Sujet
Tous les articles d’Actu.ai consacrés à Deep learning : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 15 articles
Des ingénieurs de l’Université de Californie à Santa Cruz proposent une méthode où un modèle d’IA apprend grâce à des informations situées juste après la période qu’il doit analyser. Testée sur des électroencéphalogrammes, elle améliore la prévision de crises d’épilepsie, sans pour autant donner à la machine le pouvoir de voir l’avenir.
Voir une personne dans une image est devenu courant pour l’IA. Reconstituer avec précision la position de son corps dans l’espace à partir de plusieurs caméras reste, en revanche, un défi majeur. Le modèle MV-SSM illustre les progrès possibles, tout en rappelant le rôle crucial de la calibration.
L’intelligence artificielle semble avoir surgi dans la vie quotidienne en quelques mois. Pourtant, ses principes, ses ambitions et nombre de ses méthodes sont le résultat de plus de soixante-dix ans de recherche. Des premiers travaux d’Alan Turing aux modèles génératifs, son histoire éclaire autant ses progrès que ses limites.
Une équipe de l’Université Bar-Ilan propose une méthode d’élagage capable de retirer jusqu’à 90 % des paramètres de certaines couches de réseaux profonds. L’objectif est de réduire la mémoire, les calculs et l’énergie requis, sans dégrader la précision des résultats.
Pourquoi les réseaux neuronaux parviennent-ils à extraire des structures utiles de masses de données ? Une équipe du MIT CSAIL avance que représentations internes, poids et gradients pourraient obéir à des règles communes. Ses hypothèses cherchent à relier plusieurs phénomènes encore difficiles à expliquer dans le deep learning.
Les IA dites « raisonnantes » semblent désormais décomposer des problèmes, écrire du code ou expliquer leurs réponses. Mais elles ne pensent pas comme un humain : elles apprennent des régularités dans d’immenses volumes de données et produisent des résultats probabilistes. Voici ce qui se joue réellement derrière leurs décisions, entre progrès spectaculaires et limites fondamentales.
Les progrès de l’intelligence artificielle ne reposent pas seulement sur des algorithmes plus performants. Ils créent aussi un vocabulaire et des méthodes que biologistes, roboticiens, climatologues et informaticiens peuvent partager. Cette convergence, illustrée par AlphaFold et les travaux menés au MIT, pourrait transformer la façon dont la science coopère.
Des chercheurs ont entraîné une IA à repérer des objets anormaux dans des images de cargaisons encombrées. Le taux de 98 % annoncé ouvre des perspectives pour les contrôles, sans supprimer l’étape décisive de la vérification humaine ni les exigences de validation en conditions réelles.
Une équipe de Princeton et de l’Institut indien de technologie a mis au point une méthode d’IA pour concevoir des composants de puces destinés aux communications sans fil. Le système produit en quelques heures des structures électromagnétiques complexes, parfois déroutantes pour un ingénieur, mais capables de réunir des fonctions difficiles à obtenir avec les méthodes habituelles.
L’arrivée de la génération Z dans les usines ne se résume pas à un renouvellement des effectifs. Elle pousse les entreprises à rendre la vision industrielle plus simple à utiliser, plus collaborative et plus utile au quotidien. L’intelligence artificielle et le cloud peuvent accompagner ce changement, à condition de placer les équipes au centre.
L’intelligence artificielle progresse, mais son entraînement mobilise des ressources informatiques considérables. Des chercheurs étudient une piste inspirée de l’apprentissage humain : commencer par des réseaux de neurones plus petits et des exercices gradués, afin de conserver de bonnes performances tout en limitant les besoins énergétiques.
Avant de devenir la technologie qui alimente les assistants génératifs et les outils de reconnaissance d’images, le deep learning a longtemps suscité le doute. Entre 2007 et 2012, ImageNet, AlexNet et les GPU ont fait converger données, algorithmes et puissance de calcul, changeant durablement la trajectoire de l’intelligence artificielle.
Le prix Nobel de physique 2024 distingue John J. Hopfield et Geoffrey E. Hinton pour des travaux qui ont contribué à rendre possible l’apprentissage automatique par réseaux de neurones. De la mémoire associative aux machines de Boltzmann, leurs idées venues de la physique ont posé des jalons essentiels de l’intelligence artificielle contemporaine.
Pour simuler un phénomène complexe, il faut choisir les bonnes données et les bons scénarios à explorer. L’intelligence artificielle améliore cette étape d’échantillonnage, afin d’obtenir des résultats plus riches sans multiplier inutilement les calculs. Une évolution prometteuse pour la recherche, l’industrie et la médecine.
En entraînant une intelligence artificielle pendant 50 000 heures sur Pokémon Rouge, Peter Whidden a rendu visibles les mécanismes, mais aussi les impasses, de l’apprentissage profond. L’agent a vaincu Brock et optimisé certaines captures, avant de se perdre dans la Grotte Sombre.
