la façon dont les machines basées sur l’IA perçoivent, interagissent et réagissent à leur environnement en temps réel – essentiel pour les véhicules autonomes et les robots d’action de précision.
Approche hybride pour l’IA consciente de la physique
Traditionnellement, la vision par ordinateur, le domaine qui permet à l’IA de comprendre et de déduire les propriétés du monde physique à partir d’images, s’est largement concentrée sur l’apprentissage automatique basé sur les données. En parallèle, la recherche basée sur la physique a cherché à élucider les principes physiques sous-jacents à de nombreux défis de vision par ordinateur. Cependant, l’intégration de la compréhension de la physique dans le domaine des réseaux de neurones s’est avérée difficile.
Dans une avancée significative, l’étude de l’UCLA vise à combiner la compréhension approfondie des données et la connaissance du monde réel de la physique, créant ainsi une IA hybride à capacités accrues. Achuta Kadambi, auteur principal de l’étude et professeur agrégé de génie électrique et informatique à l’école d’ingénierie Samueli de l’UCLA, explique : « Les formes d’inférence conscientes de la physique peuvent permettre aux voitures de conduire plus en sécurité ou aux robots chirurgicaux d’être plus précis. »
Incorporer la physique dans la vision par ordinateur de l’IA
L’équipe de recherche décrit trois moyens innovants d’intégrer la physique dans la vision par ordinateur de l’IA :
- Infuser la physique dans les ensembles de données de l’IA : cela implique de marquer les objets avec des informations supplémentaires, telles que leur vitesse ou leur poids potentiels, semblable aux personnages de jeux vidéo.
- Intégrer la physique dans les architectures de réseaux : cette stratégie consiste à faire passer les données à travers un filtre de réseau qui code les propriétés physiques dans ce que les caméras capturent.
- Incorporer la physique dans la fonction de perte du réseau : ici, les connaissances basées sur la physique sont utilisées pour aider l’IA à interpréter les données de formation sur ses observations.
Ces lignes de recherche expérimentale ont déjà produit des résultats prometteurs pour améliorer la vision par ordinateur. Par exemple, l’approche hybride permet à l’IA de suivre et de prédire le mouvement d’un objet avec plus de précision et peut produire des images précises et à haute résolution à partir de scènes obscurcies par des conditions météorologiques défavorables.
Le futur de l’IA consciente de la physique
Les chercheurs sont optimistes que les progrès continus dans cette approche à double modalité pourraient amener les IA basées sur l’apprentissage profond à apprendre de manière autonome les lois de la physique. Cela pourrait marquer une nouvelle frontière dans les technologies de vision par ordinateur alimentées par l’IA, ouvrant la voie à des applications d’IA plus sûres et plus précises dans divers secteurs, notamment les véhicules autonomes et la robotique chirurgicale.
L’étude, soutenue en partie par une subvention du Laboratoire de recherche de l’armée, a été co-écrite par le scientifique informatique du Laboratoire de recherche de l’armée Celso de Melo, et les membres de la faculté de l’UCLA Stefano Soatto, Cho-Jui Hsieh et Mani Srivastava. Un financement supplémentaire est venu de subventions de la Fondation nationale pour la science, du Programme de jeune investigateur de l’armée, de l’Agence de recherche et de développement avancé de la défense, d’Intrinsic, une société Alphabet (GOOG ) (GOOGL ), et d’Amazon.
