COMPTOIR
  
register

Composé par ————— —— 16569 vues

Google AutoML surpasse les algorithmes humains en reconnaissance d'images

Fort de l'expérience concluante d'AlphaGo, qui avait remporté haut la main (4-1) un tournoi de Go contre le joueur professionnel Lee Se-Dol, Google ne s'est pas arrêté là, et avait lancé AutoML en mai dernier. Après avoir réussi à battre l'humain aux jeux, l'entreprise Californienne lançait un projet avec comme but un IA qui apprenait à ... fabriquer une autre IA toujours plus efficace.

 

geonosis droid foundries

"Dieu me débranche ! Des machines qui créent des machines !"

 

On attendait beaucoup du programme ainsi généré, et les records sont tombés il y a peu. AutoML a donné naissance à NSANet NASNet, qui a été évaluée sur sa capacité à reconnaître des objets sur une photo. Si vous trouvez que la tâche est facile, rappelez-vous qu'une photo est juste un énorme tableau de couleurs de pixels, bon courage pour y extraire l'information nécessaire à reconnaitre un chaton ou votre voisine ! Le score est calculé par le pourcentage d'élément reconnus sur la base d'images nommée ImageNet, une référence du domaine. Un papier a pu en être tiré, dans lequel NASNet identifie correctement 82,7% des images, soit 1,2% de mieux que les précédents algorithmes rédigés par des humains.

 

google automl nsanet detection

 NASNet saurait-il reconnaître une BX ?

 

Ces travaux pourraient, comme à l'accoutumé, trouver des applications dans de nombreux domaines, le code source étant libre de droit ; encore faut-il avoir accès à une machine suffisamment puissante pour l'exploiter. Bien évidemment, de tels résultats prouvent la supériorité d'algorithmes automatiques dans certains domaines spécialisés, il ne leur est pas encore possible de décider de leur propre chef, en dehors du cadre prévu. Pas de danger pour l'humanité pour le moment ! (Source : Google Research Blog via TrustMyScience)

Un poil avant ?

World in conflict offert par Uplay (MAJ)

Un peu plus tard ...

Thermaltake re-re-re-reconfirme sa passion du RGB

Les 14 ragots
Les ragots sont actuellement
ouverts à tous, c'est open bar !
par patator pas loggé embusqué, le Mercredi 06 Décembre 2017 à 08h10  
par Scrabble le Mercredi 06 Décembre 2017 à 02h15
L'IA c'est pas du marketing, c'est une réelle avancée technologique, pour ne pas dire une révolution, si tu crois que c'est juste du marketing tu risque d'être vite dépassé par le monde qui t'entoure. Certes les réseaux neuronaux sont aussi des algorithmes, mais d'un type totalement nouveau.
Totalement nouveau depuis 1943...
par Scrabble, le Mercredi 06 Décembre 2017 à 02h15  
par Un #ragoteur déconnecté embusqué le Mardi 05 Décembre 2017 à 17h51
Si on est moins marketteux, on peut aussi dire algorithme au lieu de "IA"
L'IA c'est pas du marketing, c'est une réelle avancée technologique, pour ne pas dire une révolution, si tu crois que c'est juste du marketing tu risque d'être vite dépassé par le monde qui t'entoure. Certes les réseaux neuronaux sont aussi des algorithmes, mais d'un type totalement nouveau.
par Un ragoteur sans nom embusqué, le Mardi 05 Décembre 2017 à 22h30  
par Un #ragoteur déconnecté embusqué le Mardi 05 Décembre 2017 à 17h51
Ce qui est certain, c'est qu'ils nous offrent la preuve que les devs et concepteurs de tous bords, c'est fini : nous n'avons réellement plus besoin que de rédiger un cahier des charges et le compléter au fur et à mesure pour le donner à bouffer à l'optimisateur... à vous de tirer les conclusions qui s'imposent.
Ce n'est pas parce que Yacc & Lex existent depuis plus de 40 ans pour simplifier l'écriture de compilateurs que plus personne n'écrit de compilateur de A à Z.

D'ailleurs sauf erreur de ma part, GCC était initialement conçu à l'aide de ces 2 outils avant d'être totalement réécrit from scratch avec une performance inégalée à ce jour...
par Nicolas D., le Mardi 05 Décembre 2017 à 20h33  
par Un #ragoteur déconnecté embusqué le Mardi 05 Décembre 2017 à 17h51
Ce qui est certain, c'est qu'ils nous offrent la preuve que les devs et concepteurs de tous bords, c'est fini : nous n'avons réellement plus besoin que de rédiger un cahier des charges et le compléter au fur et à mesure pour le donner à bouffer à l'optimisateur... à vous de tirer les conclusions qui s'imposent.
C'est déjà le principe d'un langage de programmation qui est compilé puis optimisé en fait :P ? Comme quoi on pense s'en sortir, mais on s'en sortira jamais vraiment !
par Un #ragoteur déconnecté embusqué, le Mardi 05 Décembre 2017 à 17h51  
par patator pas loggé d'Ile-de-France le Mardi 05 Décembre 2017 à 14h06
Je pense que c'est plutôt une IA qui sert à automatiser la tâche de construire des IA de plus en plus performantes grâce à du transfert learning. "IA" étant ici du réseau de neurones "deep learning".
Si on est moins marketteux, on peut aussi dire algorithme au lieu de "IA", le jeu était donc de faire un algorithme d'optimisation d'algorithme de détection de formes... et au vu de l'illustration, je ne serais pas surpris qu'il y ait principalement inférence (l'outil de recherche d'images dispo est déjà pas mal basé là-dessus à un niveau un peu plus précis que l'ambilight, l'outil associant par exemple totalement au pif un "rectangle de 1x3 pixels" à un humain si "il a l'air d'être sur le sable" ).

