Éducation

Comment la nouvelle génération développe l’intelligence artificielle

Au concours Intel ISEF 2017, des scientifiques adolescents utilisent le machine learning et les réseaux neuronaux pour détecter et diagnostiquer des maladies, suivre des débris spatiaux, concevoir des drones et justifier des conclusions.

Si les êtres informatiques sensibles comme HAL dans le classique « 2001, l’Odyssée de l’espace » ou Samantha dans le film « Her » sorti e2013 ne sont pour l’instant que des produits de l’imagination, certaines formes d’intelligence artificielle (IA) améliorent déjà nos vies.

Lors du concours Intel International Science and Engineering Fair (ISEF) 2017, près de 1,800 lycéens se sont rassemblés pour présenter leurs recherches originales et tenter de remporter l’un des prix d’une valeur totale de 4 millions de dollars. Cette nouvelle génération de scientifiques utilise le machine learning et les réseaux neuronaux artificiels pour trouver des solutions à des problèmes actuels très ardus.

Selon Christopher Kang, jeune informaticien de Richland dans l’État de Washington, qui a remporté un prix ISEF dans la catégorie Robotique et machines intelligentes, « l’IA sera une composante essentielle du futur ».

Il a développé une application capable de détecter le cancer de la peau.

« Les humains sont limités en termes de capacités d’analyse des données », déclare-t-il. « L’IA est extrêmement puissante. Elle permet d’analyser de très grands volumes de données et de les mettre en corrélation pour comprendre les recherches existantes et les assimiler. Elle permet ensuite d’analyser des données supplémentaires et de les transformer en informations exploitables. »

L’IA comme assistance médicale

Après le cancer de la peau de son père, Chris Kang a créé un réseau neuronal artificiel capable d’identifier les grains de beauté et les lésions cutanées potentiellement cancéreux.

L’adolescent a conçu une application permettant aux utilisateurs de prendre une photo du grain de beauté ou de la lésion cutanée suspect(e). L’application peut ensuite déterminer si l’anomalie semble cancéreuse, avec un niveau de précision similaire à celui d’un dermatologue.

« Les patients ont ainsi suffisamment d’informations pour savoir s’ils doivent ou non consulter un dermatologue », explique Chris Kang.

« La détection du cancer de la peau à un stade précoce est cruciale, car en cas de formation de métastases, la probabilité d’un taux de survie de cinq ans chute à un cinquième de cette valeur », ajoute-t-il.

L’IA pour les diagnostics

Gaurav Behera de Rochester dans le Minnesota a utilisé une approche similaire pour développer un réseau neuronal artificiel qui identifie une anémie à cellules falciformes (ou drépanocytose) à partir d’une image microscopique d’un frottis sanguin.

« La drépanocytose est principalement présente dans les pays en voie de développement, où l’accès à l’éducation et aux diagnostics est rare et coûteux », explique Gaurav Behera, dont la grand-tante est décédée de la maladie en Inde.

Gaurav Behera utilise l’IA pour faire avancer la recherche sur les cellules falciformes.

« Cette application réduit le coût du diagnostic de la drépanocytose et rend le processus plus efficace. »

Pour le moment, le diagnostic implique un processus fastidieux de comptage des 300 à 400 cellules contenues dans le frottis sanguin, alors que 10 cellules seulement sont peut-être falciformes. L’application de Gaurav Behera élimine l’erreur humaine de l’équation.

« Comme je l’ai centralisée en un seul emplacement, elle peut être mise à jour constamment », affirme-t-il. « Le réseau neuronal peut donc apprendre et devenir plus précis au fil du temps. »

L’IA pour les prévisions

Si, à ce jour, le machine learning est surtout utilisé pour des tâches de classification, les réseaux neuronaux peuvent aussi servir à suivre les données et à faire des prévisions.

Amber Yang de Winter Park en Floride a remporté l’un des principaux prix de l’ISEF en développant un réseau neuronal artificiel capable de prévoir l’emplacement des débris spatiaux, qui peuvent être dangereux pour les engins spatiaux. Elle a créé un algorithme qui peut entraîner le réseau à reconnaître des nuages de débris spécifiques dans l’espace et, en fonction des trajectoires antérieures, prévoir leurs futurs emplacements.

Amber Yang a découvert que l’IA permet de localiser les débris spatiaux.

Vincent Moeykens de Windsor dans le Vermont a quant à lui créé un réseau neuronal pour analyser les données et prévoir le cours des actions.

En utilisant les données historiques des actions d’Apple, Amazon, Google, GoPro et Tesla, l’adolescent a entré les trois premiers trimestres des données d’une année, permettant au réseau de prévoir le quatrième trimestre.

Le modèle a démontré sa précision, avec moins de 0,15 % d’écart entre la valeur prévue et la valeur réelle des actions dans plus de 50 % des cas.

Lorsqu’il ajoute des variables supplémentaires, Vincent Moeykens indique que « le réseau neuronal s’adapte aux contraintes en se formant et en améliorant sa précision ».

La machine face à l’humain

Robert van Zyl de Peachtree City en Géorgie a remporté un prix en ingénierie mécanique pour ses recherches sur la capacité du machine learning à surpasser les humains en matière de conception technique.

Il a confronté ses algorithmes de machine learning aux humains pour la conception de groupes motopropulseurs complexes destinés à des drones de course.

« Le choix s’est porté sur les drones de course en raison des enjeux élevés des compétitions et de la forte complexité du problème technique », dévoile Robert van Zyl.

Le jeune ingénieur a fourni aux deux « adversaires » les informations sur les caractéristiques et les performances de plusieurs moteurs et propulseurs sans balais dans diverses combinaisons, et les a chargés de choisir la conception la plus performante en fonction de trois variables : poussée maximale, efficacité et puissance dynamique.

Au final, c’est la machine qui l’a emporté.

« En dépit des bons résultats des humains, les algorithmes d’IA ont eu le dessus dans deux des trois compétitions », confie Robert van Zyl. « Les algorithmes de machine learning ont été impressionnants. Ils ont trouvé une conception optimale de groupes motopropulseurs capables de maximiser la puissance, ce qui est le plus important dans une course de drones. »

L’IA pour le meilleur

Pour Robbie Barrat de Shenandoah en Virginie Occidentale, « le problème des réseaux neuronaux réside dans le fait qu’il est impossible d’en explorer l’intérieur, de savoir ce qu’ils pensent. Ils sont comme des boîtes noires ».

Les recherches de Robbie Barrat visent à rendre le fonctionnement interne des réseaux neuronaux artificiels plus transparent.

Robbie Barrat emploie les réseaux neuronaux pour qu’ils se justifient.

Il a développé deux modèles distincts de machine learning qui permettent aux réseaux neuronaux de renvoyer des justifications en même temps que leurs conclusions dans les problèmes de prévision et de classification.

« Les justifications renforcent non seulement les conclusions fournies par le réseau, mais elles apportent également des informations sur le processus de réflexion des réseaux neuronaux », indique-t-il.

À quiconque s’inquiète encore des scénarios pessimistes de science-fiction, Robbie Barrat rétorque qu’une telle transparence devrait permettre à l’avenir de s’assurer que l’IA sera toujours au service de l’humanité et pas des machines.

« L’IA n’en est encore qu’à ses balbutiements », conclut-il, rappelant qu’il a fallu attendre les années 1990 pour que l’informatique soit suffisamment puissante pour rendre les réseaux neuronaux pratiques. « Mais elle est partie pour durer, car les réseaux neuronaux sont des outils très puissants capables de tout, à condition qu’ils disposent d’une puissance informatique suffisante. »

Partager cet article

Read Full Story