|
Google DeepMind
Google DeepMind est une entreprise spécialisée dans l'intelligence artificielle appartenant à Google. L'entreprise est remarquée notamment pour son programme de jeu de Go AlphaGo, et son logiciel AlphaFold, qui permet de prédire la structure des protéines à partir de leurs séquences en acides aminés. HistoireOriginellement appelée DeepMind Technologies Limited et fondée en 2010 par Demis Hassabis, Mustafa Suleyman et Shane Legg[4], elle est rachetée le 26 janvier 2014, par Google pour plus de 628 millions de dollars américains[5],[6]. Le 20 avril 2023, la section "Brain" de Google Research et Deepmind fusionnent pour devenir Google Deepmind[7]. RechercheL’objectif de DeepMind est de « résoudre l'intelligence ». Pour atteindre ce but, l'entreprise essaie de combiner « les meilleures techniques de l'apprentissage automatique et des neurosciences des systèmes pour construire de puissants algorithmes d'apprentissage généraliste ». L'entreprise souhaite non seulement doter les machines d'intelligence artificielle performante, mais aussi comprendre le fonctionnement du cerveau humain. Demis Hassabis explique :
— Demis Hassabis, Nature, 23 février 2012. L'entreprise se concentre sur le développement de systèmes informatiques capables de jouer à des jeux tels que le go ou des jeux d'arcade. Selon Shane Legg une machine à l’intelligence comparable à l'intelligence humaine peut être réalisée « lorsqu’une machine peut apprendre à jouer à une très large gamme de jeux à partir de flux perceptuels d’entrée et de sortie, et d’utiliser la compréhension acquise entre les jeux [...]. » La présentation d’une intelligence artificielle capable d’apprendre à jouer à sept jeux différents sur Atari 2600 (Pong, Breakout, Space Invaders, Seaquest, Beamrider, Enduro, et Q*bert) aurait motivé leur acquisition par Google. Une nouvelle publication dans la revue Nature de février 2015[8] montre les progrès réalisés par DeepMind. Le logiciel est maintenant meilleur qu’un expert humain des jeux vidéo pour 22 titres classiques d’Atari sur 49 testés mais reste inférieur aux performances humaines dans 20 autres jeux, et ne dépasse pas un joueur humain pour les titres restants. La principale limitation du logiciel est qu’il reste pour l’instant incapable de planifier de longues stratégies dans le temps (plus de 15 secondes)[5]. Machine de Turing neuronaleUn des défis que tente de relever DeepMind est de réaliser une mémoire à court terme similaire à celle travaillant dans le cerveau humain. Le système développé est un type de réseau de neurones qui a été adapté pour fonctionner avec une mémoire externe. Le résultat est un ordinateur qui apprend en stockant des souvenirs et en les réutilisant pour effectuer des tâches logiques qu’il ne saurait faire autrement[9]. Comme cette forme de calcul diffère de manière importante d'un réseau neuronal classique, DeepMind lui a donné un nouveau nom : une machine de Turing neuronale[10]. La machine de Turing neuronale apprend comme un réseau neuronal classique en utilisant les entrées qu'il reçoit du monde extérieur mais il apprend aussi à stocker ces informations et à les récupérer. Deep reinforcement learningDeepMind combine la technique d’apprentissage automatique « Deep Learning » avec une technique appelée l'apprentissage par renforcement, qui est inspirée par les travaux de psychologues tels que B. F. Skinner notamment sur le conditionnement opérant. La technique est nommée « Deep reinforcement learning ». Le logiciel apprend en effectuant des actions et en observant les effets et conséquences, de la même manière que les humains ou les animaux. Mais jusqu'à la publication de DeepMind, personne n’avait réussi à construire un système capable de réaliser des actions aussi complexes que jouer à un jeu vidéo. Une partie du processus d'apprentissage consiste à analyser les expériences passées à plusieurs reprises pour tenter d’extraire des informations plus précises pour agir plus efficacement à l'avenir. Ce mécanisme est très proche de ceux qui ont lieu dans le