Des chercheurs du Massachusetts Institute of Technology ont mis au point un réseau neuronal liquide capable de faire évoluer ses propres paramètres. Le résultat est une intelligence artificielle plus adaptée au traitement des données séquentielles et plus résistante au bruit.
au sommaire
L'intelligence artificielle a énormément progressé ces dernières années grâce au deep learning où l'apprentissage s'appuie sur des réseaux neuronaux. Afin de mieux s'adapter à des conditions variables, le Massachusetts Institute of Technology (MIT) aux États-Unis vient de développer un nouveau type de réseau neuronal « liquide », capable de modifier les paramètres de ses propres équationséquations.
Dans la phase d'entraînement de l'IA, le réseau neuronal est utilisé pour construire des algorithmes en traitant un grand nombre de données. Cette nouvelle approche prend en compte les données chronologiques afin de traiter non pas des points fixes mais des séquences. Les chercheurs se sont inspirés du nématode Caenorhabditis elegans dont le système nerveux, composé de seulement 302 neuronesneurones, est capable d'opérations complexes.
Une intelligence artificielle qui s’adapte aux données
Le réseau neuronal liquideliquide utilise des équations différentielles imbriquées afin de changer les paramètres des équations dans le temps, ce qui le rend beaucoup plus flexible. Il est ainsi capable de mieux traiter des données contenant du bruit, comme le flux vidéo d'une voiture autonome lorsqu'il pleut. Les réseaux neuronaux sont comparés à des boîtes noires, où il est possible d'observer les entrées et sorties, mais pas ce qui se passe à l'intérieur. La possibilité de modifier ces équations permet aux chercheurs de mieux comprendre le fonctionnement du réseau, ce qui est normalement impossible. De plus, cette approche utilise un nombre plus limité de neurones que les réseaux classiques, ce qui réduit la puissance de calcul nécessaire.
Les chercheurs indiquent que le réseau neuronal liquide devrait permettre des avancées dans tous les domaines où les conditions peuvent évoluer rapidement. Cela inclut les voitures autonomes, le pilotage des robotsrobots, le traitement automatique du langage naturel, le diagnosticdiagnostic médical ou encore le traitement des vidéos.