Sujet
Tous les articles d’Actu.ai consacrés à Réseaux de neurones : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 20 articles
Des ingénieurs de Duke University ont mis au point une équipe d’agents d’IA capable de mener les étapes clés de problèmes de conception complexes. Testé sur des défis de métamatériaux, ce « scientifique artificiel » atteint des performances proches de celles de doctorants et illustre le potentiel, mais aussi les limites, de l’automatisation de la recherche.
Des chercheurs du Huzhou Institute de l’Université de Zhejiang proposent une navigation robotique qui s’inspire de la façon dont les humains repèrent un passage praticable. Leur méthode associe un réseau de neurones léger à un optimiseur de trajectoire afin de produire des mouvements plus stables dans des environnements complexes.
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.
Lorsqu’un réseau neuronal apprend une nouvelle tâche, il peut parfois dégrader brutalement ce qu’il savait déjà. Des memristors à commutation analogique, intégrés à des architectures neuromorphiques, ouvrent une piste pour un apprentissage plus continu, plus économe et mieux adapté au traitement en temps réel.
En apprenant sur d’immenses corpus, les grands modèles de langage produisent des réponses souvent cohérentes et parfois des raisonnements utiles. Leur parenté avec le cerveau humain reste toutefois une analogie limitée : ni conscience, ni expérience du monde, ni garantie de vérité.
Des chercheurs du FORTH ont conçu des réseaux de neurones artificiels qui s’inspirent des dendrites, les prolongements des neurones biologiques. Publiée dans Nature Communications, leur étude montre qu’une telle architecture peut rivaliser avec les réseaux classiques en reconnaissance d’images, tout en mobilisant moins de paramètres et de ressources d’apprentissage.
En combinant un hologramme, un liquide et un réseau de neurones, des chercheurs proposent une forme de chiffrement où la lumière brouillée devient la protection. Le dispositif a récupéré des images codées avec un taux de 90 à 95 %, mais son passage à l’échelle reste confronté aux contraintes des lasers.
La faible luminosité reste un obstacle majeur pour les robots qui doivent se repérer par caméra. Des chercheurs de l’Université de Cordoue proposent une méthode fondée sur trois réseaux de neurones pour détecter, localiser puis décoder des marqueurs fiduciaux, y compris lorsque l’éclairage se dégrade.
Un capteur optique flexible, intégré à un matériau souple, parvient à reconnaître des motifs Braille grâce aux infimes déformations provoquées par la pression. Associé à des réseaux de neurones, il atteint jusqu’à 98,57 % de précision sur huit motifs et réagit en moins de 0,1 seconde dans un test de lecture simulée.
Reconnaître une chaise malgré un changement de couleur, d’éclairage ou de décor paraît banal pour un cerveau. Des données recueillies chez sept macaques montrent que les réseaux de neurones profonds peinent encore à reproduire cette faculté lorsque les images s’écartent de celles utilisées pour leur entraînement.
Geoffrey Hinton, figure majeure des réseaux de neurones, doute que l’humanité sache durablement contrôler des systèmes plus intelligents qu’elle. Son image de la relation entre une mère et son bébé ne décrit pas une découverte technique, mais pose une question décisive : qui fixe réellement les objectifs, les limites et les responsabilités de l’IA ?
Des chercheurs de Carnegie Mellon ont conçu GINN, un modèle qui associe la méthode statistique GARCH à un réseau de neurones à mémoire. Testé sur sept grands indices boursiers, il affiche une amélioration de 5 % par rapport au seul GARCH. Une piste prometteuse pour mieux évaluer le risque, sans prédire à elle seule les cours.
Des chercheurs de la Queensland University of Technology s’inspirent des cerveaux d’animaux et d’insectes pour aider les robots à mieux reconnaître les lieux. Leur système fondé sur des réseaux de neurones à impulsions exploite des séquences d’images et promet une navigation plus précise, tout en visant une consommation énergétique réduite.
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.
Les prix Nobel 2024 de physique et de chimie distinguent des avancées décisives pour l’intelligence artificielle et la biologie. Geoffrey Hinton, formé au Royaume-Uni, et Demis Hassabis, cofondateur londonien de DeepMind, illustrent un héritage scientifique britannique réel, mais plus international que national.
Le prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton pour des idées issues de la physique statistique qui ont transformé les réseaux de neurones artificiels. Leurs modèles ne sont pas les IA génératives actuelles, mais ils ont fourni des concepts essentiels pour apprendre à partir de données complexes.
Le Prix Nobel de physique 2024 distingue John J. Hopfield et Geoffrey E. Hinton pour des découvertes fondatrices des réseaux de neurones artificiels. Leur récompense rappelle que l’essor actuel de l’intelligence artificielle doit beaucoup à des idées venues de la physique statistique, élaborées bien avant les assistants conversationnels et l’IA générative.
Le Prix Nobel de physique 2024 distingue John Hopfield et Geoffrey Hinton pour des découvertes qui ont rendu possible l’apprentissage automatique par réseaux de neurones. Leurs modèles, inspirés de la physique statistique, ont jeté des bases théoriques essentielles à l’essor de l’intelligence artificielle moderne.
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.
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.
