Former l'IA à voir davantage comme les humains
infohightech ·
Soutenus en partie par la National Science Foundation américaine, les chercheurs de l'Université Brown apprennent à l'IA à voir davantage comme les humains, ouvrant ainsi la voie à des solutions d'IA plus précises.
À l'Université Brown, un nouveau projet innovant révèle qu'apprendre à l'intelligence artificielle à percevoir les choses comme les humains pourrait commencer par un jeu aussi simple que celui-ci. Le projet invite les participants à jouer à un jeu en ligne appelé Click Me , qui aide les modèles d'IA à apprendre comment les humains voient et interprètent les images.
Si le jeu est ludique et accessible, son objectif est plus ambitieux : comprendre les causes profondes des erreurs d'IA et améliorer systématiquement la façon dont les systèmes d'IA représentent le monde visuel.
Au cours de la dernière décennie, les systèmes d'IA sont devenus plus puissants et largement utilisés, notamment pour des tâches comme la reconnaissance d'images. Par exemple, ces systèmes peuvent identifier des animaux, des objets ou diagnostiquer des pathologies à partir d'images. Cependant, ils commettent parfois des erreurs que les humains commettent rarement.
Par exemple, un algorithme d'IA peut identifier avec assurance la photo d'un chien portant des lunettes de soleil comme un animal complètement différent, ou ne pas reconnaître un panneau stop partiellement recouvert de graffitis. À mesure que ces modèles gagnent en taille et en complexité, ces erreurs deviennent plus fréquentes, révélant un écart croissant entre la perception du monde par l'IA et celle des humains.
Conscients de ce défi, des chercheurs financés en partie par la National Science Foundation des États-Unis proposent de combiner les connaissances de la psychologie et des neurosciences avec l'apprentissage automatique pour créer la prochaine génération d'IA centrée sur l'humain. Leur objectif est de comprendre comment les individus traitent les informations visuelles et de traduire ces schémas en algorithmes qui guident les systèmes d'IA pour qu'ils agissent de manière similaire.
Le jeu « Click Me » joue un rôle central dans cette vision. Dans ce jeu, les participants cliquent sur les parties d'une image qu'ils estiment les plus instructives pour l'IA. Celle-ci ne voit que les parties de l'image sur lesquelles ils ont cliqué. Les joueurs sont donc encouragés à réfléchir stratégiquement aux parties les plus instructives de l'image plutôt que de cliquer au hasard afin de maximiser l'apprentissage de l'IA.
L'harmonisation IA-humain intervient ultérieurement, au cours de laquelle l'IA est entraînée à catégoriser les images. Dans cette procédure d’ « harmonisation neuronale », les chercheurs forcent l'IA à se concentrer sur les mêmes caractéristiques d'image que celles identifiées par les humains – celles sur lesquelles ils ont cliqué pendant le jeu – afin de s'assurer que sa stratégie de reconnaissance visuelle est alignée sur celle des humains.
Ce projet est particulièrement remarquable grâce à son succès auprès du public. Le financement de la NSF a permis à l'équipe d'attirer des milliers de personnes sur Click Me, contribuant ainsi à attirer l'attention sur des plateformes comme Reddit et Instagram, et à générer des dizaines de millions d'interactions avec le site web, contribuant ainsi à l'entraînement du modèle d'IA. Ce type de participation publique à grande échelle permet à l'équipe de recherche de recueillir rapidement des données sur la façon dont les gens perçoivent et évaluent les informations visuelles.
Parallèlement, l'équipe a également développé un nouveau cadre informatique pour entraîner des modèles d'IA à partir de ce type de données comportementales. En alignant les temps de réponse et les choix de l'IA sur ceux des humains, les chercheurs peuvent construire des systèmes qui correspondent non seulement aux décisions humaines, mais aussi au temps qu'elles prennent pour les prendre. Cela conduit à un processus décisionnel plus naturel et plus interprétable.
Les applications pratiques de ces travaux sont vastes. En médecine, par exemple, les médecins doivent comprendre et faire confiance aux outils d'IA qui facilitent le diagnostic. Si les systèmes d'IA peuvent expliquer leurs conclusions de manière à correspondre au raisonnement humain, ils deviennent plus fiables et plus faciles à intégrer aux soins.
De même, dans les voitures autonomes, une IA qui comprend mieux la façon dont les humains prennent des décisions visuelles peut aider à prédire le comportement des conducteurs et à prévenir les accidents. Au-delà de ces exemples, l'IA axée sur l'humain pourrait améliorer les outils d'accessibilité, les logiciels éducatifs et l'aide à la décision dans de nombreux secteurs. Plus important encore, ces travaux éclairent également le fonctionnement du cerveau humain.
En imitant la vision humaine dans les systèmes d'IA, les chercheurs ont pu développer des modèles de perception visuelle humaine plus précis que ceux disponibles jusqu'à présent.