Modèles et plateformes d’IA
Les neuroscientifiques conçoivent un modèle pour refléter l’apprentissage visuel humain
Ajouter Unite.AI à vos sources préférées sur Google
En programmant l’intelligence artificielle (IA) basée sur l’ordinateur pour utiliser une technique plus rapide pour apprendre de nouveaux objets, l’IA commence à fonctionner plus comme l’intelligence humaine. Cela vient après que deux neuroscientifiques aient conçu un modèle pour refléter l’apprentissage visuel humain.
La recherche menée par Maximillian Riesenhuber, PhD, professeur de neurosciences au Centre médical de l’Université de Georgetown, et Joshua Rule, PhD, chercheur postdoctoral à l’UC Berkeley, a été publiée dans la revue Frontiers in Computational Neuroscience.
L’apprentissage de l’IA à de nouveaux concepts visuels
Les neuroscientifiques ont démontré comment la nouvelle approche améliore la capacité du logiciel d’IA à apprendre rapidement de nouveaux concepts visuels.
« Notre modèle fournit une façon biologiquement plausible pour les réseaux neuronaux artificiels d’apprendre de nouveaux concepts visuels à partir d’un petit nombre d’exemples », déclare Riesenhuber. « Nous pouvons amener les ordinateurs à apprendre beaucoup mieux à partir de quelques exemples en exploitant l’apprentissage antérieur d’une manière que nous pensons refléter ce que le cerveau est en train de faire. »
Les humains ont la capacité d’apprendre de nouveaux concepts visuels à partir de données rares très rapidement et avec précision. Nous possédons cette capacité à un très jeune âge, dès trois mois. Cependant, les ordinateurs nécessitent de nombreux exemples du même objet pour finalement savoir ce que c’est.
« La puissance de calcul de la hiérarchie du cerveau réside dans le potentiel de simplifier l’apprentissage en exploitant les représentations précédemment apprises à partir d’une banque de données, pour ainsi dire, pleine de concepts sur les objets », déclare Riesenhuber.
Réseaux neuronaux artificiels vs Système visuel humain
Riesenhuber et Rule ont constaté que les réseaux neuronaux artificiels peuvent apprendre de nouveaux concepts visuels beaucoup plus rapidement, en approchant le niveau de capacité humaine.
« Plutôt que d’apprendre des concepts de niveau élevé en termes de caractéristiques visuelles de niveau inférieur, notre approche les explique en termes d’autres concepts de niveau élevé », déclare Rule. « C’est comme dire qu’un ornithorynque ressemble un peu à un canard, à un castor et à une loutre de mer. »
L’apprentissage de concepts visuels humains repose fortement sur les réseaux neuronaux impliqués dans le processus de reconnaissance d’objets, et le lobe temporal antérieur du cerveau est censé être capable de dépasser la forme en ce qui concerne les représentations de concepts. Puisque ces hiérarchies neurales impliquées dans la reconnaissance visuelle sont si complexes, les humains peuvent apprendre de nouvelles tâches et exploiter l’apprentissage antérieur.
« En réutilisant ces concepts, vous pouvez apprendre plus facilement de nouveaux concepts, de nouveaux sens, tels que le fait qu’un zèbre est simplement un cheval d’une autre rayure », déclare Riesenhuber.
L’IA n’a pas encore atteint le même niveau que le système visuel humain, qui a une capacité supérieure à généraliser à partir de quelques exemples, à traiter les variations d’images et à comprendre les scènes. Cependant, les progrès rapprochent l’IA de ce niveau.
« Nos résultats ne suggèrent pas seulement des techniques qui pourraient aider les ordinateurs à apprendre plus rapidement et plus efficacement, mais ils peuvent également conduire à de meilleures expériences de neurosciences visant à comprendre comment les gens apprennent si rapidement, ce qui n’est pas encore bien compris », déclare Riesenhuber.