cerveau humain. Quand nous dormons l’hippocampe rejoue la mémoire de la journée à notre cortex[11]. Première victoire contre un joueur professionnel de goLe jeu de go est considéré comme un des plus difficiles à appréhender pour une intelligence artificielle de par la multiplicité des positions et des placements possibles sur le goban. Le programme AlphaGo mis au point par DeepMind combine l'algorithme Monte-Carlo et les réseaux de neurones, une méthode qui bat les autres programmes de go dans 99,8 % des cas[12]. En octobre 2015, l'algorithme AlphaGo de DeepMind a battu le champion européen en titre de go, Fan Hui, par cinq victoires à zéro, première victoire d'un ordinateur contre un joueur professionnel[13],[14]. Pour mieux comprendre l'importance de cet exploit informatique, voir l'article Jeu de go en informatique. En mars 2016, AlphaGo gagne contre l'un des meilleurs joueurs du monde Lee Sedol (score 4-1)[15], et bat le champion du monde Ke Jie en mai 2017. Raisonnement relationnelDans deux études parues début juin 2017, les chercheurs de Deepmind détaillent leurs efforts pour développer des agents dotés de capacité de raisonnement relationnel[16] et prédictif[17] ; deux facultés fondatrices de l’intelligence humaines. Les deux systèmes sont basés sur des méthodes existantes d’apprentissage machine. Le premier est capable d’apprendre à reconnaître des relations spatiales entre des objets et le second parvient à produire des prédictions de mouvement d’objets se déplaçant dans un environnement en deux dimensions. Il s’agit d’un « moteur physique intuitif ». Leurs résultats sont nettement meilleurs que tout ce qui a été réalisé auparavant, dépassant même les performances humaines dans certains cas[18],[16]. Si les travaux ont été salués par certains chercheurs comme un pas dans la bonne direction. Certains, dont Sam Gershman, professeur de psychologie à Harvard, se montrent plus critiques et mettent en garde contre une surestimation de l'importance des travaux produits par DeepMind. Leur argument est qu’obtenir des performances surhumaines pour chacune des tâches séparées ne permettra pas d’obtenir une intelligence générale surhumaine[18],[19]. Domaine médicalEn février 2016, Google DeepMind a signé un partenariat avec le National Health Service (NHS), qui gère les dossiers médicaux de 1,6 million de patients de trois hôpitaux de Londres, afin de développer une application, nommée Streams, aidant les médecins à surveiller les patients ayant des problèmes de reins. Streams est censé éplucher les données en temps réel pour aider le personnel hospitalier à détecter le plus rapidement possible les cas d’insuffisance rénale aiguë, une pathologie qui évolue extrêmement vite et pouvant s’avérer mortelle si elle n’est pas prise en charge assez tôt. Toutefois, une polémique a été déclenchée quand il s'est avéré que ce ne sont pas seulement les dossiers des malades des reins qui ont été transmis à l’entreprise, mais ceux de tous les patients, et ces fichiers contiennent des données ultrasensibles remontant jusqu’à cinq ans : résultats d’examens, indications d’overdose, avortements, VIH, mais aussi des rapports quotidiens de l'hôpital sur l’activité du patient, son emplacement ou encore ses visiteurs ; tout ceci sans que les patients en soient informés[20]. Prédiction de la structure des protéinesAlphaFold est un programme d'intelligence artificielle (IA) développé par DeepMind de Google qui cherche à prédire la structure des protéines à partir de leur séquence en acides aminés. Le programme est conçu comme un système d'apprentissage profond[21]. La deuxième version du logiciel a atteint en novembre 2020[22],[23] un niveau de précision exceptionnel[21],[24]. AlphaFold 2 a été décrit dans un article publié dans Nature le 15 juillet 2021[25]. Le logiciel est libre, de même qu'une base de données regroupant les structures de la plupart des protéines de plusieurs espèces[26], dont 20 000 protéines humaines[27],[28]. Références
Liens externes
|
||||||||||||||||||||||||||||||||
.svg){kind=small}
