Trois lauréats du prix Turing ont débattu au Forum de Heidelberg pour savoir si l'apprentissage profond pouvait permettre un raisonnement au niveau humain

Raj Reddy, lauréat du prix Turing, 85 ans, a participé au 9e Forum des lauréats de Heidelberg qui s'est récemment tenu. Il a soupiré sincèrement : « Je travaille dans le domaine de l'intelligence artificielle depuis près de 60 ans. Je n'aurais jamais pensé que cette technologie serait pratique de mon vivant. À cette époque, un algorithme innovant de classification d’images basé sur des réseaux neuronaux multicouches s’est soudainement révélé bien meilleur que tous les algorithmes précédents. Cette percée permet l’application de l’apprentissage profond dans des domaines tels que la reconnaissance de la parole et des images, la traduction et la transcription automatiques et la robotique.

Alors que l'apprentissage profond est intégré dans de plus en plus d'applications quotidiennes, de plus en plus d'exemples de choses qui peuvent mal tourner font surface : les systèmes d'IA feront de la discrimination, formuleront des stéréotypes et prendront des décisions insaisissables, et nécessiteront de grandes quantités de données et parfois de grandes quantités d'énergie. ​

Dans ce contexte, le 9ème Heidelberg Laureate Forum a organisé une table ronde sur les applications et l'impact de l'apprentissage profond pour environ 200 jeunes chercheurs de plus de 50 pays. Les discussions ont inclus les lauréats du prix Turing Yoshua Bengio, Yann LeCun et Raj Reddy, le lauréat du prix ACM Computing Award 2011 Sanjeev Arora et les chercheurs Shannon Vallor, Been Kim, Dina Machuve et Shakir Mohamed.

Yann LeCun, scientifique en chef de l'IA chez Meta, était le plus optimiste des panélistes : "Beaucoup de gens prétendent que l'apprentissage profond ne peut pas faire ceci ou cela, et la plupart de ces affirmations se sont révélées fausses après plusieurs années d'essai. travail. Au cours des cinq dernières années En 2016, l'apprentissage profond a été capable de faire des choses qu'aucun de nous n'aurait pu imaginer, et les progrès s'accélèrent ​

LeCun Par exemple, Facebook, propriété de Meta, peut désormais détecter automatiquement. 96 % des discours de haine. Il y a environ quatre ans, la proportion n'était que de 40 %. Il attribue cette amélioration au deep learning. "Nous sommes bombardés de nombreuses informations chaque jour, et cela ne fait qu'empirer. Nous aurons besoin de davantage de systèmes automatisés nous permettant de passer au crible ces informations

Professeur Shannon Vallor de l'Université d'Édimbourg au Royaume-Uni." Le point de vue de LeCun n'est pas d'accord, c'est que la technologie ne fait qu'avancer, qu'elle semble avoir sa propre volonté et que la société doit simplement s'adapter. "C'est exactement la raison pour laquelle nous nous heurtons à certains des problèmes que nous rencontrons. La technologie peut emprunter de nombreux chemins, et les gens décident quel est le meilleur. Les systèmes d'apprentissage profond sont construits et construits par les humains en fonction de leurs propres valeurs, incitations et structures de pouvoir. Les déploiements sont de véritables artefacts, nous en sommes donc seuls responsables. .Mais ça rentre. Cependant, Bengio et LeCun ne voient aucune raison pour laquelle les systèmes d’apprentissage profond ne pourraient pas être utilisés pour raisonner. Comme l'a observé Bengio, "Les humains utilisent également une sorte de réseau neuronal dans leur cerveau, et je pense qu'il existe des moyens de parvenir à un raisonnement semblable à celui des humains grâce à des architectures d'apprentissage profond

Cependant, Bengio a ajouté qu'il ne pense pas que ce soit le cas." il suffit de développer les réseaux de neurones actuels. "Je crois que nous pouvons nous inspirer davantage de la biologie et de l'intelligence humaine pour combler le fossé actuel entre l'intelligence artificielle et l'intelligence humaine."

Sanjeev Arora, informaticien théoricien à l'Université de Princeton, a ajouté que l'apprentissage profond n'est pas le seul à pouvoir raisonner. En fait, nous ne pouvons pas raisonner sur les réseaux neuronaux profonds. Arora a déclaré : "Nous devons mieux comprendre ce qui se passe à l'intérieur de la boîte noire des systèmes d'apprentissage profond, et c'est ce que j'essaie de faire

Raj Reddy est de loin le participant le plus ancien du projet." communauté de l'intelligence artificielle Membre de l'équipe impliqué dans les recherches doctorales du pionnier de l'intelligence artificielle John McCarthy depuis les années 1960. Reddy voit le verre à moitié plein et non à moitié vide. "Une application importante de l'apprentissage profond consiste à aider les personnes situées au bas de la pyramide sociale. Environ 2 milliards de personnes dans le monde ne savent ni lire ni écrire. Diverses technologies linguistiques sont désormais suffisamment performantes pour être utilisées, comme la reconnaissance vocale et la traduction. Je travaille dans ce domaine Pendant près de 60 ans, je n'aurais jamais imaginé que cette technologie serait pratique de mon vivant, et que même des personnes analphabètes seraient capables de lire n'importe quel livre, de regarder n'importe quel film et d'avoir une conversation avec n'importe qui, n'importe où dans le monde. dans leur langue maternelle.

Cependant, la gestion de langages de niche plus petits reste un problème non résolu pour les techniques d'apprentissage en profondeur, car beaucoup moins de données sont disponibles. Rien qu'en Afrique, 2 000 langues sont parlées mais aucune technologie d'IA n'est disponible, explique la consultante en science des données Dina Machuve. Il est important d’aller dans une communauté et de voir ce qui fonctionne pour cette communauté. C’est pourquoi, lorsqu’il a recherché des applications d’apprentissage profond pour l’Afrique, Machuve s’est concentré sur les applications d’images : « Nous avons développé une détection précoce des maladies des volailles et des cultures basée sur des systèmes de détection d’images. ."

Malheureusement, à bien des égards, l'Afrique reste le "continent manquant" dans la recherche et le déploiement du deep learning, ajoute Shakir Mohamed, chercheur à DeepMind. « Nous avons compté combien d'articles d'Africains ont été soumis à NeurIPS, une conférence bien connue sur le traitement de l'information neuronale, entre 2006 et 2016, et la réponse a été : 0. La même chose est vraie pour l'Amérique latine, peut-être 1. J'espère que vous tous , où que vous soyez, prenez au sérieux la question de la représentation, qui fait le travail, où il est fait et comment vous partagez votre expérience avec les autres », a déclaré Been Kim, chercheuse chez Google Brain, elle espère que tout le monde le fera. réaliser que l’apprentissage profond n’est pas un outil magique capable de résoudre tous les problèmes sociaux. En fait, a-t-elle observé : « Il existe peut-être des solutions non basées sur l'IA qui sont mieux adaptées à votre problème que l'apprentissage automatique. Vous devez vous arrêter et vous demander : est-ce le bon outil ? Il s'agit de savoir ce qu'est l'intelligence artificielle et ses perspectives, a déclaré Mohamed : "L'avenir n'a pas encore été décidé. Nous pouvons encore créer et façonner l'avenir, et c'est ce dont nous devons toujours nous souvenir

."

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!