Ce qui est certain, c'est qu'ils nous offrent la preuve que les devs et concepteurs de tous bords, c'est fini : nous n'avons réellement plus besoin que de rédiger un cahier des charges et le compléter au fur et à mesure pour le donner à bouffer à l'optimisateur... à vous de tirer les conclusions qui s'imposent.
par dfd, le Mardi 05 Décembre 2017 à 17h42  
Pas trouvé une seule BX sur la photo : nul l'algo !
par Un ragoteur pas mignon embusqué, le Mardi 05 Décembre 2017 à 17h05  
OK le bouzin distingue les gens des voiles de kit-surf... Il est plus probable de trouver des gens par terre qu'en l'air et vice-versa avec le kite; ça aide un peu.
Et avec la photo de types faisant du deltaplane : y dirait quoi l'artificiel intelligent ?

par patator pas loggé d'Ile-de-France, le Mardi 05 Décembre 2017 à 16h37  
par Un ragoteur qui draille de Lorraine le Mardi 05 Décembre 2017 à 15h28
La plus grosse difficulté dans ce genre d'exercice c'est de reconnaitre des objets dans des conditions d'éclairage difficiles à faible dynamique, ce qui requiert probablement une banque d'images encore plus lourdes...
Pas forcément, on peut "bruiter" des images existantes "on-the-fly" pour augmenter la quantité d'information apprise sans augmenter la base d'apprentissage réelle.
par Un ragoteur qui draille de Lorraine, le Mardi 05 Décembre 2017 à 15h28  
 

Si vous trouvez que la tâche est facile, rappelez-vous qu'une photo est juste un énorme tableau de couleurs de pixels, bon courage pour y extraire l'information nécessaire à reconnaitre un chaton ou votre voisine!


Ce n'est pas parce que le commun des mortels n'a aucune idée de comment fonctionne un algorithme de reconnaissance d'objets sur une photo que cela relève de l'exploit technologique.

Si la pseudo-IA dispose d'une banque d'images d'une précision suffisante représentant les objets recherchés sous de multiplies angles de vue, alors la reconnaissance peut se réaliser avec un taux de succès important.

La plus grosse difficulté dans ce genre d'exercice c'est de reconnaitre des objets dans des conditions d'éclairage difficiles à faible dynamique, ce qui requiert probablement une banque d'images encore plus lourdes...
par patator pas loggé d'Ile-de-France, le Mardi 05 Décembre 2017 à 14h06  
par Un adepte de Godwin de Provence-Alpes-Cote d'Azur le Mardi 05 Décembre 2017 à 13h50
J'ai du mal a comprendre le "IA qui fabrique une autre IA".
En gros, les méthodes/codes de reconnaissance et corrélation d'images sont fournies par les humains, et l'"IA" a optimisé le code?
Est-ce que ce serai à comparer à un humain qui fait 100 pages de codes, a la flemme de tout relire et donc écrit une procédure pour corriger les erreurs les plus courantes (dans ce cas je ne voit pas vraiment ou l'IA intervient)?
A la grosse, d'après le titre de l'article, il s'agit de Transfert Learning:
https://fr.wikipedia.org/wiki/Apprentissage_par_transfert
https://en.wikipedia.org/wiki/Transfer_learning

Je pense que c'est plutôt une IA qui sert à automatiser la tâche de construire des IA de plus en plus performantes grâce à du transfert learning. "IA" étant ici du réseau de neurones "deep learning".
par Ideal, le Mardi 05 Décembre 2017 à 14h05  
2017 AutoML donne naissance NSANet
2018 NSANet peut enfin battre les captchas à base d'images pour DL + de porn.

Combien de temps faudra t'il pour qu'un des rejetons NSANet donne naissance à SKYNet?
Quoi je me suis emballé ?
Ah bon ok
par Un adepte de Godwin de Provence-Alpes-Cote d'Azur, le Mardi 05 Décembre 2017 à 13h50  
J'ai du mal a comprendre le "IA qui fabrique une autre IA".
En gros, les méthodes/codes de reconnaissance et corrélation d'images sont fournies par les humains, et l'"IA" a optimisé le code?
Est-ce que ce serai à comparer à un humain qui fait 100 pages de codes, a la flemme de tout relire et donc écrit une procédure pour corriger les erreurs les plus courantes (dans ce cas je ne voit pas vraiment ou l'IA intervient)?