Sujet
Tous les articles d’Actu.ai consacrés à Apprentissage profond : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 16 articles
Le vaccin contre la grippe doit être décidé plusieurs mois avant la saison, alors même que le virus continue d’évoluer. Des chercheurs du MIT présentent VaxSeer, un système d’IA qui évalue à la fois la probabilité de propagation des souches et la protection attendue des candidats vaccins.
Des chercheurs du MIT ont comparé un émulateur climatique fondé sur un principe physique simple à un modèle d’apprentissage profond. Leur résultat nuance l’idée selon laquelle l’IA la plus complexe est forcément la meilleure : tout dépend de la température, des précipitations et surtout de la manière dont les modèles sont évalués.
Une équipe de l’Université de Bâle propose une analogie étonnante pour étudier l’apprentissage profond : une règle pliable dont chaque segment représente une couche neuronale. Ses mouvements permettent de visualiser pourquoi les données ne sont pas toujours transformées de façon égale à chaque étape d’un réseau d’IA.
Des chercheurs du MIT ont conçu un système capable de piloter des robots souples bio-inspirés à partir d’une seule caméra. Son modèle d’apprentissage profond reconstruit en 3D la forme et les mouvements possibles de la machine, afin de produire des commandes précises sans multiplier les capteurs embarqués.
Des chercheurs d’Osnabrück et de la Freie Universität Berlin proposent des réseaux neuronaux organisés comme une surface corticale. Baptisés All-TNNs, ces modèles cherchent à reproduire plus fidèlement que les CNN classiques la manière dont le cerveau distribue les préférences visuelles dans l’espace.
Des chercheurs de l’Université Laurentienne ont mis au point un système d’IA capable de lire l’image d’un tissu et d’en déduire des instructions exploitables par des machines à tricoter. Testé sur près de 5 000 échantillons, il dépasse 97 % de précision et pourrait accélérer la création de vêtements personnalisés.
Les grands systèmes d’IA ne dépendent pas seulement de leurs algorithmes : leur efficacité repose aussi sur la coordination du logiciel, de la mémoire, de l’énergie et des processeurs. Des chercheurs du MIT proposent un langage graphique fondé sur la théorie des catégories pour représenter ces interactions et guider leur optimisation.
Dans un réacteur nucléaire, certains paramètres essentiels sont difficiles à mesurer directement, notamment dans des zones soumises à la chaleur, à la pression et aux radiations. Des chercheurs de l’Université de l’Illinois à Urbana-Champaign misent sur des capteurs virtuels dopés à l’IA pour les estimer en temps réel et repérer plus vite d’éventuelles anomalies.
Les systèmes d’intelligence artificielle excellent à détecter des régularités, mais ils peuvent confondre une simple coïncidence avec un véritable lien de cause à effet. Une approche étudiée avec le modèle SURD vise à repérer ces signaux parasites et à les atténuer automatiquement, afin de rendre les décisions algorithmiques plus robustes.
Face à l’insuffisance cardiaque, qui concerne plus de 64 millions de personnes dans le monde, une IA baptisée CHAIS explore une piste de suivi précoce. À partir d’un seul signal d’électrocardiogramme, elle ambitionne d’estimer un indicateur cardiaque habituellement évalué par cathétérisme.
Les chercheurs du MIT présentent SySTeC, un compilateur conçu pour alléger les calculs des simulations et modèles d’apprentissage profond. En exploitant automatiquement la sparsité et la symétrie des données, l’outil peut accélérer fortement certains programmes sans imposer aux scientifiques de réécrire eux-mêmes les optimisations les plus complexes.
Un robot peut reconnaître une tasse sans pour autant savoir si elle est pleine, fragile ou à portée de pince. La recherche cherche donc à dépasser la simple détection d’objets, en combinant vision, capteurs, apprentissage et action pour permettre aux machines d’évoluer avec fiabilité dans le monde réel.
Adapter une même image à un smartphone, une tablette et un ordinateur impose souvent des compromis visuels. Des chercheurs de l’Université de Sharjah explorent une approche par apprentissage profond pour aider à choisir automatiquement la technique de retargeting la plus adaptée, avec un score F1 atteignant 90 % dans leurs expériences.
L’analyse vidéo par intelligence artificielle promet de repérer personnes, objets et actions dans des flux en temps réel. Derrière cette ambition, les performances dépendent fortement des images, du contexte et des tests réalisés. Voici comment ces outils fonctionnent, ce qu’ils peuvent réellement apporter et les précautions indispensables.
Le chercheur canadien Yoshua Bengio, pionnier de l’apprentissage profond, alerte sur les risques liés à des systèmes d’IA toujours plus capables. Sans freiner les usages utiles, il appelle à mieux tester, encadrer et gouverner les technologies susceptibles d’échapper au contrôle humain.
Un visage dans une prise électrique, une voiture qui semble sourire, une silhouette dans un nuage : notre cerveau excelle à trouver du familier dans l’aléatoire. Les systèmes de vision par ordinateur peuvent eux aussi signaler ces faux visages, mais leur mécanisme, leurs erreurs et leurs conséquences n’ont rien d’humain.
