Note de la rédaction : Les réseaux neuronaux constituent l’une des technologies centrales de l’intelligence artificielle. Dans cette interview, Tam Nguyen, professeur d’informatique à l’université de Dayton, explique comment fonctionnent les réseaux neuronaux, des programmes dans lesquels une série d’algorithmes tente de simuler le cerveau humain.
Quels sont les exemples de réseaux neuronaux que la plupart des gens connaissent ?
Il existe de nombreuses applications des réseaux neuronaux. Un exemple courant est la capacité de l’appareil photo de votre smartphone à reconnaître les visages.
Les voitures sans conducteur sont équipées de plusieurs caméras qui tentent de reconnaître les autres véhicules, les panneaux de signalisation et les piétons en utilisant des réseaux neuronaux, et tournent ou ajustent leur vitesse en conséquence.
Les réseaux neuronaux sont également derrière les suggestions de texte que vous voyez lorsque vous écrivez des textes ou des courriels, et même dans les outils de traduction disponibles en ligne.
Le réseau doit-il avoir une connaissance préalable de quelque chose pour pouvoir le classer ou le reconnaître ?
Oui, c’est pourquoi il est nécessaire d’utiliser les big data pour former les réseaux neuronaux. Ils fonctionnent parce qu’ils sont formés sur de grandes quantités de données pour ensuite reconnaître, classer et prédire des choses.
Dans l’exemple des voitures sans conducteur, il faudrait qu’il regarde des millions d’images et de vidéos de toutes les choses dans la rue et qu’on lui dise ce qu’est chacune de ces choses. Lorsque vous cliquez sur les images de passages piétons pour prouver que vous n’êtes pas un robot en naviguant sur internet, cela peut aussi servir à former un réseau neuronal. Ce n’est qu’après avoir vu des millions de passages piétons, sous tous les angles et dans toutes les conditions d’éclairage, qu’une voiture autonome sera capable de les reconnaître lorsqu’elle circulera dans la vie réelle.
Les réseaux neuronaux plus compliqués sont en fait capables de s’auto-apprendre. Dans la vidéo liée ci-dessous, le réseau se voit confier la tâche d’aller d’un point A à un point B, et vous pouvez le voir essayer toutes sortes de choses pour tenter d’amener le modèle à la fin du parcours, jusqu’à ce qu’il en trouve une qui fait le meilleur travail.
Certains réseaux neuronaux peuvent travailler ensemble pour créer quelque chose de nouveau. Dans cet exemple, les réseaux créent des visages virtuels qui n’appartiennent pas à des personnes réelles lorsque vous rafraîchissez l’écran. Un réseau fait une tentative de création d’un visage, et l’autre essaie de juger s’il est vrai ou faux. Ils font des allers-retours jusqu’à ce que le second ne puisse pas dire que le visage créé par le premier est faux.
Les humains profitent également des big data. Une personne perçoit environ 30 cadres ou images par seconde, ce qui signifie 1 800 images par minute, et plus de 600 millions d’images par an. C’est pourquoi nous devrions donner aux réseaux neuronaux une opportunité similaire de disposer des big data pour la formation.
Comment fonctionne un réseau neuronal de base ?
Un réseau neuronal est un réseau de neurones artificiels programmés dans un logiciel. Il tente de simuler le cerveau humain, il comporte donc plusieurs couches de « neurones », tout comme les neurones de notre cerveau. La première couche de neurones reçoit des données d’entrée telles que des images, des vidéos, des sons, des textes, etc. Ces données d’entrée traversent toutes les couches, car la sortie d’une couche alimente la couche suivante.
Prenons l’exemple d’un réseau neuronal entraîné à reconnaître les chiens et les chats. La première couche de neurones va décomposer cette image en zones claires et sombres. Ces données seront transmises à la couche suivante pour reconnaître les bords. La couche suivante essaiera ensuite de reconnaître les formes formées par la combinaison des bords. Les données passeraient par plusieurs couches de manière similaire pour finalement reconnaître si l’image que vous lui avez montrée est un chien ou un chat selon les données sur lesquelles il a été entraîné.
Ces réseaux peuvent être incroyablement complexes et se composer de millions de paramètres pour classer et reconnaître les entrées qu’il reçoit.
Pourquoi voyons-nous tant d’applications des réseaux neuronaux maintenant ?
En fait, les réseaux neuronaux ont été inventés il y a longtemps, en 1943, lorsque Warren McCulloch et Walter Pitts ont créé un modèle de calcul pour les réseaux neuronaux basé sur des algorithmes. Puis l’idée a connu une longue hibernation, car les immenses ressources informatiques nécessaires à la construction de réseaux neuronaux n’existaient pas encore.
Récemment, l’idée est revenue en force, grâce à des ressources informatiques avancées comme les unités de traitement graphique (GPU). Ce sont des puces qui ont été utilisées pour traiter les graphiques dans les jeux vidéo, mais il s’avère qu’elles sont excellentes pour croquer les données nécessaires au fonctionnement des réseaux neuronaux également. C’est pourquoi nous assistons maintenant à la prolifération des réseaux neuronaux.