Les chercheurs ont trouvé un moyen de marier la créativité humaine et la créativité de l'intelligence artificielle (IA) pour augmenter considérablement les performances de l'apprentissage en profondeur.

Une équipe dirigée par Alexander Wong, titulaire d'une chaire de recherche du Canada dans le domaine de l'IA et professeur d'ingénierie de conception de systèmes à l'Université de Waterloo, développé un nouveau type de famille compacte de réseaux de neurones pouvant fonctionner sur les smartphones, comprimés, et d'autres appareils embarqués et mobiles.

AttoNet

Les réseaux, appelé AttoNets, sont utilisés pour la classification d'images et la segmentation d'objets, mais peut également servir de blocs de construction pour la reconnaissance d'action vidéo, estimation de pose vidéo, génération d'images, et d'autres tâches de perception visuelle.

"Le problème avec les réseaux de neurones actuels est qu'ils sont construits à la main et incroyablement grands et complexes et difficiles à exécuter dans n'importe quelle situation du monde réel, " dit Wong, qui a également co-fondé une startup nommée DarwinAI pour commercialiser la technologie. "Ces réseaux de pointe sont petits et agiles et pourraient avoir d'énormes implications pour l'automobile, aérospatial, agriculture, la finance, et les secteurs de l'électronique grand public.

Un élément clé de la conception du système d'IA de Wong est que les concepteurs humains travaillent en coopération avec l'IA dans la conception de nouveaux réseaux, conduisant à des réseaux compacts mais hautement performants pouvant fonctionner sur des appareils tels que les smartphones, comprimés, et véhicules autonomes.

La technologie, appelée synthèse générative, a été récemment validé par Intel, et dans un article récent avec Audi Electronics Ventures, il a été démontré qu'il accélère considérablement la conception de l'apprentissage en profondeur pour la conduite autonome. Plus tôt cette année, la société a fait la liste insideBIGDATA Impact 50 aux côtés de Google et Microsoft. L'apprentissage en profondeur est considéré comme la pointe de l'IA. Des réseaux de neurones artificiels sophistiqués imitent les capacités cognitives du cerveau humain pour apprendre et prendre des décisions.

"Nous avons adopté une approche de conception collaborative qui a tiré parti de l'ingéniosité humaine et de l'expérience de la méticulosité et de la vitesse de l'IA, car un ordinateur peut fonctionner très rapidement, " a déclaré Wong. " Cela a déjà un impact réel, en particulier là où ces solutions d'apprentissage en profondeur de pointe sont nécessaires pour alimenter l'infrastructure et les systèmes de renseignement ou protéger la confidentialité des utilisateurs, " a déclaré Wong.

L'étudiant à la maîtrise de Wong, Desmond Lin, a récemment présenté le document de recherche à l'exposition annuelle de la Conférence sur la vision par ordinateur et la reconnaissance de formes (CVPR) 2019 à Long Beach, Californie.